论文部分内容阅读
近些年来,随着水路运输行业及化工行业的迅猛发展,危化品运输船舶远程监控与故障诊断技术得到越来越多的重视。由于船舶系统设备日趋复杂,数据节点众多,对船舶监控模块数据处理的实时性、安全性及故障诊断的精确性带来新的挑战。本文重点研究船舶系统模块中基于分簇路由协议的数据融合技术及基于案例推理的动态故障集等关键技术,满足了系统对故障诊断的实时性、精确性和安全性等需求,主要研究内容如下:(1)分析危化品运输船舶管理系统中远程监控及故障诊断关键模块的需求,给出系统的框架、硬件部分和软件部分的设计,并详细描述系统关键技术的工作流程。(2)针对危化品船舶管理系统中远程监控模块的数据采集和传输过程中的问题,研究数据融合技术,提供了一种DFACT算法,该算法采用簇内构造数据融合树和簇间基于移动代理模型的结合方式。簇内采用粒子群优化算法优化选择分簇方式,缩小化簇内距离,优化网络耗能,综合考虑节点能量及周围节点的影响选择簇头,簇内通过构造数据融合树进行数据传输,同时对传输的数据进行加密,簇间的数据融合在基于移动代理的模型下选择最优路径。实验表明算法能够对节点进行快速数据融合,同时降低节点的耗能,延长网络生命周期,保护数据的安全性。(3)根据故障和症状的依赖关系,提供了一种基于案例推理的动态故障集诊断算法。算法针对动态故障集,通过二分贝叶斯网络建立二者的依赖模型,在故障持续发生的时间间隔的基础上修复当前时间窗口里的先验故障概率;通过基本诊断得到最有可能的故障假设,在故障假设的基础上,改进传统船舶故障案例检索的策略,将索引技术、相似度理论结合起来使用,进一步缩小检索范围,从而快速检索出相似度最高的历史故障案例。实验表明该算法满足本系统对故障诊断的精确性要求。(4)实现了危化品船舶远程监控及故障诊断系统中两大关键模块,给出了硬件部分的实现,重点描述了软件部分船舶远程监控和故障诊断等主要功能的具体实现,较好地验证了本文的研究成果,同时给出系统的运行实例,取得良好的效果。