一种双燃料发动机的视情维修决策系统及决策方法

本发明涉及船舶动力设备的维修领域，具体涉及一种双燃料发动机的视情维修决策系统及决策方法。

背景技术：

1、视情维修(cbm)是一种高效的维修方式，它能有效的解决传统的事后维修和定期维修引起的“维修过剩”和“维修不足”，能够有效的降低设备的维护成本，增加设备的使用寿命，最大程度的避免了灾难性事故的发生。随着传感器技术和电子设备的不断进步，视情维修越来越关注。

2、双燃料发动机由于它的优良的燃烧性能、经济性能和低排放的优点，近些年广受船东的青睐，并且在船舶领域广泛应用。但双燃料发动机相比于传统的柴油机其结构更加复杂，维修更加困难。并且目前现有维修技术中以传统的事后维修和定期维修的方式为主，不能够准确的预防和发现早期和随机故障，一旦发生故障就会造成设备停运，巨大损失，甚至是灾难性的事故。如何根据双燃料发动机实时状态，对其寿命进行预测、状态进行评估并做出合理的维修决策是视情维修技术的研究重点

3、针对以上问题，为保障双燃料发动机能够正常运作，视情维修技术应用到双燃料发动机中显得尤为重要。近些年来有关船舶发动机维修、监测方面技术的研究，包括状态检测技术，状态评估技术、故障预测技术和维修决策等。在现有研究中通常采用的是定期维修和事后维修的方式，维修费用高且无法把握精确的维修时间，容易产生欠维修和过维修的现象，而且不能实时的掌握设备的状态和给出合理的维修决策。

4、现有维修方法存在明显不足，在视情维修方面有所欠缺，无法及时的、准确的对双燃料发动机实时状态监测，预测其剩余使用寿命(rul)并进行合理维修决策等。

技术实现思路

1、针对现有技术中的不足，本发明提供了一种双燃料发动机的视情维修决策系统及决策方法，以解决现有技术中无法及时的、准确的对双燃料发动机实时状态监测，并预测其剩余使用寿命进行合理维修决策的问题。

2、本发明提供了一种双燃料发动机的视情维修决策系统，包括：数据采集模块、数据处理模块、状态监测模块、状态评估模块、维修决策模块、人机交互模块；

3、所述数据采集模块的输入端与布置在双燃料发动机内的各种传感器进行连接；

4、所述数据处理模块分别与所述数据采集模块、状态监测模块连接；

5、所述状态监测模块与所述状态评估模块连接；

6、所述状态评估模块与所述维修决策模块连接；

7、所述维修决策模块与所述人机交互模块连接；

8、所述人机交互模块分别与所述数据采集模块、状态监测模块、状态评估模块、维修决策模块连接；

9、所述数据采集模对双燃料发动机的实时状态数据进行采集；

10、所述数据处理模块通过数据滤噪和特征提取，将数据信息处理成有效的形式，并保存到数据库中；

11、所述状态监测模块从数据采集模块和数据处理模块获取数据，对获取数据是否超限进行监测；

12、所述状态评估模块使用多物理量融合方法对双燃料发动机进行状态评估和剩余寿命预测评估；

13、所述维修决策模块根据状态评估结果和剩余寿命预测结果进行综合判定，得到维修决策。

14、本发明还提供了一种双燃料发动机的视情维修决策系统的决策方法，包括如下步骤：

15、步骤1：对双燃料发动机的各个子系统下数个物理量的实时数据进行采集；

16、步骤2：对采集的数据进行滤噪和特征提取，得到带有双燃料发动机故障的数据，将步骤1中采集的数据与步骤2中得到带有双燃料发动机故障的数据分别进行保存；

17、步骤3：先结合各个子系统下数个物理量的实时数据通过多物理量融合的方式对每个子系统进行状态评估，再结合每个子系统的状态评估结果通过多物理量融合的方式对双燃料发动机进行状态评估；其中，多物理量融合的方式是将某一子系统划分为相互联系有序层次，最底层为监测的各物理量，计算各物理量影响上一层状态的权重，然后对各物理量的权重进行融合归一化，综合判定上一层的状态；

18、步骤4：结合数据库中历史数据，通过机器学习方法对双燃料发动机剩余寿命进行预测；

19、步骤5：根据状态评估结果和剩余寿命预测结果进行综合判定，得到维修决策。

20、进一步地，所述步骤3中每个子系统进行状态评估的方法为：建立子系统和子系统下数个物理量之间的评价因素、评价集、评价级的标准和权重集，通过如下公式进行状态评估：

21、con＝c·[yni·wi·uij]t

22、其中：

23、

24、其中，con是状态评估结果；c为评价标准体系，即评价集的标准；yni为评价因素；wi为权重集；uij为yni对vj的隶属度；nij为vj的评价次数；vj为评价集；

25、获得状态评估结果后与状态评估表对应获得监测时刻的实时状态。

26、进一步地，所述步骤4中机器学习方法为kelm模型。

27、进一步地，所述步骤4中通过kelm模型对双燃料发动机剩余寿命进行预测的具体步骤为：

28、步骤41：对数据库中的历史数据进行滤噪和特征提取，得到带有双燃料发动机故障的历史数据，通过带有双燃料发动机故障的历史数据对kelm模型进行训练，kelm模型输出剩余寿命预测结果；对实时采集的数据进行滤噪和特征提取，得到带有双燃料发动机故障的实时数据；

29、步骤42：通过训练后的kelm模型对带有双燃料发动机故障的实时数据进行数次预测，得到数个剩余寿命预测结果；

30、步骤43：计算数个剩余寿命预测结果之间的权重，根据如下公式计算双燃料发动机剩余寿命预测结果：

31、

32、其中rul为双燃料发动机剩余寿命预测结果；wi为kelm模型预测的第i个剩余寿命预测结果的权重，ti为kelm模型预测的第i个剩余寿命预测结果，pk为设备衰退时间。

33、进一步地，所述步骤5的具体过程如下：

34、构建维修方式和维修结果对应集，将两次采集时间点之间的时间划分成若干时间间隔相等的时刻，通过如下公式计算每个时刻的不同维修方式下的设备的利用率：

35、

36、通过如下公式计算每个时刻的不同维修方式下的总成本率：

37、

38、其中，td为订货时间，ti为检测时刻，ti为维修时刻点，tpm,k、cpm,k分别为第k个子系统非更换性维修所需时间和费用，tre,k,cre,k分别为第k个子系统更换性维修所需要的时间和费用，cm为监测费用，ck为库存成本，cs停机成本，

39、b1为维修资源状态，b2为停机状态：

40、

41、将每个时刻的不同维修方式下的设备的利用率，以及每个时刻的不同维修方式下的总成本率中最低的总成本率作为维修决策输出。

42、本发明的有益效果在：

43、本发明的核心在于将传统的定期维修和事后维修的形式转变为了视情维修，建立视情维修系统，实现对双燃料发动机的状态监测和维修决策，使用ahp方法对双燃料发动机的状态进行实时的监测并呈现出来，通过kelm模型建立rul预测其寿命，建立决策目标的数学模型，以设备的维修成本率最低和设备利用率最大为目标，制定维护方案，实现对双燃料发动机的实时的在线监测，能够及时的识别异常状态并做出合理的维修决策。从而降低故障发生的风险，同时提高维修的经济性。