[发明专利]一种智能船舶系统设备动态特征参数提取方法

说明书

本发明提供一种智能船舶系统设备动态特征参数提取方法。本发明方法，包括：利用动态分形理论对原始数据进行处理，构造最优时滞矩阵；对构造的最优时滞矩阵进行核主元分析，计算中心化矩阵，利用特征值对数据进行筛选；对中心化矩阵进行分析计算，利用分形理论计算得到主元特征参数的数值，构造主元特征参数矩阵。本发明能够根据系统设备在不同时间及不同状态下运行的特点，对设备的动态特征参数信息进行筛选提取，用所选择的主元特征数据可实现对系统整体健康状态评估。该方法对系统设备多参数数据进行降维处理，减少了对冗余数据的计算，同时动态特征提取可保证设备监测的时效性和有效性，提高系统设备智能运维效率。

技术领域

本发明涉及智能船舶技术领域，具体而言，尤其涉及一种智能船舶系统设备动态特征参数提取方法。

背景技术

随着现代智能传感，物联网及大数据技术的进一步发展，船舶智能化和自主化程度逐渐提高，船舶系统及设备将会提供更加丰富的状态信息，测量数据量将会急剧膨胀，数据类型也变得越来越多样化，如何利用检测数据及相关知识信息实现对机械设备的健康管理是当前船舶智能运维需要重点解决的问题。船舶系统设备具有感知变量多、工作模式多且故障模式不唯一的特点，通常缺乏主导的特征参数。同时由于外界因素的影响，如风浪流及工作环境等；内在因素的作用，如船舶系统设备的运行状况和维修情况，在这些因素的共同作用下，主导特征参数的数值也会随之改变。

现如今对特征值的选择，有相应的主元分析，线性判别分析及递归特征消除等方法。主元分析法是通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的组变量成为数据的主成分。线性判别分析方法利用降维处理实现对数据主元的筛选。递归特征消除方法则是通过不断递归将小于指定权重的特征值剔除，循环递归，直到特征值数量到达一定程度。这些方法对于动态非线性数据的特征提取仍存在不足之处，难以满足对船舶系统设备多参数数据的分析需求。

发明内容

根据上述提出的技术问题，而提供一种智能船舶系统设备动态特征参数提取方法。本发明能够根据系统设备在不同时间及不同状态下运行的特点，对设备的动态特征参数信息进行挑选，用所选择的主元特征参数可实现对系统整体健康状态评估。该方法对系统设备多参数数据进行降维处理，减少了对冗余数据的计算，同时动态特征提取可保证设备监测的时效性和有效性，提高系统设备智能运维效率。

本发明采用的技术手段如下：

一种智能船舶系统设备动态特征参数提取方法，包括：

S1、利用动态分形理论对原始数据进行处理，构造最优时滞矩阵；

S2、对构造的最优时滞矩阵进行核主元分析，取得映射矩阵，求取映射矩阵的协方差矩阵的特征值和特征向量；

S3、对筛选后的矩阵进行分析计算，利用分形理论计算得到主元特征参数的数值，构造主元特征参数矩阵。

进一步地，所述步骤S1的具体实现过程如下：

S11、通过船舶的监测器和传感器，获取所检测船舶系统及设备的状态数据，将其作为样本X∈R^N×m；

S12、对样本X中的数据进行标准化处理，将每列监测元素数据转化为无量纲化测评值，各指标值处于同一量级，利用如下公式对所选取的状态数据进行计算：

其中，x表示标准化的数据；x_i表示每列的数据；表示每列数据的平均值；s表示每列数据的方差；N表示每列输入数据行维度；

S13、假设迟滞时间l初始值为0，利用分形理论公式计算l＝0时的关联维数CDim，其中，关联维数的计算公式如下：