船舶冷卻劑泵健康狀態管理系統設計

王 甦，張 爍，鄭 甦，劉 劍

(1.海軍裝備部 裝備審價中心，北京 100071；2.北京航天測控技術有限公司，北京 100043；3.北京市高速交通工具智能診斷與健康管理重點實驗室，北京 100041；4.裝備全壽命周期狀態監測與健康管理技術與應用國家地方聯合工程研究中心，北京 100041)

0 引言

船舶系統一旦發生重大事故，將對船舶的安全運行產生嚴重影響[1-3]。因此，提高故障診斷的效率成為船舶故障診斷的重要方向。隨著船舶系統技術的不斷提高，設備內部結構之間的連接變得越來越復雜，船舶系統的耦合工作也越來越高，這使得實施有效的故障診斷變得更加困難[4-5]。船舶故障診斷是船舶系統維修決策的重要組成部分。冷卻劑泵是關鍵設備，在熱量導出中扮演重要角色，可確保船舶可靠運行和安全[6-7]。因此，如何設計一套有效的船舶冷卻劑泵健康狀態管理系統設計成為目前研究的重點與發展方向。

自2015年我國提出“中國制造2025”戰略以來，高端制造業已成為全球科技革命和產業變革的新焦點[8-9]。在“中國制造2025”強國戰略中，海洋工程裝備和高技術船舶相關技術的研究被列為十大領域之一，這為智能船舶的發展提供了難得的歷史機遇[10-11]。

目前，我國船舶智能集成平臺系統的研發仍處于初級階段，主要應用于國內自主研發的智能船舶。2018年8月，“智能船舶1.0”的專項智能系統聯合調試順利完成，全面測試了各應用功能，確定了各智能系統的交互方案，為智能系統裝船奠定了基礎[12-13]。全球首艘30萬噸智能超大型油輪凱征輪及其姊妹船新海遼輪、全球首艘40萬噸智能超大型礦砂船明遠輪及其姊妹船明卓輪成功交付。這4艘智能示范船采用了“平臺+應用”的設計理念，建立了智能綜合網絡信息平臺，顯著提高了運營效率和管理水平，并獲得了中國船級社和挪威船級社的智能船舶符號認證[14-15]。2023年，上海船舶研究設計院搭建風電運維母船智能系統，采用數字孿生技術實現船舶核心動力設備和電力系統的建模仿真，保障船舶安全高效航行[16]。

本文旨在對船舶冷卻劑泵健康狀態管理系統進行論述，然后針對各關鍵組態系統展開闡述分析。緊接著從數據采集及狀態參數特征提取、設備狀態識別、設備健康管理、數據管理、配置管理出發，研究設計了健康狀態管理系統并詳細講述其4個關鍵組成。最后，針對健康狀態管理系統功能驗證問題，設計了系統功能驗證和設計驗證方案。

1 總體設計方案

1.1 系統架構

船舶冷卻劑泵設備狀態識別系統遵循低耦合原則，采用B/S架構，基礎平臺與業務系統的交互通過特定的接口實現。

系統頁面交互采用輕量化前臺框架和數字化報表工具，用戶行為監控和可視化體運維等主要功能。技術架構視圖分為表現層、數據交換層、業務服務層、基礎服務層、數據存儲層和基礎設施層，形成的船舶冷卻劑泵設備狀態識別系統架構如圖1所示。

1)基礎設施層：為船舶冷卻劑泵設備狀態識別系統構建一個運行穩定、安全可靠的基礎支持環境，主要包括容器運行環境和部署容器化環境等。

2)數據存儲層：提供船舶冷卻劑泵設備狀態識別系統存儲環境。關系型數據庫對于結構化的數據存儲和獲取十分友好。關系數據庫關注在關系上，時序數據庫關注在存儲上。由于設備信號數據量較大，且數據種類較多，故采用關系型數據庫+時序數據庫的技術路線。系統接入的數據、知識模型和分析結果存儲在關系型數據庫與時序數據庫中，并將熱點數據存放于緩存數據庫中，可以提高訪問速度。

3)數據存儲層：提供船舶冷卻劑泵設備狀態識別系統存儲環境。系統數據存儲主要有兩種類型的數據：一種是基于關系型的用戶數據和模型數據，另一種是基于設備傳感器參數的時序數據，所以使用關系型數據庫和時序數據庫的技術存儲方案。

關系型數據庫主要存儲用戶基本信息數據、參數的基本信息數據、算法的基本信息數據和算法模型的基本信息數據。時序數據庫主要存儲設備傳感器參數等。

由于設備信號數據量較大，且數據種類較多。系統接入的數據、知識模型和分析結果存儲在關系型數據庫與時序數據庫中，并將熱點數據存放于緩存數據庫中，可以提高訪問速度。

數據庫主要的功能包括數據庫子系統和數據計算與處理子系統兩個部分。其中數據庫主要包括3類：1)存放用戶數據和故障維修建議；2)與設備運行相關的數據庫原始數據、時序型數據庫；3)算法庫。數據計算與處理主要包括機器學習算法[17-20]。

1.2 系統組成

船舶冷卻劑泵健康狀態管理系統功能設計首要目的是達到異常狀態的監測，即有故障或無故障，以及異常定位，完成該任務前提下再進行故障診斷等。船舶冷卻劑泵健康狀態管理系統功能組成如圖2所示。

圖2 船舶冷卻劑泵健康狀態管理系統功能組成

設備健康狀態管理軟件可實現對冷卻劑泵設備的數據采集、狀態特征提取、設備狀態識別、設備健康管理、數據管理、配置管理等方面的功能。

1)數據處理及狀態特征提?。涸撃K根據冷卻劑泵設備狀態識別系統需求，通過設備和系統自帶傳感器獲取設備信號，并對冷卻劑泵設備運行狀態參數信號進行處理，對狀態識別所需的設備信號特征參數進行特征提取，支持設備狀態參數特征提取模型和算法的擴展。

2)設備狀態識別：針對船舶冷卻劑泵設備狀態特征參數進行數據分析，通過設備狀態識別算法程序實現對設備運行狀態、關鍵參數監控評價、識別系統異常信號和故障信號，并給出異常預警，基于多種故障診斷方法進行故障定位，實現對設備運行狀態的識別。后續支持集成結合接口要求，可集成滿足接口要求的設備狀態識別模型和算法。

3)設備健康管理：基于船舶冷卻劑泵設備狀態識別結論，結合設備運行、維護、維修經驗，提出設備運維處理方案和故障清除措施建議，并基于設備狀態識別結果、預測模型實現設備關鍵部件的剩余壽命預測和設備狀態趨勢預測。

4)數據管理：提供采集參數數據的管理、維護維修信息管理、離線數據導入、數據檢索、下載等功能。

5)配置管理：提供用戶管理、權限管理和日志服務等功能。

2 軟件開發及組態

2.1 數據采集及狀態參數特征提取

根據船舶冷卻劑泵設備的狀態識別系統需求，通過設備和系統布置的傳感器獲取設備信號，并對船舶冷卻劑泵設備的運行狀態參數信號進行采集，對狀態識別所需的設備信號特征參數進行特征提取，以獲得可應用于設備狀態識別和故障識別模塊算法程序的特征信號。

2.1.1 數據采集

數據采集模塊可接收泵設備系統實時采集的數據，供用戶進行監測、診斷和預測。

船舶冷卻劑泵采集監測參數包括溫度、振動、轉速、液體測量、零序電流、電流、流量和壓力。

2.1.2 數據處理

針對采集到的船舶冷卻劑泵的數據，需要對眾多測點進行數據處理。

針對不同數據源和不同測點的信號特點，對應進行適合的數據處理方式。數據處理實現對監測數據的采集、問題數據處理等。

針對船舶冷卻劑泵測點需要分別進行如表1的數據處理方法。

表1 算法模型功能模型及輸入輸出

1)數據預處理：一方面，在實際監測數據中，由于受到很多干擾因素影響，監測數據中存在著普遍的非平穩、空值無效數據等現象；另一方面，系統本身也會產生非平穩信號，監測數據存在不連續的現象，這也給基于監測數據的監測工作帶來一定的困難。為了改善數據質量，節約處理時間，需要對監測數據進行預處理。

數據預處理模塊其輸入是來自監測海量數據，輸出是經過預處理后的數據，傳遞到設備狀態識別和健康管理等模塊進行處理。數據預處理的主要功能是對數據進行野值去除空值插補的處理。數據預處理軟件分為2個模塊：野值剔除、空值填充。

2)信號相關性分析：由于采集的船舶冷卻劑泵都是穩定工作的正常數據，不同測點的時、頻域圖像近乎相同，因此需要進一步進行信號相關性分析，以及時頻域特征分析，以進行異常判定[21-22]。針對高相關性變量，首要保證的是變量間邏輯關系正確，即檢測變量間時刻維持線性相關性。為了利用變量間關系，刻畫突變型異常和變量間關系異常，這里結合波動率，采用差分線性回歸方法評估異常。兩個變量之間的皮爾遜相關系數定義為兩個變量之間的協方差和標準差的商，表示了兩個變量之間的總體相關系數。估算樣本的協方差和標準差，可得到皮爾遜相關系數。

2.1.3 參數特征提取

特征提取是船舶冷卻劑泵設備異常檢測中至關重要的一步[23-24]。有效的特征提取方法可以降低振動信號中噪聲等無用信息的影響，提取出反映設備狀態的有效信息，用于設備異常檢測。目前常用的特征提取方法包括時域特征提取、頻域特征提取和時頻域特征提取。參數特征提取主要針對狀態識別所需的設備信號特征參數進行提取，以獲得可應用于狀態識別和故障識別模塊算法程序的特征信號。

泵類設備典型故障診斷或壽命預測需采用時域計算、時頻計算、頻域計算等常用信號處理方法提取和轉換特征作為模型構建的輸入，因此平臺預設特征提取與轉換算法所示，用戶可通過建模數據預處理模塊自行調用需要提取的頻域特征或時域特征。除此之外，系統還提供應變信號分析數據特征處理方法和測量系統特征數據處理方法。

本模塊功能后續支持集成結合接口要求，可集成滿足接口要求的設備狀態參數特征提取新增模型和算法，從而實現對數據處理及狀態參數特征提取模塊的功能擴展和進一步優化完善。

1)基于時域/頻域/時頻域的振動信號特征提取方法：振動信號分析模塊實現振動信號的時域和頻域分析，完成特征參數提取，包括加速度通頻值、加速度最大值、加速度最小值、加速度峰峰值、振動烈度、振動歪度、振動峭度、振動基頻值、倍頻值、頻率重心等。

基于設備正常運行數據與典型故障數據樣例，研究設備典型故障發生的參數關聯關系和故障數據增廣技術，針對電流、振動等4種信號，研究提取數據的時域特征和頻域特征。

2)基于頻域/時頻域分析的失效與退化特征分析：利用時域參數可以快速實現對設備的簡易診斷，即判斷是否存在故障，常用于對齒輪或滾動軸承等機械結構的在線監測。當需要分析故障類型、故障位置以及故障嚴重程度時，就需要對齒輪或滾動軸承的振動信號進行頻譜及時頻域分析。根據頻譜圖中的頻率成分以及各時頻域有關頻率成分的幅值大小進行進一步診斷。

3)特征分析與趨勢分析：提取的特征需要判斷其與異常特性的關聯度，利用數據對異常診斷進行簡單測試，進行特征敏感校驗與對比。當提取的異常特征能夠清晰地顯現出泵體的故障，也可以根據其運行特點設置合適的閾值，用于簡單的異常判定，而其他的就需要通過借助數據驅動的方式來進行判定。信號特征也需要同采集信號一樣進行趨勢分析，相比于直接對信號進行趨勢分析，特征的趨勢分析能夠更清晰地顯示出設備當前的狀態。

2.2 設備狀態識別

基于船舶冷卻劑泵設備運行特點、設備故障模式和故障原因，針對設備狀態特征參數進行數據分析，通過設備狀態識別算法程序實現對設備運行狀態評價、設備狀態趨勢預測、對閾值內異常信號的預警和發展趨勢分析、對超限值異常信號的故障識別和故障定位，實現對設備運行狀態的識別。

此外，本模塊功能后續支持集成結合接口要求，可集成滿足接口要求的設備狀態識別模型和算法，能夠根據設備運行數據實現狀態識別模塊算法、程序的更新，從而實現對設備狀態識別模塊的功能擴展和進一步優化完善。

設備狀態識別功能包括設備故障模式管理、設備狀態監控、異常信號預警、故障監控和設備狀態趨勢預測。設備狀態識別的總體流程如圖3所示。

圖3 設備狀態識別流程圖

2.2.1 設備故障模式管理

設備故障模式管理功能針對泵體的故障模式進行分析，對其涉及到的故障部位和相關測點進行分析，并對船舶冷卻劑泵相關故障模式進行管理。設備故障模式管理可實現對泵設備的故障情況進行整合管理，包括對泵的部件名稱、故障部位及模式、故障影響、故障原因、故障檢測方法等內容進行管理。

2.2.2 設備狀態監控

設備狀態監控通過對設備的運行情況、運行時間、關鍵參數等內容進行集中參數監控，在監控過程中，可通過數值、曲線等方式進行設備狀態的集中展示。

設備狀態監控系統允許用戶實時掌握船舶冷卻劑泵設備的運行狀態，及時了解船舶冷卻劑泵設備的故障及預警情況，提前做好應急處置準備，保障船舶冷卻劑泵設備的運行。設備狀態監控系統實時獲取船舶冷卻劑泵設備運行數據，并以友好、直觀的形式展示給用戶，這將有效幫助用戶及時、準確地掌握船舶冷卻劑泵設備的運行狀態，及時獲取相關故障信息并及時做出維修決策。

設備狀態監控系統主要提供設備關鍵參數監控和設備運行狀態監控等功能。系統一方面接收船舶冷卻劑泵設備運行動態數據；另一方面，根據狀態識別模型分析設備運行狀態，識別異常信號和故障信息，并實時顯示轉入下一步綜合處理。

此外，設備狀態監控模塊支持設備狀態監控歷史數據的回放功能。

2.2.3 設備運行狀態監控

2.2.3.1 設備關鍵參數監控

船舶冷卻劑泵的關鍵參數監控包含：主要故障模式的時序信號源、主要信號源的關鍵頻域特征及主要引起異常報警的關鍵參數閾值。

設備關鍵參數監控模塊提供船舶冷卻劑泵監測的關鍵參數實時顯示功能。用戶可直觀獲知船舶冷卻劑泵當前運行過程中關鍵參數的異常情況，提前發現設備異常狀態信息進行預防性維修。點擊設備關鍵參數監控模塊，進入設備關鍵參數監控界面。用戶可以以列表的方式查看船舶冷卻劑泵設備監測參數的變化情況，通過“查看圖形”功能，可以以圖形的方式顯示所選參數的數據圖形。

同時提供設備關鍵參數監控頁面的編輯功能，用戶可以根據需要調整監控頁面的顯示參數。

將參數采集值與參數限值進行比較，若超出限值，系統給出告警提示。

系統提供用戶自定義參數信息的觸發邏輯，比如以固定時間間隔實時觸發。在設備運行過程中，當其滿足用戶或系統定義的特定邏輯條件時，自動將相關參數快照發送至系統。

2.2.3.2 異常監測

泵體異常監控界面主要展示泵體出現異常情況，可實現對泵體的實時異常狀態進行監控，具體包括：

1)監控內容：當通過異常監測融合判定后，就應該將指定的位置的異常結果展示出來，并利用異常監控模塊進行管理。異常監控模塊將集中顯示所有接收到的且尚未關閉的異常信息(包括異常、超限及警告)，具體數據項目包括：型號、異常部件名稱、異?，F象、狀態、異常發生時間、消息等級。

異常顯示可按型號、名稱、異常描述等條件查詢數據。異常監控顯示是異常診斷的唯一入口，點擊異?，F象可以進行后續的異常診斷操作。

2)異常確認：異常確認模塊允許用戶對尚未關閉的異常(包括超限和警告類的數據)進行標識和處理，用戶可選擇立即處理、推遲處理以及忽略警告等，處理結論包括：

(1)異常：系統自動將其轉移至“異常診斷”模塊進行后續處理，記錄將消失；

(2)虛警：系統將其自動歸檔到故障歷史庫；

(3)觀察(主要是針對暫時無法給出明確結論的數據)：系統將繼續保留對此記錄的顯示，供后續處理。

3)異常通知：系統捕捉到異常信息后，將異常數據和信息提示發送至個人桌面，同時可以通過系統消息的方式將此異常信息通知給相關用戶。

2.2.3.3 泵體異常監控分析

故障監控需要針對冷卻劑泵主要的故障模式，運行特點進行分別設計。其異常監測的主要分為5種方式。最終的船舶冷卻劑泵的異常監測結果，需要經過設立合適的閾值，并進行異常監測結果融合，保證異常監測結果的準確率。其詳細的異常監測技術方案主要分為5個重要步驟，如圖4所示。

圖4 異常監測技術方案

步驟1：進行異常預測時，需要先導入各個閾值，權重等參數；

步驟2：從泵采集到的多源數據集，這里用x1，y1，z1表示，并導入到數據庫中；

步驟3：在進行數據處理后，分別進行5種異常判定；

步驟4：閾值1～5分別代表了5種異常判定方法，需要進行閾值的分析與修正；

步驟5：最后進行異常融合判定，精確地進行異常報警與進一步處理。

異常監測判定方法如圖5所示。

圖5 異常監測判定方法

1)常量信號數據，通過設立合適的閾值即可判斷異常。針對異常監測，冷卻劑泵的異常數據，主要包含多個測點的時序數據，即要通過多個測點的時序數據進行異常監測。首先需要排除數據獲取本身的異常，例如對于葉輪損傷故障，其相關的測點包含了1個電機頂部的振動測點，電機頂蓋處的兩個轉動測點等，通過對多個測點進行異常分析，部分異?，F象能夠從數據獲取判斷出異常。

2)信號提取的時/頻域特征，通過設立合適的閾值即可判斷異常。針對有明顯特征的異常，部分可以通過時/頻域的特征分析，通過設置閾值來判斷異常。

3)信號相關性分析，測點信號內和信號間的異常。針對有明顯異常特征的異常，時間序列的異常檢測更為復雜，主要包含自相關性和互相關性兩個層面。其根本就是對于多維度數據的異常檢測問題，除了單維度信號當前時刻與歷史信息的自相關性，還需要考慮不同信號間的數據相關性。多變量之間存在著一定的時間和空間上的聯系，也即同一時刻或相近時刻之間的互相關性。針對高相關性變量，首要保證的是變量間邏輯關系正確，即檢測變量間時刻維持線性相關性。兩個變量之間的皮爾遜相關系數定義為兩個變量之間的協方差和標準差的商，表示了兩個變量之間的總體相關系數。通過估算樣本的協方差和標準差，可得到皮爾遜相關系數。通過皮爾遜相關系數得到高相關變量后，再利用差分方程尋找信號內的異常，進一步通過線性回歸找出信號間的異常。

4)基于重構的異常監測算法。針對沒有明顯特征的故障，除了考慮泵體本身測點之間的相關性異常。由于存在數據量大、異常數據類別不平衡、異常數據標注不完整、特征工程復雜等情況，異常檢測問題常常被歸結為無監督分類問題。為了避免訓練數據中代表每種攻擊類型的樣本不平衡，并避免模型無法通過觀察現有攻擊類型來學習新的攻擊類型，需要利用機器學習模型來檢測異常，常見為利用AE自動編碼器和重構誤差來檢測異常。針對時序信號異常檢測的應用場景，異常樣本相對于正常樣本是絕對少數。自編碼模型利用兩者編碼前后的重構誤差來判斷異常。如果重構時序信號與原始信號有所差異，則判定當前時刻異常。

5)基于預測的異常監測算法。另外，由于存在一些不可預測的影響因素存在，如手動控制、不受監控的環境條件、負荷等等。為了考慮這些不可控變量對預測變量的影響，提高模型泛化性，需要預測未來時刻時序信號來監控設備狀態。

2.2.4 故障診斷

故障診斷根據當前接收到的設備故障信息，提供強大的自動檢索分析引擎，將用戶提供的故障信息處理，結合歷史故障案例和故障決策樹，自動檢索具有類似現象的歷史故障信息，并生成同類型的故障報表，為用戶故障診斷提供技術分析依據。故障診斷包括故障診斷界面、故障案例診斷、人工智能診斷算法庫管理、故障分析報表等功能。

1)故障診斷界面：故障診斷顯示模塊能夠列出所有的故障信息以及信息來源，其功能結構包括：

(1)故障影響度排序模塊。對當前故障信息根據故障分類模型，確定當前故障的嚴重程度，根據嚴重程度對當前故障進行排序，越嚴重越緊急的故障信息排在越前面。

(2)歷史故障次數統計模塊。針對船舶冷卻劑泵設備，對其故障歷史記錄進行統計分析，列出故障歷史發生次數。

(3)故障可視化顯示模塊：融合上述信息，以不同顏色、不同圖標形狀等可視化方式綜合顯示當前故障的重要性和緊迫性。

2)故障案例診斷。根據當前故障信息相關特征信息，對歷史故障案例進行搜索和匹配，自動檢索出具有類似現象的歷史故障案例，以輔助用戶進行故障隔離。

故障案例檢索的典型工作流程如圖6所示。

圖6 故障案例檢索工作流程圖

根據故障案例檢索的工作原理，模擬上述領域專家解決問題的過程，上述過程共有4大子模塊案例查詢模塊(包括故障特征分析、故障案例檢索)、案例匹配模塊(即故障案例匹配)、案例瀏覽模塊(即故障案例復用)、案例處理模塊(包括故障對策評價、故障對策調整和故障案例保存)。

(1)案例查詢模塊：根據當前故障信息和參數信息，從故障案例庫的故障案例庫查詢與當前相似的故障案例集。主要包括故障特征分析和故障案例檢索兩個子模塊：

(2)案例匹配模塊：根據系統設定的相似度計算算法，從檢索出的故障案例集中選出最佳故障案例。

(3)案例瀏覽模塊：根據案例的檢索和匹配結果，顯示當前故障的快照信息，以及對應的故障案例的詳細信息；用戶根據一定的案例復用原則，采用最佳故障案例中的故障對策解決當前故障。

(4)案例處理模塊：案例處理模塊提供標準的流程機制，輔助用戶將當前故障的處理結果，作為新的案例注入到系統中，從而不斷豐富系統的故障案例庫，提升系統的診斷能力。

3)人工智能診斷：人工智能診斷提供人工智能算法管理功能，支持算法模型的自定義。具體包括人工智能算法模型管理、人工智能算法診斷分析等功能。

(1)人工智能算法通用算法庫。系統提供人工智能算法通用模型庫，并對算法模型進行分類管理。系統提供公共算法包，并支持用戶導入第三方算法文件以及在線編輯算法。

系統已經預置算法，包括神經網絡、深度神經網絡算法等，這些預置算法已經封裝，用戶只能查看對應的代碼，不能對其進行修改和刪除。此外，系統提供通用算法的新建功能。

(2)人工智能算法診斷分析。利用船舶冷卻劑泵設備故障現象收集所有設備相關數據，利用人工智能方法，實現典型設備的故障診斷。故障診斷算法包括神經網絡、深度神經網絡算法等。

(3)基于神經網絡的故障診斷方法。人工神經網絡通過模擬生物神經元處理外部刺激的方式來解決傳統線性方法無法處理的許多復雜的非線性問題[25-26]。神經網絡出色的非線性問題處理能力有助于在典型機械、機電設備的故障診斷中解決故障診斷與預測等難點問題，因此得到了大量的應用。本項目利用徑向基神經網絡來實現對驅動機構的故障診斷與壽命預測。

(4)基于深度神經網絡的故障診斷方法。根據正常數據對模型進行訓練，得到的模型能夠預測出正常情況下相關數據的當前以及未來變化，當系統本身出現異常時，該模型肯定會出現偏差，當偏差較大時，可以認為模型與當前的系統擬合出現異常，而該模型是基于正常的數據進行訓練得到的，故而可以反推知當前系統出現了異常[27-28]。

系統會對預測數據和真實數據之間的偏差做一個分級預設，分為偏離較小，偏離較大，偏離很大。偏離較小是在模型訓練及測試過程中對大量正樣本數據統計，得出的一個經驗值。偏離較大和偏離很大是暫時設定的一個初始值，這個值會在獲取各個部件預警和告警信息后，進行聯動驗證，動態調整。當預測數據和實際數據偏離較小時，為正常狀態。當預測數據和實際數據偏離較大時，為預警狀態，會去獲取相關設備組件的預警信息，然后發出預警信息。當預測數據和實際數據偏離很大時，為告警狀態，會去獲取相關設備組件的告警信息，然后發出告警信息。

4)故障分析報表：

根據當前故障診斷信息，生成故障分析報告表，用戶可查看同類型故障案例信息、故障系統/部件履歷信息和性能歷史變化曲線，幫助用戶更為直接地了解設備的運行情況和故障情況，為后續故障診斷分析提供技術依據。

故障分析報表涵蓋該類型故障現象、故障定位信息、故障機理、故障措施和問題復現，并以可視化圖形的方式直觀顯示診斷信息。以不同的顏色展示故障因子遍歷路徑。同時，用戶可在故障分析報表中查看故障系統中各部件、元器件的履歷信息和部件的歷史性能變化曲線。

2.3 設備健康管理

基于船舶冷卻劑泵設備狀態識別結論，結合設備運行、維護、維修經驗，提出設備運維處理方案和故障清除措施建議，并基于設備狀態識別結果實現設備關鍵部件的剩余壽命預測。

具體功能包括故障診斷、設備運維處理支持、關鍵部件剩余壽命預測和設備狀態趨勢預測。設備健康管理的總體流程如圖7所示。

圖7 設備健康管理總體流程圖

2.3.1 關鍵部件剩余壽命預測

剩余壽命預測子功能根據船舶冷卻劑泵設備關鍵部件工作中獲取的失效數據，分析系統的失效規律，得到的關鍵部件的性能退化規律[29-30]?；谛阅芡嘶幝?，結合實時檢測的系統參數及狀態特征估計關鍵部件的剩余壽命，為后續船舶冷卻劑泵設備的健康評估提供必要的基礎。關鍵部件剩余壽命預測如圖8所示。

圖8 關鍵部件剩余壽命預測示意圖

2.3.2 設備狀態趨勢預測

設備狀態趨勢預測提供船舶冷卻劑泵設備狀態值預測界面，完成未來指定時間內，船舶冷卻劑泵設備狀態預測的調用和結果顯示(趨勢以及與指定歷史數據的對比)。

1)趨勢預測：趨勢預測主要利用的船舶冷卻劑泵設備參數歷史數據，加載預測模型，實現對船舶冷卻劑泵設備狀態參數的趨勢預測，及時了解船舶冷卻劑泵設備的性能衰減的變化規律，預測異常發生時間，生成預測結論包括系統的異常性質、程度及異常發展趨勢，同時能夠初步進行異常來源判斷或影響分析，并提出干預措施建議，以便相關人員提前做好參數控制準備。狀態趨勢預測如圖9所示。

圖9 狀態趨勢預測示意圖

狀態趨勢預測功能將大量的設備狀態參數數據作為輸入，分析不同參數的數據特點，利用相適應的趨勢分析算法，給出船舶冷卻劑泵設備性能衰減的變化規律、當前狀態和未來狀態趨勢預測，為相關工作人員提供更加全面的船舶冷卻劑設備性能狀態分析手段。

對于滿足一定條件的趨勢形態，趨勢預測功能能夠進行相應報警，并以圖形化的方式直觀顯示出趨勢預測的結果。

性能衰減趨勢預測子模塊的工作流程如下：

(1)數據抽取。數據抽取層處于系統的最低層，是系統的數據提供者?！皵祿槿印必撠煆臄祿熘邪匆欢ǖ牟呗赃M行數據的讀取并根據分析的需要進行預處理。

(2)數值特征分析。數值特征分析主要對系統采集的原始數據進行初步分析和基本數字特征描述。數值特征分析部分提供數字特征量(包括最大值、最小值、平均值和標準差)的選擇。

(3)趨勢預測算法分析。利用歷史數據，基于趨勢分析算法進行事后趨勢預測，分析該段時間參數表征設備的狀態。

(4)預測分析結果輸出。趨勢預測分析的表現形式包括：散點圖、曲線圖、分析報表。

(5)性能衰減趨勢預測查詢分析。該功能單元主要是根據生成的趨勢預測結論，實現對關鍵參數的性能衰減趨勢預測分析的詳細參數進行查詢、分析、排序等功能，對關鍵參數的健康性能參數進行詳細地了解，從中獲取用戶需要的信息。

(6)性能衰減趨勢預測報告生成。該功能單元主要是根據用戶配置信息，結合性能衰減趨勢預測的結果，生成相應的系統趨勢分析報告。

2)數據比對：開發船舶冷卻劑泵設備數據比對功能，實現船舶冷卻劑泵設備參數當前數據與指定歷史數據的對比。用戶可以根據實際需要選擇比對參數及設置比對時間，系統根據用戶設置條件對數據庫進行相應數據的查詢和結果顯示。

2.4 數據管理

系統主要數據分為兩類：一類是知識型數據主要包括設備運行特點和工作原理、維修經驗、故障處理經驗，關鍵部件更換周期經驗等數據，屬于結構化或半結構化數據(如：文本類)，這類數據主要通過導入方式；另一類是系統(設備)運行數據，屬于時序數據(如：溫度、壓力、振動等)，這類數據通過CSV文件導入。因此數據管理提供存儲數據的維護維修信息錄入、維護維修信息查詢、數據導入、數據查看下載等功能。

2.4.1 維護維修信息管理

維護維修信息主要包括船舶冷卻劑泵設備運行特點和工作原理、維修經驗、故障處理經驗，關鍵部件更換周期經驗等數據，對這些信息數據進行錄入、修改、刪除、查詢等管理。

1)維護維修信息錄入：維護維修信息數據主要來自各種PDF技術文檔以及結構化的文檔數據。針對不同的文檔類型定義多個數據表進行存儲：

(1)首先如果是結構化的文檔數據直接通過接口導入方式進行錄入；

(2)PDF技術文檔如果屬于格式化的文檔可系統進行文檔批量讀取解析然后轉換成表數據進行存儲；

(3)若技術文檔無法進行格式轉換如表信息，首先進行該類文檔的數據結構定義，然后通過人工方式進行錄入，再設定錄入標簽頁可進行對照查詢。

2)維護維修信息查詢：維護維修信息通過條件查詢方式對設備運行特點和工作原理、維修經驗、故障處理經驗，關鍵部件更換周期經驗等信息進行查詢。主要提供查詢方式：多條件聯合查詢方式、按參數名稱查詢方式、按照設備名稱查詢、按照設備型號查詢、按照關鍵字查詢，支持對查詢結果的排序顯示。

輸入查詢條件時，系統可以根據用戶輸入的部分文字進行匹配，顯示與所輸入文字相匹配的字段，以提示用戶輸入正確的查詢條件。

篩選條件：參數名(多選下拉框)、時間篩選(多選下拉框)、設備型號篩選(多選下拉框)、設備名稱篩選(多選下拉框)、關鍵字(輸入框)。

3)維護維修信息修改和刪除：維護維修信息的修改和刪除，首先通過查詢找到對應修改或刪除的位置，然后對具體維護維修信息進行修改或刪除。

2.4.2 參數數據導入

船舶冷卻劑泵設備運行數據，作為時序數據(如：溫度、壓力、振動等)，主要通過CSV文件導入。導入后的參數數據可以通過頁面進行數據趨勢及數據對照查看。參數數據導入流程如圖10所示。

圖10 參數數據導入流程圖

2.5 配置管理

配置管理主要針對反應對船舶冷卻劑泵系統的配置管理，包含用戶管理，權限管理和日志服務等相關配置。

2.5.1 用戶管理

用戶管理提供對用戶的集中管理，即根據用戶管理策略，集中授權用戶對各應用的訪問權限。用戶管理模塊建立統一用戶身份視圖，實現對用戶身份的集中管理。通過對外部服務封裝，調用外部接口或API，按要求將封裝成支持系統自身的用戶管理服務。

同時，系統提供統一的用戶身份生命周期管理、完整的管理審批工作流程、委派管理和用戶自主服務以及賬號口令管理，包括：主賬號體系管理、半自動化映射、賬號映射、賬號生命周期管理、半自動化賬號生命周期管理、用戶自服務管理、帳號口令管理。

用戶管理可以實現系統用戶的基本維護功能，包含新增用戶、編輯用戶、用戶查詢、導入導出等功能。具體功能包括：

1)添加用戶：提供用戶信息添加功能。用戶信息包括用戶名、姓名、性別、部門、職位、狀態、工卡號、移動電話、辦公電話、郵箱、辦公室、密碼、重復密碼等；

2)編輯用戶信息：選擇需要修改的用戶信息，點擊修改，可修改用戶信息；

3)查詢用戶信息：輸入查詢項，點擊查詢按鈕，系統匹配符合查詢條件的用戶信息；

4)刪除用戶信息：選擇需要刪除的用戶信息，點擊刪除按鈕，用戶確認刪除后，系統刪除該用戶信息；

5)用戶信息批量導入：提供用戶信息批量導入功能。導入完畢后，給出信息導入結果信息；

6)用戶信息查看：選擇需要查看的用戶信息，點擊查看按鈕，可查看用戶信息；

7)操作日志查看：提供用戶操作日志查看功能，包括用戶登錄信息與操作信息等；

8)用戶信息列表顯示：以列表的形式顯示系統用戶信息，包括用戶名、姓名、部門、職務、郵箱、最近登錄時間、上次登錄IP、操作日志；

9)密碼重置：提供用戶密碼重置功能；

10)賬號禁用：提供賬號禁用功能。賬號禁用后，用戶將無法訪問本系統；

11)賬號啟用：提供賬號啟用功能。用戶信息創建成功后，系統賬號處于啟用狀態。禁用賬號啟用后，用戶可訪問本系統；

12)分配角色：可為指定用戶分配系統角色，授權該用戶相應的功能模塊操作權限和數據使用權限功能。

13)分配權限：可為指定用戶單獨分配權限。

14)完成自定義用戶ID、登錄密碼、角色等基本屬性以及其他附帶屬性的定義，以及用戶的增加、刪除、屬性編輯等。

2.5.2 權限管理

權限管理實現角色、用戶等的權限管理和組織、操作日志等信息的管理，主要是對角色、用戶等權限信息和組織信息的增、刪、改、查操作，及對操作日志的查看、查詢操作。通過對用戶權限的管理實現對用戶對文件和數據庫權限的控制。實行權限的分級管理，文件權限支持目錄級和文件級，包括目錄支持讀、寫、執行權限；文件支持讀、寫、執行權限；數據庫訪問權限支持數據庫表級和字段級，包括表支持更新、讀取權限；字段支持更新、讀取權限。

2.5.3 日志服務

日志管理功能實現對操作日志的記錄顯示功能，用戶可以對其進行查看、查詢等操作，需維護信息包括日志名稱、系統名稱、操作類型、操作人員、操作時間、來源、重要性等。系統按照要求將日志模塊封裝成日志服務，并提供調用接口，能夠分應用、分級別記錄關鍵信息。

3 功能驗證

針對冷卻劑泵狀態識別系統，開展設備狀態識別系統功能測試，驗證設備狀態識別系統的識別準確性。

為保證整個項目在交付階段能夠達到合同中技術協議的要求，體現出系統的可用性、擴展性，實現系統能夠支撐實際應用過程，需要進行在開發過程中及系統搭建后進行大量的測試試驗及集成驗證過程。本系統需要主要從兩個方面進行了測試試驗及集成驗證。

3.1 功能驗證范圍

功能驗證內容包括：

1)系統功能針對用戶需求的覆蓋性；

2)系統功能及操作邏輯的正確性；

3)用戶操作系統工作流程的正確性；

4)系統各功能模塊和子系統之間內部接口的匹配性；

5)各功能模塊、子系統之間工作的協調性；

6)對各個工況下的冷卻劑泵的運行狀態進行監測和狀態評價；

7)對故障特征進行故障模式識別，判斷設備故障的類型、部位和成因；

8)針對不同故障模式提供維護決策；

9)對設備狀態評價、趨勢預測、故障定位等識別結論進行可視化呈現，并實現數據管理的人機交互。

3.2 性能驗證范圍

軟件通過至少72 h的長期穩定性運行試驗。

驗收準則為程序所有的輸出功能檢查結果(趨勢預測結果、故障診斷維護維修決策)均正確。

4 結束語

船舶冷卻劑泵健康狀態管理系統主要解決如何將維修方式從事后維修、定期維修轉變為視情維修、預防性維修的問題，降低維修保障費用，縮短維修時間，提高船舶冷卻劑泵設備完好率和任務成功率，加快裝備維修方式向基于狀態維修轉變的進程。通過對裝備的狀態參數特征提取、狀態識別、健康管理等方法的研究，突破了多方法融合的健康狀態評估模型、基于故障診斷、深度學習、壽命預測等關鍵技術，實現了數據處理、狀態檢測、健康評估、預測評估等功能，具有健康狀態評估智能程度高、體系結構開放、狀態評估結果可視化等特點，可推廣應用于船舶各系統和部件的壽命預測、狀態綜合分析、健康狀態評估等。