基于层次分析法的船舶子系统运行状态分析方法及系统

技术领域

本发明涉及船舶技术领域，具体为一种基于层次分析法的船舶子系统运行状态分析方法及系统。

背景技术

现有船舶一般都配备有各种各样相关的设备，包括动力与操纵设备、系泊设备、助航设备、通讯设备、装卸设备、消防设备、救生设备、防污染设备、生活设备等。这些设备根据用途的不同，分别安装在不同的位置，分属于不同的船舶设备家族，由此形成不同的船舶子系统并分别由船上相关的不同部门进行管理、维护和使用。每个船舶子系统又包括多种设备，如何能够及时掌握这些设备的状态并根据所有设备的状态预测船舶子系统的运行状态，成为研究人员日益关注的焦点。

现有的船舶子系统状态预测模型多针对某一具体子系统进行设计，无法兼顾船舶上的其他子系统，通用性不强。如果要预测其他子系统的运行状态，则需要重新进行预测模型设计，不利于船舶子系统运行状态的高效监测。

发明内容

为克服上述现有技术的不足，本发明提供一种基于层次分析法的船舶子系统运行状态分析方法及系统，用以解决上述至少一个技术问题。

根据本发明说明书的一方面，提供一种基于层次分析法的船舶子系统运行状态分析方法，所述方法包括：

获取船舶子系统内的各个设备及与各个设备相关的监测因素；

根据所述监测因素构建每个设备的因素层判断矩阵，获取每个设备中各监测因素对设备状态的权重；

根据所述各个设备构建设备层判断矩阵，获取每个设备对船舶子系统状态的权重；

构建评价集V={优，良，中，差}，所述评价集中每一状态对应一隶属度函数，计算采集的监测数据中四种状态的概率，并将每种状态的概率分布代入各状态的隶属度函数，建立每个设备在因素层的模糊评判矩阵；

根据所述每个设备在因素层的模糊评判矩阵，结合每个设备中各监测因素对设备状态的权重，计算得到设备层的隶属度向量；以及，根据所述设备层的隶属度向量，结合每个设备对船舶子系统状态的权重构建设备层的模糊评判矩阵，计算得到船舶子系统的状态等级。

上述技术方案通过确定具体设备及与具体设备相关的监测因素，明确影响当前子系统运行状态的设备及影响设备运行状态的变量，接着确定具体设备中各监测因素的影响力以及当前子系统内各设备的影响力，基于层次分析法逐层计算得到设备层的模糊评判矩阵，利用模糊评判矩阵的计算结果确定船舶子系统的状态等级，前述方法不受限于具体子系统，可适用于船舶的任一子系统运行状态分析，具有通用性强的优势。

作为进一步的技术方案，所述方法还包括：

获取与船舶子系统相关的多个设备，对多个所述设备的可监测因素分别进行分类，确定每个设备在每个类别的监测因素；

获取每个设备每个类别的监测因素在同一时间段不同时刻的数值，并根据所述数值建立判断矩阵，根据所述判断矩阵得到每类监测因素对设备状态的权重。

对任一具体的船舶子系统来说，其包括多个设备，每个设备的运行状态又受一个或多个变量的影响，并且不同子系统的设备可能受相同变量的影响，同一设备在不同阶段受影响的因素不同，因此，在进行子系统状态分析时，对其所包含的设备的可监测因素进行分类，确定分析所需的监测因素，实现针对性有效分析，减少噪音对分析结果的影响。

进一步地，在设备运行的不同阶段可进行不同的监测因素分类，以适应设备各阶段的运行状态分析，从而提供更精确的子系统运行状态分析。

作为进一步的技术方案，所述方法还包括：

根据所述每类监测因素对设备的权重，得到对当前设备影响最大的监测因素，并根据所述影响最大的监测因素的监测数据，获得所述监测数据的均值与标准差；

根据所述均值与标准差，获取多个阈值，并根据多个所述阈值将当前设备的运行状态分为多个状态等级。

在基于层次分析法通过逐层计算得到船舶子系统的运行状态时，还可以对各设备的运行状态进行分析，明确每个设备当前的运行状态等级，有助于选择更适合的监测因素进行整体子系统状态的运行分析。在某个设备运行状态不佳时，还可通过更换监测因素进行分析的方式，进一步明确设备运行状态不佳的原因。

作为进一步的技术方案，所述方法还包括：将每个设备的可监测因素分类为：固定限值、离散变量、与负荷工况相耦合的变量以及环境变量，每一类均包括一个或多个监测因素。

作为进一步的技术方案，所述方法还包括：根据因素层判断矩阵求出最大特征值及所述最大特征值对应的特征向量，所述特征向量为每个设备中各监测因素对设备状态的权重。

作为进一步的技术方案，所述方法还包括：依据最大隶属度原则，将设备层的模糊评判矩阵中的最大值所对应的状态确定为船舶子系统的当前状态。

作为进一步的技术方案，所述设备层的模糊评判矩阵为一行四列的矩阵，其中每一列的数值分别对应一个子系统状态。

根据本发明说明书的一方面，提供一种基于层次分析法的船舶子系统运行状态分析系统，采用所述的方法实现，所述系统包括：

获取模块，用于获取船舶子系统内的各个设备及与各个设备相关的监测因素；

因素层权重模块，用于根据所述监测因素构建每个设备的因素层判断矩阵，获取每个设备中各监测因素对设备状态的权重；

设备层权重模块，用于根据所述各个设备构建设备层判断矩阵，获取每个设备对船舶子系统状态的权重；

因素层评判模块，用于构建评价集V={优，良，中，差}，所述评价集中每一状态对应一隶属度函数，计算采集的监测数据中四种状态的概率，并将每种状态的概率分布代入各状态的隶属度函数，建立每个设备在因素层的模糊评判矩阵；

设备层评判模块，用于根据所述每个设备在因素层的模糊评判矩阵，结合每个设备中各监测因素对设备状态的权重，计算得到设备层的隶属度向量；以及，根据所述设备层的隶属度向量，结合每个设备对船舶子系统状态的权重构建设备层的模糊评判矩阵，计算得到船舶子系统的状态等级。

作为进一步的技术方案，所述因素层权重模块，还用于获取与船舶子系统相关的多个设备，对多个所述设备的可监测因素分别进行分类，确定每个设备在每个类别的监测因素；获取每个设备每个类别的监测因素在同一时间段不同时刻的数值，并根据所述数值建立判断矩阵，根据所述判断矩阵得到每类监测因素对设备状态的权重。

与现有技术相比，本发明的有益效果在于：

本发明采用层次分析法来两两比较得到一致性判断矩阵，并根据一致性判断矩阵求出最大特征值及其对应的特征向量，每个设备所占权重即为特征向量所对应的值，然后根据从因素层得到的模糊评判矩阵与每个设备所占的权重进行运算，从而得到设备层的模糊评判矩阵，所述设备层的模糊评判矩阵是一个一行四列的矩阵，每个值分别对应相应的子系统状态，由最大隶属度原则可知，所述设备层的模糊评判矩阵中最大值所对应的状态即为当前系统状态。

本发明在设备运行的不同阶段可进行不同的监测因素分类，以适应设备各阶段的运行状态分析，从而提供更精确的子系统运行状态分析。

本发明在进行子系统状态分析时，对其所包含的设备的可监测因素进行分类，确定分析所需的监测因素，实现针对性有效分析，减少噪音对分析结果的影响。

附图说明

图1为根据本发明实施例的基于层次分析法的船舶子系统运行状态分析方法的流程示意图。

图2为根据本发明实施例的船舶子系统的分析层次结构图。

图3为根据本发明实施例的基于层次分析法的船舶子系统运行状态分析系统的示意图。

具体实施方式

以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。

本发明一方面提供一种基于层次分析法的船舶子系统运行状态分析方法，如图1所示，所述方法包括：

步骤1，获取船舶子系统内的各个设备及与各个设备相关的监测因素；

步骤2，根据所述监测因素构建每个设备的因素层判断矩阵，获取每个设备中各监测因素对设备状态的权重；

步骤3，根据所述各个设备构建设备层判断矩阵，获取每个设备对船舶子系统状态的权重；

步骤4，构建评价集V={优，良，中，差}，所述评价集中每一状态对应一隶属度函数，计算采集的监测数据中四种状态的概率，并将每种状态的概率分布代入各状态的隶属度函数，建立每个设备在因素层的模糊评判矩阵；

步骤5，根据所述每个设备在因素层的模糊评判矩阵，结合每个设备中各监测因素对设备状态的权重，计算得到设备层的隶属度向量；以及，根据所述设备层的隶属度向量，结合每个设备对船舶子系统状态的权重构建设备层的模糊评判矩阵，计算得到船舶子系统的状态等级。

步骤1中，在确定要分析的船舶子系统后，可依据实际需求确定该子系统内包含的各设备，以及与各设备相关的监测因素。考虑到分析的准确性与时效性，在选择分析的数据时，可依据专家经验确定用于分析的各设备及与各设备相关的监测因素。换而言之，在船舶运行的不同阶段，可选取不同的设备及与设备相关的监测因素用于子系统的运行状态分析，以更贴近船舶的实际运行状态。

对每一设备而言，其涵盖的可监测因素较多，如果全部用于状态分析，显然不利于分析效率，并且也容易导致噪音过多，因此，在进行分析时，先对各设备的可监测因素分别进行分类，确定每个设备在每个类别的监测因素。

具体而言，船舶设备的可监测因素大致分为四类：第一类为固定限值类，如加速度、转速、湿度、压力等；第二类为离散变量，如水泵运行状态、继电器状态等；第三类为跟负荷工况相耦合的变量，如电流、输入功率、转矩等；第四类为环境参数，如船体振动、海水温度等。

在船舶运行的不同阶段，各监测因素相对于对应设备的影响力会发生变化，同样，各设备相对于整体子系统运行状态的影响力也会发生变化，因此，对监测因素进行分类，并在不同的阶段选取不同的监测因素的数据进行状态分析，有助于提高状态分析的准确性，更贴近于船舶子系统的实际工况。

如图2所示，船舶动力系统作为船舶的一个子系统，其包括的影响系统运行状态的设备有发电机、螺旋桨、蒸汽锅炉、柴油机、船用泵，对每一个设备，针对性的选取监测因素。例如，对于发电机，选取温度、压力、振动和电流作为其监测因素，以这四个因素作为影响发电机运行状态的主要因素并确定这些因素各自对发电机状态的影响力。而对于蒸汽锅炉，则选取温度、压力、流速、管壁厚度作为其监测因素。这里，每一类监测因素仅选择一个代表因素进行监测，在实际应用中，也可在一个类别中选择多个因素进行监测。

具体地，从四类可监测因素中的每一类中选取一个或几个与设备运行相关的因素进行监测，利用传感器获取并巡查记录这几种参数在同一时间段不同时间的数值，建立一致性矩阵得到对每个因素对设备影响的权重，权重最大的因素即为对该设备影响最大的因素，并求得按照时间采集到的该因素数据样本的均值E与标准差σ，根据均值与标准差获取状态评估参数的五个阈值，根据3σ原理将五个阈值分别为a = E-σ，b = E，c = E + σ，d =E + 2σ，e = E + 3σ，并由得到的五个阈值将设备运行状态分为优、良、中、差。

为便于说明，可将各监测因素所在的层级视为因素层，将各设备所在的层级视为设备层。由于每个设备对应多个监测因素，可视为在每个设备的因素层上分别进行计算。

步骤2中，根据每个因素层所对应的监测因素来构建判断矩阵，由于因素层各不相同，因此每个因素层都需要构造相关的判断矩阵。采用一致矩阵法，并通过专家评判法及表1（C

表1 判断矩阵标度表

表2 因素层判断矩阵表

对得到的判断矩阵进行一致性检验，判断矩阵时是否为一致性矩阵，若是，则通过构建的判断矩阵来获取每个因素对设备状态的权重，权重为判断矩阵最大特征根的归一化特征向量{ω1, ω2, ω3，ω4}，即W1={ω1, ω2, ω3，ω4}。

步骤3中，同理获取设备层的判断矩阵，见表3，Bi（i=1,2,3,4,5）表示第i个设备，b

表3 设备层判断矩阵表

步骤4中，构造评价集V={优，良，中，差}，如表4所示。计算出采集的监测数据样本中四种状态的概率，并将每个概率分别代入各状态的隶属度函数，从而建立各个设备因素层各状态的模糊评判矩阵，如下所示：

Ai=

其中，Ai表示第i个设备的因素层模糊评判矩阵，Amn表示第m行第n列的隶属度函数计算值。

表4 运行状态与隶属度函数对应表

步骤5中，根据因素层判断矩阵求出最大特征值及所述最大特征值对应的特征向量，所述特征向量为每个设备中各监测因素对设备状态的权重。根据各设备在因素层的权重向量，结合其在因素层的模糊评判矩阵，计算得到设备层的隶属度向量为Si=W1*Ai，这里令Si={S1,S2,S3,S4,S5}为评价域V上的一个模糊子集，故可以得到S1,S2,S3,S4,S5。

将五个设备层的隶属度向量所构成的矩阵，与设备层的权重向量进行模糊运算，得到设备层的模糊评判矩阵，该矩阵一行四列，每一列数值均对应一个船舶子系统的状态等级，依据设备层的模糊评判矩阵中的最大值即可确定船舶子系统当前的状态级别，其中，计算公式如下所示：

R = W2

船舶子系统的状态等级划分表如表5所示。

表5 船舶子系统的状态等级划分表

本发明一方面还提供一种基于层次分析法的船舶子系统运行状态分析系统，采用所述的方法实现，如图3所示，所述系统包括：

获取模块，用于获取船舶子系统内的各个设备及与各个设备相关的监测因素；

因素层权重模块，用于根据所述监测因素构建每个设备的因素层判断矩阵，获取每个设备中各监测因素对设备状态的权重；

设备层权重模块，用于根据所述各个设备构建设备层判断矩阵，获取每个设备对船舶子系统状态的权重；

因素层评判模块，用于构建评价集V={优，良，中，差}，所述评价集中每一状态对应一隶属度函数，计算采集的监测数据中四种状态的概率，并将每种状态的概率分布代入各状态的隶属度函数，建立每个设备在因素层的模糊评判矩阵；

设备层评判模块，用于根据所述每个设备在因素层的模糊评判矩阵，结合每个设备中各监测因素对设备状态的权重，计算得到设备层的隶属度向量；以及，根据所述设备层的隶属度向量，结合每个设备对船舶子系统状态的权重构建设备层的模糊评判矩阵，计算得到船舶子系统的状态等级。

所述因素层权重模块，还用于获取与船舶子系统相关的多个设备，对多个所述设备的可监测因素分别进行分类，确定每个设备在每个类别的监测因素；获取每个设备每个类别的监测因素在同一时间段不同时刻的数值，并根据所述数值建立判断矩阵，根据所述判断矩阵得到每类监测因素对设备状态的权重。

所述因素层权重模块，还用于根据所述每类监测因素对设备的权重，得到对当前设备影响最大的监测因素，并根据所述影响最大的监测因素的监测数据，获得所述监测数据的均值与标准差；根据所述均值与标准差，获取多个阈值，并根据多个所述阈值将当前设备的运行状态分为多个状态等级。

所述因素层权重模块，还用于将每个设备的可监测因素分类为：固定限值、离散变量、与负荷工况相耦合的变量以及环境变量，每一类均包括一个或多个监测因素。

所述因素层评判模块，还用于根据因素层判断矩阵求出最大特征值及所述最大特征值对应的特征向量，所述特征向量为每个设备中各监测因素对设备状态的权重。

所述设备层评判模块，还用于依据最大隶属度原则，将设备层的模糊评判矩阵中的最大值所对应的状态确定为船舶子系统的当前状态。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案。