劉 興，楊 越，張焱飛

（1.中遠海運散貨運輸有限公司， 廣東廣州 510006；2. 上海外高橋造船海洋工程有限公司， 上海 200137；3. 上海船舶運輸科學研究所有限公司， 上海 200135）

0 引言

隨著智能船舶的快速發(fā)展，智能船舶系統(tǒng)在船舶設備維護、性能評估和監(jiān)測中扮演著越來越重要的角色?；诖髷?shù)據(jù)分析方法和傳統(tǒng)設備監(jiān)測方法對船舶設備進行監(jiān)測可以幫助船舶管理者了解船舶設備運行狀況，從而為船舶設備維護做出提前預判和規(guī)劃[1]。

船舶主機作為船舶運行的關鍵設備，由眾多設備組成。眾多的設備可分為多個子系統(tǒng)，多個子系統(tǒng)按照設備功能和特點分為廢氣排氣系統(tǒng)、冷卻水系統(tǒng)、滑油系統(tǒng)等[2]。因此，對主機進行性能監(jiān)測可充分分析主機下各子系統(tǒng)的運行狀態(tài)，通過主機運行參數(shù)分析結果可以快速判斷主機當前的運行狀況，評估主機性能是否下降或者上升。

現(xiàn)階段，要構建出符合主機運行的物理模型，需要完整的主機設備參數(shù)信號，但由于信號采集限制，研究者很難構建出準確的主機運行物理模型。構建物理模型需要精準的物理量，比如排氣流速或者交換水溫等，然而實際工程中，以上關鍵信號很難送出，因此缺少了部分關鍵物理量則很難構建物理模型。針對此類問題，絕大多數(shù)研究學者利用大數(shù)據(jù)分析方法來對船舶主機海量數(shù)據(jù)進行特征提取、狀況識別、故障診斷、性能監(jiān)測以及故障預測。

絕大多數(shù)的大數(shù)據(jù)識別方法集中在數(shù)據(jù)的聚類劃分、深度學習上。船舶主機是復雜的系統(tǒng)，常用的大數(shù)據(jù)分析方法可以提升監(jiān)測水平，但實際工程中，大數(shù)據(jù)分析方法依靠比較復雜的數(shù)據(jù)基礎，若缺少數(shù)據(jù)學習樣本，則會使數(shù)據(jù)分析結果陷入局部最優(yōu)的情況。

因此，本文引入信息熵方法來監(jiān)測船舶主機運行性能，根據(jù)信息熵方法計算的熵值結果對比2個滿載航次的主機性能趨勢，從而實現(xiàn)對滿載航次下船舶主機運行性能的監(jiān)測。

1 信息熵有關理論

“熵”是熱力學中表示分子狀態(tài)無序程度的物理量。在信息論中，通訊的隨機性無法避免，因此通信系統(tǒng)具有統(tǒng)計的特征，信息源可作為多隨機事件的集合，這類集合具有隨機性。因此與熱力學中分子狀態(tài)無序性相似[3]。在20世紀40年代，香農提出了信息熵的概念，把信息中排除了冗余后的平均信息量成為“信息熵”，用于衡量不確定性，是離散隨機事件出現(xiàn)的概率，及計算所有可能發(fā)生事件相關信息量的期望值[4]，系統(tǒng)越復雜出現(xiàn)的類目越多，則信息熵越大。系統(tǒng)越簡單，出現(xiàn)種類或者概率越小，則對應的信息熵較小[5]。信息熵具有3個特點[6]：1）單調性。事件在統(tǒng)計中發(fā)生的概率越高，則信息量越低，該特性也暗含了信息含量先驗假設，默認某些條件下不含信息量，即表示一種概率分布，將默認情況的概率定為0。2）非負性。信息熵是一種廣度量，是一種合理的必然情況。3）累加性。多種隨機事件同時發(fā)生，并存在的不確定性的量度表示為不確定性的量度之和，

信息熵的計算公式為

式中：n為系統(tǒng)X出現(xiàn)n個不同狀態(tài)，p(xi)為xi(i=1,2,...,n)出現(xiàn)的概率。公式結果越高代表系統(tǒng)越混亂，若H(X)=0，表示系統(tǒng)較為穩(wěn)定。

2 船舶主機氣缸狀態(tài)參數(shù)與數(shù)據(jù)選擇

本文選擇的某目標船是1艘30×104t級別的散貨船，主要來往于巴西和中國。該船主機的最大輸出功率為25200 kW，配有6個氣缸，每個氣缸可提供氣缸廢氣排氣出口溫度、氣缸缸蓋冷卻水出口溫度、氣缸活塞滑油出口溫度，即對應主機廢氣排氣系統(tǒng)、冷卻水系統(tǒng)以及滑油系統(tǒng)。

在實際工程中，實船數(shù)據(jù)采集周期為1 s 1組數(shù)據(jù)，為了讓數(shù)據(jù)可用于后續(xù)的計算，需要對實時秒級數(shù)據(jù)進行篩選處理，剔除異常值和空值，接著按1小時為數(shù)據(jù)處理周期，對每整小時內的數(shù)據(jù)進行平均計算，即計算3600個數(shù)據(jù)采集周期內的數(shù)據(jù)，最終得到主機氣缸3個系統(tǒng)下每小時的平均值。

本次研究可以更加直觀展示監(jiān)測結果，本文選取目標船2個時間相鄰的滿載航次作為研究對象，2個滿載航次轉速相近，航路相近，航速相近。第一個滿載航次的航行時間從2021-11-05到2021-12-23，航行時長49天，對原始采集數(shù)據(jù)進行篩選處理后總計得到1176條小時數(shù)據(jù)；第二個滿載航次的航行時間從2022-04-13到2022-05-26，航行時長44天，篩選處理后得到總計1056條小時數(shù)據(jù)。以2個航次下主機廢氣排氣系統(tǒng)為例，如圖1所示（圖1中#1～#6表示目標船主機的1號～6號氣缸）。對比圖1中2個航次的氣缸廢氣排氣溫度數(shù)據(jù)，可知航次一的廢氣排氣溫度數(shù)據(jù)波動幅度較大，在第一航次運行到第850 h和1000 h附近有過異常的數(shù)據(jù)下降，后又恢復到原來時間附近，而航次二的數(shù)據(jù)展示可知長達44天的航行期間，主機廢氣排氣系統(tǒng)溫度均維持在穩(wěn)定運行范圍內，溫度發(fā)生異?；驕囟茸兓容^大的現(xiàn)象較少。

圖1 2個滿載航次主機氣缸廢氣排氣溫度示意圖

根據(jù)船期計劃已知，在第一個滿載航次和第二個滿載航次之間，該目標船按計劃進塢維修保養(yǎng)過船舶主機。

3 基于信息熵的主機性能監(jiān)測方法

本文提出的基于信息熵主機性能監(jiān)測方法主要利用主機氣缸在3個系統(tǒng)下溫度偏差值的波動進行熵值計算，得到主機氣缸在3個系統(tǒng)下的熵值情況。按照此主要思路構建監(jiān)測方法流程框架。

首先，計算目標船主機6個氣缸3個系統(tǒng)溫度的整體平均值，接著計算每個氣缸3個系統(tǒng)溫度和整體平均值之間的溫度偏差，可以得到每個氣缸的廢氣排氣溫度偏差、缸蓋冷卻水出口溫度偏差以及氣缸滑油出口溫度偏差。根據(jù)各個系統(tǒng)溫度特征和溫度偏差特征確定各個系統(tǒng)下溫度偏差間隔以作為分布統(tǒng)計對象。在本次研究中，廢氣排氣系統(tǒng)最大溫度是420℃左右，最低則降至30℃左右，溫度偏差也從-60℃～50℃不等，因此對于廢氣排氣系統(tǒng)以5℃作為分布統(tǒng)計對象，即定[-5,0)、[0,5)、[5,10)等范圍為分布統(tǒng)計區(qū)間，對于冷卻水系統(tǒng)和滑油系統(tǒng)，溫度變化范圍在100℃以下，且溫度偏差變化最大未超過10℃。因此，冷卻系統(tǒng)和滑油系統(tǒng)以1℃為分布統(tǒng)計對象，即定[-1,0)、[0,1)、[1,2)等范圍為分布統(tǒng)計區(qū)間。

以整個航次為統(tǒng)計區(qū)間，計算參數(shù)模型的熵值，對傳統(tǒng)計算公式進行改進，計算式為

式中：H為滿載航次的熵值，N為統(tǒng)計區(qū)間數(shù)據(jù)，ni為每個區(qū)間內的統(tǒng)計數(shù)目，T為以整個航次為統(tǒng)計區(qū)間的總數(shù)目，ni=0則不參與統(tǒng)計。

4 驗證與分析

依據(jù)前面的監(jiān)測方法，對目標船主機數(shù)據(jù)進行溫度偏差計算，得到主機6個氣缸3個系統(tǒng)下的溫度偏差。以主機廢氣排氣系統(tǒng)數(shù)據(jù)為例，如溫度偏差結果，如圖2所示（圖2中#1～#6表示目標船主機的1號～6號氣缸）。

圖2 2個滿載航次主機氣缸溫度偏差示意圖

每個系統(tǒng)統(tǒng)計區(qū)間利用信息熵方法進行計算，得到2個滿載航次下6個氣缸在各個系統(tǒng)的熵值，如圖3所示。

對目標船主機在3個系統(tǒng)下的熵值進行平均計算，最終得到主機在2個航次的整體熵值結果，如表1所示。數(shù)據(jù)。

表1 兩滿載航次整體熵值結果

根據(jù)圖2可知，相較于第二次滿載航次，第一次滿載航次各個系統(tǒng)的溫度偏差波動范圍較大。根據(jù)圖3可知，第一次滿載航次的所有氣缸各個子系統(tǒng)下的溫度偏差熵值均大于第二次滿載航次的熵值，其中，第二航次下多個氣缸在冷卻水系統(tǒng)和滑油系統(tǒng)熵值為0，表明對應氣缸在該系統(tǒng)下的溫度偏差較為穩(wěn)定。對2個滿載航次下3個系統(tǒng)熵值進行平均計算，如表1所示，第二滿載航次下3個系統(tǒng)熵值都要比第一滿載航次熵值低很多，特別是滑油系統(tǒng)熵值，第一滿載航次熵值為1.15，第二滿載航次熵值為0.064，其中1號、2號、3號以及5號氣缸熵值均為0，計算結果表明，以上4個氣缸在第二滿載航次的滑油出口溫度偏差都穩(wěn)定在固定區(qū)間，因此整體較為穩(wěn)定，無異常較大范圍波動。溫度偏差結果與熵值計算結果也體現(xiàn)第二滿載航次主機性能要比第一滿載航次的主機性能要高一些。根據(jù)已知條件，該目標船在2022年1月份對主機進行過維修和保養(yǎng)。經(jīng)過維護保養(yǎng)后的主機設備運行性能會比保養(yǎng)之前要好一些，因此，本文計算得到的熵值趨勢情況符合主機運行情況。

圖3 2個滿載航次下氣缸熵值對比圖

5 結語

本文提出一種基于信息熵的船舶主機性能監(jiān)測方法，對比2個目標滿載航次的主機氣缸在各個系統(tǒng)下的熵值，主機維護保養(yǎng)后的第二滿載航次各個氣缸熵值均出現(xiàn)了下降，表明主機性能有所上升。因此，2個航次熵值結果表明，本文提出的方法可以初步監(jiān)測主機性能狀況和趨勢。本文提出的方法側重監(jiān)測氣缸溫度偏差波動的穩(wěn)定性，但是主機性能監(jiān)測方法仍然需要考慮各個氣缸的溫度偏差值，若同一系統(tǒng)下某氣缸溫度偏差過大，但溫度偏差波動較為穩(wěn)定會導致主機監(jiān)測過程中出現(xiàn)性能識別盲區(qū)。