本(ben)發明涉及(ji)智能船(chuan)舶(bo)及(ji)狀態監測，尤其涉及(ji)一(yi)種基于核(he)fisher判別分(fen)析(xi)的船(chuan)舶(bo)中央冷卻器(qi)狀態評(ping)估(gu)方法。

背景技術：

1、隨著全球海(hai)運業的(de)快速發展(zhan)，船(chuan)舶在現代物流(liu)鏈中的(de)重要性(xing)日益凸顯。為了確保船(chuan)舶的(de)高效(xiao)、安(an)全運行(xing)，對船(chuan)舶各(ge)系統和(he)(he)設備的(de)運行(xing)狀(zhuang)態(tai)進行(xing)實(shi)時(shi)監(jian)測和(he)(he)準(zhun)確評估(gu)顯得尤(you)為關(guan)鍵，同時(shi)船(chuan)舶中冷(leng)器作為船(chuan)舶發動機的(de)重要組成部分，其運行(xing)狀(zhuang)態(tai)直接影響船(chuan)舶的(de)整(zheng)體性(xing)能和(he)(he)安(an)全。

2、目前船(chuan)舶(bo)中(zhong)央冷卻器(qi)(qi)在(zai)復雜(za)海洋環境中(zhong)運行(xing)(xing)時(shi)，面(mian)臨著高溫、高壓、鹽霧等多(duo)種惡劣條件，且由于船(chuan)舶(bo)特殊性(xing)，使得采(cai)集(ji)的船(chuan)舶(bo)中(zhong)央冷卻器(qi)(qi)的運行(xing)(xing)監測數(shu)(shu)據(ju)(ju)(ju)存在(zai)繁雜(za)的問題，如(ru)運行(xing)(xing)監測數(shu)(shu)據(ju)(ju)(ju)的數(shu)(shu)據(ju)(ju)(ju)種類多(duo)、數(shu)(shu)據(ju)(ju)(ju)量巨大以及船(chuan)舶(bo)中(zhong)冷器(qi)(qi)反饋的數(shu)(shu)據(ju)(ju)(ju)更多(duo)的是非線性(xing)的數(shu)(shu)據(ju)(ju)(ju)，進(jin)而(er)導致對船(chuan)舶(bo)中(zhong)冷器(qi)(qi)實時(shi)狀態評估(gu)困難且評估(gu)精度差的問題。

技術實現思路

1、本發明提(ti)供一種基于核fisher判(pan)別分析(xi)的船舶中央冷(leng)卻(que)器狀(zhuang)態評(ping)估方法，以克服上述技(ji)術問(wen)題。

2、為(wei)了實現上述目的(de)，本(ben)發明的(de)技術方(fang)案是(shi)：

3、一種(zhong)基于核fisher判別分析的船舶中(zhong)央冷(leng)卻器狀態評(ping)估(gu)方法，包括以下步驟：

4、s1：獲取船舶中(zhong)央(yang)冷卻器的(de)歷史非線性(xing)數據；

5、且所述歷史(shi)非線性數(shu)(shu)據(ju)包(bao)括正常(chang)監(jian)(jian)測數(shu)(shu)據(ju)類(lei)與異常(chang)監(jian)(jian)測數(shu)(shu)據(ju)類(lei)；

6、所述(shu)監測正常數(shu)據類即為獲取的(de)船舶(bo)中央冷卻器正常狀(zhuang)態下高溫/低溫側海水管路(lu)的(de)進出(chu)口(kou)溫度(du)與進出(chu)口(kou)壓力；

7、所述監測異常(chang)數(shu)據類即為獲取的船舶中央冷卻器(qi)異常(chang)狀(zhuang)態下高溫/低(di)溫側海(hai)水(shui)管路的進(jin)(jin)出口(kou)溫度與(yu)進(jin)(jin)出口(kou)壓力；

8、s2：分別隨機抽取(qu)正常監測數(shu)據類與異常監測數(shu)據類中的數(shu)據樣本，獲取(qu)訓練樣本集；

9、s3：基于(yu)非線(xian)性(xing)映(ying)射(she)方(fang)法，將訓練樣本集中(zhong)的數據(ju)樣本映(ying)射(she)到一(yi)個(ge)高(gao)維(wei)特征空間；并獲取(qu)高(gao)維(wei)特征空間中(zhong)不同數據(ju)類(lei)(lei)的類(lei)(lei)間離散矩陣(zhen)與同一(yi)數據(ju)類(lei)(lei)的類(lei)(lei)內(nei)離散矩陣(zhen)；

10、根據類間離散(san)矩(ju)陣與類內離散(san)矩(ju)陣，構建用于(yu)獲取特征空間中最佳的投影向量(liang)的目(mu)標函數；

11、s4：基于核fisher策略獲取最大化目標函數(shu)的廣義特(te)征(zheng)方(fang)(fang)程(cheng)，并(bing)根據廣義特(te)征(zheng)方(fang)(fang)程(cheng)獲取當前最佳的投影(ying)向量；

12、并獲取正常監(jian)測數據類(lei)與異常監(jian)測數據類(lei)的(de)數據樣本，在當前最佳的(de)投(tou)影向量的(de)當前均(jun)值(zhi)，且將所述當前均(jun)值(zhi)與預設均(jun)值(zhi)閾值(zhi)比(bi)較；

13、若所述(shu)當前(qian)均值(zhi)滿足(zu)預設均值(zhi)閾值(zhi)，則當前(qian)最佳的投影向量即為最優(you)投影向量；否則，自適應調整核fisher策略(lve)的核參數并重復(fu)執行步(bu)驟s2至s3；

14、s5：獲取(qu)新的船(chuan)舶(bo)(bo)中央冷(leng)卻(que)器非線性數(shu)據，并(bing)根(gen)據最優投影向(xiang)量實現船(chuan)舶(bo)(bo)中央冷(leng)卻(que)器狀態評(ping)估。

15、進一步(bu)的(de)，s3中(zhong)獲取的(de)高維特征空(kong)間中(zhong)不同數據類(lei)的(de)類(lei)間離散(san)矩陣的(de)表達式為

16、

17、式(shi)中：sb表(biao)(biao)(biao)示類(lei)間(jian)離散矩(ju)陣；c表(biao)(biao)(biao)示正常監測數據(ju)類(lei)或異常監測數據(ju)類(lei)的(de)類(lei)別；m表(biao)(biao)(biao)示訓練(lian)樣(yang)本(ben)集(ji)中所(suo)有數據(ju)樣(yang)本(ben)的(de)均值；mc表(biao)(biao)(biao)示第c類(lei)數據(ju)樣(yang)本(ben)的(de)均值；n表(biao)(biao)(biao)示訓練(lian)樣(yang)本(ben)集(ji)中的(de)數據(ju)樣(yang)本(ben)數量(liang)；nc表(biao)(biao)(biao)示第c類(lei)數據(ju)樣(yang)本(ben)的(de)數量(liang)；t表(biao)(biao)(biao)示轉置；表(biao)(biao)(biao)示特征空間(jian)中的(de)第i個數據(ju)樣(yang)本(ben)；

18、所述同一(yi)數據類的(de)類內離(li)散矩陣的(de)表達式為

19、

20、式(shi)中：sw表(biao)示(shi)類(lei)(lei)內離(li)散矩(ju)陣；mc表(biao)示(shi)第c類(lei)(lei)數(shu)(shu)據(ju)樣(yang)(yang)(yang)(yang)本(ben)的均值；n表(biao)示(shi)訓練樣(yang)(yang)(yang)(yang)本(ben)集中的數(shu)(shu)據(ju)樣(yang)(yang)(yang)(yang)本(ben)數(shu)(shu)量；nc表(biao)示(shi)第c類(lei)(lei)數(shu)(shu)據(ju)樣(yang)(yang)(yang)(yang)本(ben)的數(shu)(shu)量；表(biao)示(shi)特(te)征空間中第c類(lei)(lei)的第i個數(shu)(shu)據(ju)樣(yang)(yang)(yang)(yang)本(ben)；

21、所述投影向量的目(mu)標函數的表達式為

22、

23、式中(zhong)：j(w)表示投(tou)(tou)影向量(liang)的目(mu)標函(han)數(shu)；w表示投(tou)(tou)影向量(liang)。

24、進一步(bu)的(de)，s4中所述基于核fisher策略獲(huo)取最(zui)大化(hua)目標函數的(de)廣(guang)義特征方程，并根據廣(guang)義特征方程獲(huo)取當前最(zui)佳的(de)投影向量，具體包括以下步(bu)驟(zou)：

25、s41：基于(yu)投影向量(liang)的目標(biao)函(han)數(shu)獲取最(zui)大化目標(biao)函(han)數(shu)的廣義特(te)征方(fang)程，其表達(da)式為

26、sbw＝λsww

27、式中：λ表示特征值(zhi)；

28、s42：基于核fisher策略(lve)對(dui)所述廣義特(te)征方程進行(xing)改寫；

29、且(qie)改寫(xie)包括(kuo)以下步驟：

30、s421：將高斯(si)核(he)函數作為核(he)fisher策略的(de)核(he)函數，并根(gen)據所述核(he)函數定義核(he)矩陣(zhen)，其(qi)表達(da)式為

31、

32、kij＝k(xi,xj)

33、式中(zhong)：k表(biao)示(shi)核fisher策(ce)略的核矩(ju)陣,且為kij的簡寫形式；σ表(biao)示(shi)核參數；k(x,y)表(biao)示(shi)高斯核函(han)數；x,y表(biao)示(shi)不同的數據(ju)點即為xi,xj；

34、s422：由類間離(li)散矩(ju)(ju)陣(zhen)sb與類內離(li)散矩(ju)(ju)陣(zhen)sw，能夠得(de)到

35、sw＝φhwhφt

36、sb＝φhbhφt

37、式中：h表示(shi)中心化(hua)矩陣且i表示(shi)n*n的單位矩陣；e表示(shi)n維全1向量；b與(yu)w均(jun)表示(shi)對角矩陣；φ表示(shi)的矩陣；φt表示(shi)φ的轉(zhuan)置(zhi)；

38、s423：根據步驟s421與s422，將類間(jian)離散矩陣sb與類內(nei)離散矩陣sw改寫(xie)為

39、sw＝khwhk

40、sb＝khbhk

41、s424：由步驟s423將所述廣義特征方程改(gai)寫為

42、khbhkv＝λkhwhkv

43、式(shi)中：k表示(shi)核fisher策(ce)略(lve)的核矩陣,且為kij的簡寫形(xing)式(shi)；v表示(shi)特征向量；

44、s425：通過求解步驟s424中改(gai)寫的(de)廣義(yi)特征方程，以(yi)獲取當(dang)前最(zui)佳(jia)的(de)投(tou)影(ying)向(xiang)(xiang)量(liang)，所述當(dang)前最(zui)佳(jia)的(de)投(tou)影(ying)向(xiang)(xiang)量(liang)w*的(de)表達式(shi)為

45、w*＝φv。

46、進一(yi)步的，所述s5具體包(bao)括(kuo)以下(xia)步驟(zou)：

47、s51：獲取新的(de)船(chuan)舶中(zhong)央(yang)冷卻(que)器非線性數據xn，并得到其在最優投影(ying)向量上的(de)投影(ying)值，其表達式為

48、

49、式中：g(xn)表(biao)示非線(xian)性數(shu)據(ju)xn在最優投影(ying)(ying)向(xiang)量上(shang)的(de)投影(ying)(ying)值；w*表(biao)示最優投影(ying)(ying)向(xiang)量；表(biao)示特征空間(jian)中xn的(de)高緯數(shu)據(ju)；

50、s52：分(fen)別(bie)獲取正(zheng)常監測數(shu)(shu)據類與異常監測數(shu)(shu)據類的數(shu)(shu)據樣本，在最優投影向(xiang)量的均值(zhi)，以獲取第一閾值(zhi)范圍與第二閾值(zhi)范圍，進而實現船(chuan)舶(bo)中央(yang)冷卻器狀態評估(gu)；

51、且所述(shu)船舶(bo)中央冷卻器狀(zhuang)態評估(gu)的判斷規(gui)則為(wei)：

52、若判(pan)斷所(suo)述非(fei)線性數(shu)據xn的(de)(de)投影值g(xn)滿足(zu)第一閾值范圍，則確(que)認(ren)非(fei)線性數(shu)據xn的(de)(de)類別為正(zheng)常監測數(shu)據類：

53、若判斷所述(shu)非(fei)線性數據(ju)xn的(de)投影值g(xn)滿足第二閾(yu)值范圍，則確認非(fei)線性數據(ju)xn的(de)類(lei)別為異常監測數據(ju)類(lei)：

54、否則(ze)，確認非(fei)線性數(shu)(shu)據xn為從正常監(jian)測(ce)數(shu)(shu)據至(zhi)異常監(jian)測(ce)數(shu)(shu)據的過程數(shu)(shu)據。

55、有益效(xiao)(xiao)果：本(ben)發(fa)明(ming)提供了一種(zhong)基(ji)于(yu)(yu)核(he)fisher判(pan)別分析(xi)的(de)(de)(de)(de)(de)(de)船(chuan)(chuan)(chuan)舶(bo)(bo)(bo)中央(yang)冷(leng)卻器狀(zhuang)(zhuang)態評估方法(fa)，通(tong)(tong)過(guo)(guo)分別隨機抽取正常(chang)監(jian)測(ce)數(shu)(shu)(shu)(shu)據(ju)(ju)類(lei)與異常(chang)監(jian)測(ce)數(shu)(shu)(shu)(shu)據(ju)(ju)類(lei)中的(de)(de)(de)(de)(de)(de)數(shu)(shu)(shu)(shu)據(ju)(ju)樣本(ben)獲(huo)(huo)取訓(xun)練樣本(ben)集；并將(jiang)訓(xun)練樣本(ben)集中的(de)(de)(de)(de)(de)(de)數(shu)(shu)(shu)(shu)據(ju)(ju)樣本(ben)映射到一個高維(wei)(wei)特征(zheng)空(kong)(kong)間，以(yi)根據(ju)(ju)獲(huo)(huo)取的(de)(de)(de)(de)(de)(de)類(lei)間離散矩(ju)陣與類(lei)內離散矩(ju)陣，構建用于(yu)(yu)獲(huo)(huo)取最佳投(tou)(tou)影(ying)向(xiang)量(liang)(liang)的(de)(de)(de)(de)(de)(de)目(mu)(mu)標(biao)函(han)數(shu)(shu)(shu)(shu)；基(ji)于(yu)(yu)核(he)fisher策略獲(huo)(huo)取最大化(hua)目(mu)(mu)標(biao)函(han)數(shu)(shu)(shu)(shu)的(de)(de)(de)(de)(de)(de)廣(guang)(guang)義特征(zheng)方程，并根據(ju)(ju)廣(guang)(guang)義特征(zheng)方程獲(huo)(huo)取當前最佳的(de)(de)(de)(de)(de)(de)投(tou)(tou)影(ying)向(xiang)量(liang)(liang)，通(tong)(tong)過(guo)(guo)引入核(he)函(han)數(shu)(shu)(shu)(shu)能夠(gou)實(shi)現原始數(shu)(shu)(shu)(shu)據(ju)(ju)的(de)(de)(de)(de)(de)(de)升維(wei)(wei)，將(jiang)非(fei)線性(xing)(xing)(xing)不(bu)可分的(de)(de)(de)(de)(de)(de)數(shu)(shu)(shu)(shu)據(ju)(ju)在高維(wei)(wei)空(kong)(kong)間中進(jin)行(xing)線性(xing)(xing)(xing)分割(ge)，能夠(gou)處理(li)非(fei)線性(xing)(xing)(xing)數(shu)(shu)(shu)(shu)據(ju)(ju)；獲(huo)(huo)取新的(de)(de)(de)(de)(de)(de)船(chuan)(chuan)(chuan)舶(bo)(bo)(bo)中央(yang)冷(leng)卻器非(fei)線性(xing)(xing)(xing)數(shu)(shu)(shu)(shu)據(ju)(ju)，并根據(ju)(ju)最優(you)投(tou)(tou)影(ying)向(xiang)量(liang)(liang)實(shi)現船(chuan)(chuan)(chuan)舶(bo)(bo)(bo)中央(yang)冷(leng)卻器狀(zhuang)(zhuang)態評估，即根據(ju)(ju)運(yun)行(xing)參(can)數(shu)(shu)(shu)(shu)投(tou)(tou)影(ying)值(zhi)的(de)(de)(de)(de)(de)(de)變化(hua)趨勢，能夠(gou)判(pan)斷船(chuan)(chuan)(chuan)舶(bo)(bo)(bo)中央(yang)冷(leng)卻器狀(zhuang)(zhuang)態的(de)(de)(de)(de)(de)(de)發(fa)展趨勢，為(wei)早期發(fa)現船(chuan)(chuan)(chuan)舶(bo)(bo)(bo)機械設備的(de)(de)(de)(de)(de)(de)重(zhong)復(fu)性(xing)(xing)(xing)故障提供有效(xiao)(xiao)手段(duan)，進(jin)而解決了由于(yu)(yu)船(chuan)(chuan)(chuan)舶(bo)(bo)(bo)中央(yang)冷(leng)卻器的(de)(de)(de)(de)(de)(de)實(shi)時(shi)狀(zhuang)(zhuang)態參(can)數(shu)(shu)(shu)(shu)數(shu)(shu)(shu)(shu)據(ju)(ju)種(zhong)類(lei)多(duo)、數(shu)(shu)(shu)(shu)據(ju)(ju)量(liang)(liang)巨大以(yi)及數(shu)(shu)(shu)(shu)據(ju)(ju)結構非(fei)線性(xing)(xing)(xing)，造成不(bu)能有效(xiao)(xiao)對其進(jin)行(xing)實(shi)時(shi)狀(zhuang)(zhuang)態評估困難且評估精(jing)度(du)差(cha)的(de)(de)(de)(de)(de)(de)問(wen)題，以(yi)實(shi)現更精(jing)確、快速(su)的(de)(de)(de)(de)(de)(de)狀(zhuang)(zhuang)態判(pan)別分析(xi)。