[发明专利]一种基于聚类分析的船舶航行工况划分方法

权利要求书

1.一种基于聚类分析的船舶航行工况划分方法，其特征在于，包括以下步骤：

采集影响主机柴油机燃油消耗的因素数据，所述因素数据包括平均吃水量和相对风速的数据；

对采集到的数据，进行数据的整理；

对整理好的数据向量进行聚类分析，通过k-means算法对数据进行处理并得到收敛的聚类结果，所述k-means算法包括确定k＝m*×n个簇，其中m*表示吃水状态个数，n表示相对风速划分的状态个数，即k个工况；

通过得到的聚类结果，划分船舶航行工况，划分工况为船舶吃水和相对风速两个参数的范围区间，将收敛结果划分为k种类型工况，并且量化区间结果。

2.根据权利要求1所述的基于聚类分析的船舶航行工况划分方法，其特征在于，所述平均吃水量的计算方法是将船舶左舯吃水dL、右舯吃水dR通过公式计算得到船舶平均吃水D，其中D(i)＝(d_L(i)+d_R(i))/2，i表示第i个样例。

3.根据权利要求1所述的基于聚类分析的船舶航行工况划分方法，其特征在于，所述相对风速的数据量计算方法是将风向d_W、风速s_A数据进行预处理，通过公式s_R(i)＝-s_A(i)*cos(d_W(i))计算得到相对于船首向的相对风速s_R数据，其中，i表示第i个样例，s_R正负表示风向与船首的顺逆关系，正数表示顺风，负数表示逆风。

4.根据权利要求1所述的基于聚类分析的船舶航行工况划分方法，其特征在于，所述数据的整理包括采用设置阈值范围的排除方法剔除奇异值清洗采集到的数据。

5.根据权利要求4所述的基于聚类分析的船舶航行工况划分方法，其特征在于，所述数据的整理还包括将清洗后的数据组成数据向量的形式。

6.根据权利要求1所述的基于聚类分析的船舶航行工况划分方法，其特征在于，所述k-means算法还包括重复下面过程直到收敛：

对于每一个样例i，计算其应该属于的类

对于每一个类k，重新计算该类的质心：

其中，训练样本是{x⁽¹⁾，...，x^(m)}，c⁽ⁱ⁾代表样例i与k个类中距离最近的那个类，c⁽ⁱ⁾的值是1到k中的；质心μ_k代表对属于同一个类的样本中心点的训练更新结果。

7.根据权利要求6所述的基于聚类分析的船舶航行工况划分方法，其特征在于，若利用所述工况聚类数的收敛结果不符合实际工况，则改变原来设定的k的值，重新利用k-means算法，直至收敛。