(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211010281.X (22)申请日 2022.08.23 (71)申请人 共青科技职业学院 地址 330000 江西省九江市共青城 共青大 道1号 (72)发明人 刘金华　安军伟　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 何世磊 (51)Int.Cl. G06Q 10/00(2012.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 船舶维护管理方法、 系统、 可读存储介质及 计算机设备 (57)摘要 本发明公开了一种船舶维护管理方法、 系 统、 可读存储介质及计算机设备， 本发明将健康 样本数据作为机器学习的训练样 本， 并将故障样 本数据作为机器学习的测试样 本， 通过训练样本 对随机森林方法进行模型训练， 以得到诊断模 型， 当船舶设备的实时健康指标 从T1时刻到T2时 刻的实时健康指标持续超 过预设值时， 通过诊断 模型对T1时刻到T2时刻之间的船舶设备运行数 据进行诊断， 以得到T1时刻到T2时刻之间的船舶 设备故障分类结果， 最后 在数据库中查找并输出 船舶设备故障分类结果对应的故障处理方案， 实 现了对设备的健康状态的有效监测管理。 权利要求书3页 说明书9页 附图2页 CN 115526345 A 2022.12.27 CN 115526345 A 1.一种船舶维护管理方法， 其特 征在于， 包括： 从船舶设备运行历史数据中获取船舶维护的整体样本数据， 所述整体样本数据包括健 康样本数据和故障样本数据； 将所述健康样本数据作为机器学习的训练样本， 并将所述故障样本数据作为机器学习 的测试样本， 通过 所述训练样本对随机森林 方法进行模型训练， 以得到诊断模型； 通过所述测试样本对所述诊断模型的准确性进行验证， 以判断诊断模型的准确性验证 是否通过； 若诊断模型的准确性验证通过， 则对船舶设备的运行状态进行监测， 以获取船舶设备 的实时健康指标； 当船舶设备的实时健康指标从T1时刻到T2时刻的实时健康指标持续超过预设值时， 通 过所述诊断模 型对T1时刻到T2时刻之间的船舶设备运行数据进 行诊断， 以得到T1时刻到T2 时刻之间的船舶设备故障分类结果； 在数据库中查找并输出 所述船舶设备故障分类结果对应的故障处 理方案。 2.根据权利要求1所述的船舶维护管理方法， 其特征在于， 通过所述训练样本对随机森 林方法进行模型训练， 以得到诊断模型的步骤具体包括： 通过所述训练样本对随机森林方法进行模型训练， 训练过程中， 采用预设的抽样策略， 并且结合网格搜索方法和ROC曲线进行参数选择， 根据筛选出的最优参数训练得到诊断模 型。 3.根据权利要求1所述的船舶维护管理方法， 其特 征在于， 所述方法还 包括： 从船舶设备运行历史数据中获取船舶维护的整体样本数据， 所述整体样本数据包括健 康样本数据和故障样本数据； 将所述健康样本数据作为机器学习的原始训练样本， 并将所述故障样本数据作为机器 学习的原 始测试样本； 采用滑动时间窗口策略， 以时间窗口Tw内前n个原始训练样本/原始测试样本作为训练 输入， 第n+1个原始训练样本/原始测试样本作为训练输出， 使 窗口从前往后滑动生成训练 数据集/测试 数据集； 采用梯度提升树并使用训练数据集进行模型训练， 在训练过程中， 结合随机搜索方法 进行参数选择， 根据筛选出 的最优参数训练出预测模型， 然后使用测试数据集对预测模型 的准确性进行验证， 以判断预测模型的准确性验证是否通过； 若预测模型的准确性验证通过， 则对船舶设备的运行状态进行监测， 以获取船舶设备 的实时健康指标； 当船舶设备的实时健康指标从T1时刻到T2时刻的实时健康指标持续超过预设值时， 通 过所述预测模 型对T1时刻到T2时刻之间的船舶设备运行数据进 行预测， 以得到T1时刻到T2 时刻之间的船舶设备故障预测结果； 在数据库中查找并输出 所述船舶设备故障预测结果对应的故障处 理方案。 4.根据权利要求1或3所述的船舶维护管理方法， 其特征在于， 对船舶设备的运行状态 进行监测， 以获取 船舶设备的实时健康指标的步骤具体包括： 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；权　利　要　求　书 1/3 页 2 CN 115526345 A 2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 数模型计算船舶设备的实时健康指标。 5.根据权利要求4所述的船舶维护管理方法， 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。 6.一种船舶维护管理系统， 其特 征在于， 包括： 第一获取模块， 用于从船舶设备运行历史数据中获取船舶维护的整体样本数据， 所述 整体样本数据包括 健康样本数据和故障样本数据； 第一训练模块， 用于将所述健康样本数据作为机器学习的训练样本， 并将所述故障样 本数据作为机器学习的测试样本， 通过所述训练样本对随机森林方法进行模型训练， 以得 到诊断模型； 第一验证模块， 用于通过所述测试样本对所述诊断模型的准确性进行验证， 以判断诊 断模型的准确性验证是否通过； 第一监测模块， 用于若诊断模型的准确性验证通过， 则对船舶设备的运行状态进行监 测， 以获取 船舶设备的实时健康指标； 诊断模块， 用于当船舶设备的实时健康指标从T1时刻到T2时刻的实时健康指标持续超 过预设值时， 通过所述诊断模型对T1时刻到T2时刻之间的船舶设备运行数据进行诊断， 以 得到T1时刻到T2时刻之间的船舶设备故障分类结果； 第一输出模块， 用于在数据库中查找并输出所述船舶设备故障分类结果对应的故障处 理方案。 7.根据权利要求6所述的船舶维护管理系统， 其特征在于， 所述第一训练模块具体用 于： 通过所述训练样本对随机森林方法进行模型训练， 训练过程中， 采用预设的抽样策略， 并且结合网格搜索方法和ROC曲线进行参数选择， 根据筛选出的最优参数训练得到诊断模 型。 8.根据权利要求6所述的船舶维护管理系统， 其特 征在于， 所述系统还 包括： 第二获取模块， 用于从船舶设备运行历史数据中获取船舶维护的整体样本数据， 所述 整体样本数据包括 健康样本数据和故障样本数据； 构建模块， 用于将所述健康样本数据作为机器学习的原始训练样本， 并将所述故障样 本数据作为机器学习的原始测试样本， 采用滑动时间窗口策略， 以时间窗口Tw内前n个原始 训练样本/原始测试样本作为训练输入， 第n+1个原始训练样本/原始测试样本作为训练输权　利　要　求　书 2/3 页 3 CN 115526345 A 3