1.本发明涉及船舶管理处理技术领域，特别是涉及一种船舶设备的管理方法、系统、可读存储介质及计算机设备。
背景技术：2.随着现代化进程的逐步推进和科技水平的日益提高，设备的自动化水平增强，同时其组成结构变得复杂。设备在运行过程中，会受到多种因素的影响，如果发生故障，必然引起其效能下降，严重时可能导致重大安全事故。其中，对船舶中设备的运行状态监测和设备运行性能分析在船舶设备的日常维护管理过程中变得非常重要。
3.在对船舶设备进行实时监测时，由于整个设备系统复杂，为实时监测整个设备系统的健康状态，通常会使用多个传感器元件用于采集设备的运行信息特征，导致监测数据特征变量多、数据体量大，数据处理过程繁琐、计算量大，难以有效的对设备的健康状态进行评估。
技术实现要素：4.为此，本发明的一个实施例提出一种船舶设备的管理方法，以解决现有技术计算量大，难以有效的对设备的健康状态进行评估的技术问题。
5.根据本发明一实施例的船舶设备的管理方法，包括：
6.根据数据库中存储的多个用于监测船舶设备的传感器采集的历史数据，提取健康时段数据作为第一健康样本参考空间；
7.对所述第一健康样本参考空间的多个特征进行特征选择，得到第二健康样本参考空间；
8.对所述第二健康样本参考空间进行数据标准化处理，得到目标健康样本；
9.计算所述目标健康样本的马氏距离，并对所述目标健康样本进行有效性验证；
10.对计算出的所述目标健康样本的马氏距离进行异常点剔除；
11.构建健康指数模型，并确定警戒值和阈值；
12.获取所述传感器实时采集的数据，并计算当前时刻的马氏距离，以及根据所述健康指数模型计算当前时刻的健康指数；
13.根据所述警戒值和阈值，以及当前时刻的马氏距离和当前时刻的健康指数确定健康状态评估结果。
14.根据本发明实施例的船舶设备的管理方法，采用基于交叉验证的递归特征消除方法确定最佳数量的特征，能够在不改变原生特征变量和原有特征数据的前提下进行重要特征的筛选，减少了数据处理量，且有效保留了原有特征信息，另外对数据进行标准化处理，再通过马氏距离度量法计算监测样本与健康样本的相似度，实现了对监测样本的状态度量，最后通过数学转换方式，将相似度数值转化为健康指标，实现了对设备的健康状态的有效评估。
15.另外，根据本发明上述实施例的船舶设备的管理方法，还可以具有如下附加的技术特征：
16.进一步地，对所述第一健康样本参考空间的多个特征进行特征选择，得到第二健康样本参考空间的步骤具体包括：
17.采用基于交叉验证的递归特征消除方法确定最佳数量的特征；
18.基于确定的最佳数量的特征，对所述第一健康样本参考空间的多个特征进行特征选择，以得到第二健康样本参考空间。
19.进一步地，对所述第二健康样本参考空间进行数据标准化处理，得到目标健康样本的步骤具体包括：
20.使用原始数据的平均值和标准差对所述第二健康样本参考空间进行数据标准化处理，以得到目标健康样本。
21.进一步地，计算所述目标健康样本的马氏距离，并对所述目标健康样本进行有效性验证的步骤中，采用下式计算所述目标健康样本的马氏距离：
22.md2＝z
it
s-1
zi[0023][0024]
其中，md表示马氏距离，zi表示标准化数据，t表示转置运算，s表示协方差矩阵，i表示样本序号，n表示样本总数。
[0025]
进一步地，对计算出的所述目标健康样本的马氏距离进行异常点剔除的步骤具体包括：
[0026]
采用箱形图方法对健康数据的马氏距离数值进行由大到小的排序，根据数据个数分别计算1/4位、3/4位的数据点，并分别记为k1、k3；
[0027]
计算四分位数间距e＝k
1-k3；
[0028]
计算上边缘点k
up
＝k1+1.5e，下边缘点k
down
＝k
3-1.5e；
[0029]
筛选位于区间[k
up
,k
down
]之外的数据点并予以剔除。
[0030]
本发明的另一个实施例提出一种船舶设备的管理系统，以解决现有技术计算量大，难以有效的对设备的健康状态进行评估的技术问题。
[0031]
根据本发明一实施例的船舶设备的管理系统，包括：
[0032]
提取模块，用于根据数据库中存储的多个用于监测船舶设备的传感器采集的历史数据，提取健康时段数据作为第一健康样本参考空间；
[0033]
选择模块，用于对所述第一健康样本参考空间的多个特征进行特征选择，得到第二健康样本参考空间；
[0034]
处理模块，用于对所述第二健康样本参考空间进行数据标准化处理，得到目标健康样本；
[0035]
第一计算模块，用于计算所述目标健康样本的马氏距离，并对所述目标健康样本进行有效性验证；
[0036]
剔除模块，用于对计算出的所述目标健康样本的马氏距离进行异常点剔除；
[0037]
构建模块，用于构建健康指数模型，并确定警戒值和阈值；
[0038]
第二计算模块，用于获取所述传感器实时采集的数据，并计算当前时刻的马氏距
离，以及根据所述健康指数模型计算当前时刻的健康指数；
[0039]
确定模块，用于根据所述警戒值和阈值，以及当前时刻的马氏距离和当前时刻的健康指数确定健康状态评估结果。
[0040]
根据本发明实施例的船舶设备的管理系统，采用基于交叉验证的递归特征消除方法确定最佳数量的特征，能够在不改变原生特征变量和原有特征数据的前提下进行重要特征的筛选，减少了数据处理量，且有效保留了原有特征信息，另外对数据进行标准化处理，再通过马氏距离度量法计算监测样本与健康样本的相似度，实现了对监测样本的状态度量，最后通过数学转换方式，将相似度数值转化为健康指标，实现了对设备的健康状态的有效评估。
[0041]
另外，根据本发明上述实施例的船舶设备的管理系统，还可以具有如下附加的技术特征：
[0042]
进一步地，所述选择模块具体用于：
[0043]
采用基于交叉验证的递归特征消除方法确定最佳数量的特征；
[0044]
基于确定的最佳数量的特征，对所述第一健康样本参考空间的多个特征进行特征选择，以得到第二健康样本参考空间。
[0045]
进一步地，所述处理模块具体用于：
[0046]
使用原始数据的平均值和标准差对所述第二健康样本参考空间进行数据标准化处理，以得到目标健康样本。
[0047]
进一步地，所述第一计算模块用于采用下式计算所述目标健康样本的马氏距离：
[0048]
md2＝z
it
s-1
zi[0049][0050]
其中，md表示马氏距离，zi表示标准化数据，t表示转置运算，s表示协方差矩阵，i表示样本序号，n表示样本总数。
[0051]
进一步地，所述剔除模块具体用于：
[0052]
采用箱形图方法对健康数据的马氏距离数值进行由大到小的排序，根据数据个数分别计算1/4位、3/4位的数据点，并分别记为k1、k3；
[0053]
计算四分位数间距e＝k
1-k3；
[0054]
计算上边缘点k
up
＝k1+1.5e，下边缘点k
down
＝k
3-1.5e；
[0055]
筛选位于区间[k
up
,k
down
]之外的数据点并予以剔除。
[0056]
本发明还提供一种可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的船舶设备的管理方法。
[0057]
本发明还提供一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的船舶设备的管理方法。
[0058]
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实施例了解到。
附图说明
[0059]
本发明实施例的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0060]
图1是根据本发明一实施例的船舶设备的管理方法的流程图；
[0061]
图2是根据本发明一实施例的船舶设备的管理系统的结构示意图。
具体实施方式
[0062]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0063]
请参阅图1，本发明一实施例提出的船舶设备的管理方法，所述方法包括步骤s101～s108：
[0064]
s101，根据数据库中存储的多个用于监测船舶设备的传感器采集的历史数据，提取健康时段数据作为第一健康样本参考空间。
[0065]
s102，对所述第一健康样本参考空间的多个特征进行特征选择，得到第二健康样本参考空间。
[0066]
由于数据特征间可能存在相关性和某些特征可能对分析结果会产生非积极影响，因此，本实施例中，使用基于交叉验证的递归特征消除的特征选择方法对数据样本进行特征的筛选，以减少数据处理总量，能避免特征之间的冗余。
[0067]
其中，对所述第一健康样本参考空间的多个特征进行特征选择，得到第二健康样本参考空间的步骤具体包括：
[0068]
采用基于交叉验证的递归特征消除方法确定最佳数量的特征；
[0069]
基于确定的最佳数量的特征，对所述第一健康样本参考空间的多个特征进行特征选择，以得到第二健康样本参考空间。
[0070]
s103，对所述第二健康样本参考空间进行数据标准化处理，得到目标健康样本。
[0071]
具体的，使用原始数据的平均值和标准差对所述第二健康样本参考空间进行数据标准化处理，以得到目标健康样本，便于不同单位或数量级的特征能够进行比较和加权。
[0072]
s104，计算所述目标健康样本的马氏距离，并对所述目标健康样本进行有效性验证。
[0073]
其中，马氏距离用于计算样本间相似度大小，本实施例中，具体采用下式计算所述目标健康样本的马氏距离：
[0074]
md2＝z
it
s-1
zi[0075][0076]
其中，md表示马氏距离，zi表示标准化数据，t表示转置运算，s表示协方差矩阵，i表示样本序号，n表示样本总数。
[0077]
s105，对计算出的所述目标健康样本的马氏距离进行异常点剔除。
[0078]
其中，在监测过程中，可能受某些原因影响导致通过监测所获得的数据在个别时
刻会有一些偏离，这样就会导致由健康数据计算出的马氏距离中也存在个别的异常距离，为避免此类异常值对设备健康状态评估造成不利影响，需要对健康数据样本的马氏距离中存在的异常值进行剔除。
[0079]
本实施例中，对计算出的所述目标健康样本的马氏距离进行异常点剔除的步骤具体包括：
[0080]
采用箱形图方法对健康数据的马氏距离数值进行由大到小的排序，根据数据个数分别计算1/4位、3/4位的数据点，并分别记为k1、k3；
[0081]
计算四分位数间距e＝k
1-k3；
[0082]
计算上边缘点k
up
＝k1+1.5e，下边缘点k
down
＝k
3-1.5e；
[0083]
筛选位于区间[k
up
,k
down
]之外的数据点并予以剔除。
[0084]
s106，构建健康指数模型，并确定警戒值和阈值。
[0085]
其中，构建健康指数模型，具体使用函数映射的方法将马氏距离映射到区间[0,1]上，且输出值与设备的健康状态呈正相关。
[0086]
具体的，健康指数模型h(md)的表达式为：
[0087][0088]
其中，β表示调节指数。
[0089]
h(md)的取值范围为(0,1)，在得到h(md)的具体数值时，通过设定一些不同设备状态的分类标准，即设定警戒值和阈值，其中，警戒值为提醒设备可能异常的参考值，阈值为设备故障的参考值。
[0090]
s107，获取所述传感器实时采集的数据，并计算当前时刻的马氏距离，以及根据所述健康指数模型计算当前时刻的健康指数。
[0091]
s108，根据所述警戒值和阈值，以及当前时刻的马氏距离和当前时刻的健康指数确定健康状态评估结果。
[0092]
其中，将当前时刻的健康指数与设定的警戒值和阈值进行比较，以确定设备的健康状态评估结果。
[0093]
根据本实施例提供的船舶设备的管理方法，采用基于交叉验证的递归特征消除方法确定最佳数量的特征，能够在不改变原生特征变量和原有特征数据的前提下进行重要特征的筛选，减少了数据处理量，且有效保留了原有特征信息，另外对数据进行标准化处理，再通过马氏距离度量法计算监测样本与健康样本的相似度，实现了对监测样本的状态度量，最后通过数学转换方式，将相似度数值转化为健康指标，实现了对设备的健康状态的有效评估。
[0094]
请参阅图2，本发明一实施例提出的船舶设备的管理系统，所述系统包括：
[0095]
提取模块，用于根据数据库中存储的多个用于监测船舶设备的传感器采集的历史数据，提取健康时段数据作为第一健康样本参考空间；
[0096]
选择模块，用于对所述第一健康样本参考空间的多个特征进行特征选择，得到第二健康样本参考空间；
[0097]
处理模块，用于对所述第二健康样本参考空间进行数据标准化处理，得到目标健康样本；
[0098]
第一计算模块，用于计算所述目标健康样本的马氏距离，并对所述目标健康样本进行有效性验证；
[0099]
剔除模块，用于对计算出的所述目标健康样本的马氏距离进行异常点剔除；
[0100]
构建模块，用于构建健康指数模型，并确定警戒值和阈值；
[0101]
第二计算模块，用于获取所述传感器实时采集的数据，并计算当前时刻的马氏距离，以及根据所述健康指数模型计算当前时刻的健康指数；
[0102]
确定模块，用于根据所述警戒值和阈值，以及当前时刻的马氏距离和当前时刻的健康指数确定健康状态评估结果。
[0103]
本实施例中，所述选择模块具体用于：
[0104]
采用基于交叉验证的递归特征消除方法确定最佳数量的特征；
[0105]
基于确定的最佳数量的特征，对所述第一健康样本参考空间的多个特征进行特征选择，以得到第二健康样本参考空间。
[0106]
本实施例中，所述处理模块具体用于：
[0107]
使用原始数据的平均值和标准差对所述第二健康样本参考空间进行数据标准化处理，以得到目标健康样本。
[0108]
本实施例中，所述第一计算模块用于采用下式计算所述目标健康样本的马氏距离：
[0109]
md2＝z
it
s-1
zi[0110][0111]
其中，md表示马氏距离，zi表示标准化数据，t表示转置运算，s表示协方差矩阵，i表示样本序号，n表示样本总数。
[0112]
本实施例中，所述剔除模块具体用于：
[0113]
采用箱形图方法对健康数据的马氏距离数值进行由大到小的排序，根据数据个数分别计算1/4位、3/4位的数据点，并分别记为k1、k3；
[0114]
计算四分位数间距e＝k
1-k3；
[0115]
计算上边缘点k
up
＝k1+1.5e，下边缘点k
down
＝k
3-1.5e；
[0116]
筛选位于区间[k
up
,k
down
]之外的数据点并予以剔除。
[0117]
根据本实施例提供的船舶设备的管理系统，采用基于交叉验证的递归特征消除方法确定最佳数量的特征，能够在不改变原生特征变量和原有特征数据的前提下进行重要特征的筛选，减少了数据处理量，且有效保留了原有特征信息，另外对数据进行标准化处理，再通过马氏距离度量法计算监测样本与健康样本的相似度，实现了对监测样本的状态度量，最后通过数学转换方式，将相似度数值转化为健康指标，实现了对设备的健康状态的有效评估。
[0118]
此外，本发明的实施例还提出一种可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的船舶设备的管理方法。
[0119]
此外，本发明的实施例还提出一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的船舶设备的管理方法。
[0120]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通讯、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
[0121]
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0122]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0123]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0124]
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
技术特征：1.一种船舶设备的管理方法，其特征在于，包括：根据数据库中存储的多个用于监测船舶设备的传感器采集的历史数据，提取健康时段数据作为第一健康样本参考空间；对所述第一健康样本参考空间的多个特征进行特征选择，得到第二健康样本参考空间；对所述第二健康样本参考空间进行数据标准化处理，得到目标健康样本；计算所述目标健康样本的马氏距离，并对所述目标健康样本进行有效性验证；对计算出的所述目标健康样本的马氏距离进行异常点剔除；构建健康指数模型，并确定警戒值和阈值；获取所述传感器实时采集的数据，并计算当前时刻的马氏距离，以及根据所述健康指数模型计算当前时刻的健康指数；根据所述警戒值和阈值，以及当前时刻的马氏距离和当前时刻的健康指数确定健康状态评估结果。2.根据权利要求1所述的船舶设备的管理方法，其特征在于，对所述第一健康样本参考空间的多个特征进行特征选择，得到第二健康样本参考空间的步骤具体包括：采用基于交叉验证的递归特征消除方法确定最佳数量的特征；基于确定的最佳数量的特征，对所述第一健康样本参考空间的多个特征进行特征选择，以得到第二健康样本参考空间。3.根据权利要求1所述的船舶设备的管理方法，其特征在于，对所述第二健康样本参考空间进行数据标准化处理，得到目标健康样本的步骤具体包括：使用原始数据的平均值和标准差对所述第二健康样本参考空间进行数据标准化处理，以得到目标健康样本。4.根据权利要求1所述的船舶设备的管理方法，其特征在于，计算所述目标健康样本的马氏距离，并对所述目标健康样本进行有效性验证的步骤中，采用下式计算所述目标健康样本的马氏距离：md2＝z
it
s-1
z
i
其中，md表示马氏距离，z
i
表示标准化数据，t表示转置运算，s表示协方差矩阵，i表示样本序号，n表示样本总数。5.根据权利要求1所述的船舶设备的管理方法，其特征在于，对计算出的所述目标健康样本的马氏距离进行异常点剔除的步骤具体包括：采用箱形图方法对健康数据的马氏距离数值进行由大到小的排序，根据数据个数分别计算1/4位、3/4位的数据点，并分别记为k1、k3；计算四分位数间距e＝k
1-k3；计算上边缘点k
up
＝k1+1.5e，下边缘点k
down
＝k
3-1.5e；筛选位于区间[k
up
,k
down
]之外的数据点并予以剔除。6.一种船舶设备的管理系统，其特征在于，包括：提取模块，用于根据数据库中存储的多个用于监测船舶设备的传感器采集的历史数
据，提取健康时段数据作为第一健康样本参考空间；选择模块，用于对所述第一健康样本参考空间的多个特征进行特征选择，得到第二健康样本参考空间；处理模块，用于对所述第二健康样本参考空间进行数据标准化处理，得到目标健康样本；第一计算模块，用于计算所述目标健康样本的马氏距离，并对所述目标健康样本进行有效性验证；剔除模块，用于对计算出的所述目标健康样本的马氏距离进行异常点剔除；构建模块，用于构建健康指数模型，并确定警戒值和阈值；第二计算模块，用于获取所述传感器实时采集的数据，并计算当前时刻的马氏距离，以及根据所述健康指数模型计算当前时刻的健康指数；确定模块，用于根据所述警戒值和阈值，以及当前时刻的马氏距离和当前时刻的健康指数确定健康状态评估结果。7.根据权利要求6所述的船舶设备的管理系统，其特征在于，所述第一计算模块用于采用下式计算所述目标健康样本的马氏距离：md2＝z
it
s-1
z
i
其中，md表示马氏距离，z
i
表示标准化数据，t表示转置运算，s表示协方差矩阵，i表示样本序号，n表示样本总数。8.根据权利要求6所述的船舶设备的管理系统，其特征在于，所述剔除模块具体用于：采用箱形图方法对健康数据的马氏距离数值进行由大到小的排序，根据数据个数分别计算1/4位、3/4位的数据点，并分别记为k1、k3；计算四分位数间距e＝k
1-k3；计算上边缘点k
up
＝k1+1.5e，下边缘点k
down
＝k
3-1.5e；筛选位于区间[k
up
,k
down
]之外的数据点并予以剔除。9.一种可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现上述权利要求1至5任意一项所述的船舶设备的管理方法。10.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任意一项所述的船舶设备的管理方法。
技术总结本发明公开了一种船舶设备的管理方法、系统、可读存储介质及计算机设备，该方法包括：根据数据库中存储的多个用于监测船舶设备的传感器采集的历史数据，提取健康时段数据作为第一健康样本参考空间；对第一健康样本参考空间的多个特征进行特征选择，得到第二健康样本参考空间；对第二健康样本参考空间进行数据标准化处理，得到目标健康样本；计算目标健康样本的马氏距离，并进行有效性验证；对计算出的马氏距离进行异常点剔除；构建健康指数模型，并确定警戒值和阈值；获取传感器实时采集的数据，并计算当前时刻的马氏距离以及健康指数；确定健康状态评估结果。本发明能够解决现有技术计算量大，难以有效的对设备的健康状态进行评估的技术问题。评估的技术问题。评估的技术问题。
技术研发人员：周宏基 刘宇
受保护的技术使用者：共青科技职业学院
技术研发日：2022.07.20
技术公布日：2022/11/1
