基于油耗预测模型的挖泥船能效优化智能管理系统的制作方法

本发明涉及船舶工程技术，特别涉及基于油耗预测模型的挖泥船能效优化智能管理系统。

背景技术：

1、挖泥船是专门用于挖掘水下泥沙、砾石等沉积物的工程船舶，它在航道疏浚、港口建设、水利工程和海洋工程中扮演着重要角色。挖泥船有多种类型，如耙吸式、绞吸式、链斗式等，每种类型都根据其工作原理和特点适用于不同的工作环境。挖泥船不仅具有高效的疏浚能力，能适应各种水域和工况下的挖掘作业，而且环保性能好，能避免对水域造成过大的扰动和污染。随着技术的发展，现代挖泥船还采用了先进的自动化控制系统和智能传感器等技术，实现了挖掘过程的自动化和智能化，提高了工作效率和安全性。在对挖泥船进行使用时，往往需要考虑其能耗。

2、而在实际的操作中还存在以下问题：

3、传统方法往往基于经验或简单的数学模型进行油耗预测，准确性有限，同时依赖于人工经验和定期维护，缺乏实时性和针对性，从而使得挖泥船燃油消耗高，难以有效控制运营成本。

技术实现思路

1、本发明的目的在于提供基于油耗预测模型的挖泥船能效优化智能管理系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：基于油耗预测模型的挖泥船能效优化智能管理系统，包括：

3、数据采集模块，用于：

4、采集挖泥船的实时运行状态数据、作业环境数据以及船舶的静态信息；

5、数据处理模块，用于：

6、对采集到的原始数据进行预处理；

7、油耗预测模型模块，用于：

8、基于机器学习算法，利用历史数据和实时数据训练油耗预测模型，所述油耗预测模型用于根据当前船舶状态和作业环境预测未来的油耗情况；

9、能效优化建议模块，用于：

10、根据油耗预测模型的输出结果，结合船舶的实际作业需求，为挖泥船提供能效优化建议，所述能效优化建议包括调整主机转速、优化航行路线、改进疏浚工艺；

11、用户交互模块，用于：

12、提供用户界面，用户通过用户界面查看实时数据、能效优化建议以及系统运行状态，同时，用户通过用户交互模块对系统进行参数设置和配置。

13、进一步的，所述数据采集模块，包括：

14、采集实时运行状态数据，实时运行状态数据包括实时工况数据、耙吸管工艺参数组，其中，所述耙吸管工艺参数组通过挖泥船的自动化控制系统以及仪表监测设备实时获取。

15、进一步的，所述数据采集模块，还包括：

16、获取船舶的静态信息，所述船舶的静态信息包括耙吸管固定参数组、耙头固定参数组、耙头冲水固定参数组，其中，所述耙吸管固定参数组、耙头固定参数组、耙头冲水固定参数组均由挖泥船的技术规格书固定获取；

17、获取作业环境数据，作业环境数据包括土质参数，其中，所述土质参数包括土壤的类型、密度、含水量、硬度，土质参数通过对施工区域的地质勘察获取。

18、进一步的，所述数据采集模块，还包括：

19、时间间隔实时监测模块，用于实时监测实时工况数据和耙吸管工艺参数组中所包含的所有类型数据对应的采集时间间隔；

20、初始数据传输周期设置模块，用于根据所述工况数据和耙吸管工艺参数组中所包含的所有类型数据对应的采集时间间隔设置向所述数据处理模块进行数据传输的初始数据传输周期；

21、实时监测模块，用于实时监测包含所有类型数据完成一次单次数据采集所经历的实际时间长度；

22、比较模块，用于将所述包含所有类型数据完成一次单次数据采集所经历的实际时间长度与所述初始数据传输周期进行比较；

23、数据采集时间间隔变化率获取模块，用于当所述包含所有类型数据完成一次单次数据采集所经历的实际时间长度超多所述初始数据传输周期时，则提取每种数据类型的数据采集时间间隔变化率；

24、初始数据传输周期调整模块，用于根据所述每种数据类型的数据采集时间间隔变化率对所述初始数据传输周期进行实时调整，其中，调整后的初始数据传输周期；

25、其中，所述调整后的初始数据传输周期通过如下公式获取：

26、

27、其中，ht表示调整后的初始数据传输周期；hc表示初始数据传输周期；hs表示包含所有类型数据完成一次单次数据采集所经历的实际时间长度；p表示周期调节系数，并且，所述周期调节系数通过如下公式获取：

28、

29、其中，p表示周期调节系数；m表示采集时刻出现延后状况的数据类型的个数；pi表示第i个数据类型的数据延后时长比率；pz表示所有类型数据的数据采集时刻偏移量对应的平均偏移比例，并且，所述数据采集时刻偏移量包括采集时刻延后偏移和采集时刻前置偏移，当采集时刻延后偏移时，其对应的偏移比例为正值，当采集时刻前置偏时，其对应的偏移比例为负值。

30、进一步的，所述初始数据传输周期设置模块，还包括：

31、基准数据传输周期获取模块，用于根据所述工况数据和耙吸管工艺参数组中所包含的所有类型数据对应的采集时间间隔设置向所述数据处理模块进行数据传输的基准数据传输周期，其中，所述基准数据传输周期为能够包含所有类型数据完成一次单次数据采集的最小时间周期长度；

32、间隔最大值获取模块，用于提取所有类型数据对应的单次数据采集对应时刻之间的时间间距最大值；

33、最大偏差值获取模块，用于提取所述单次数据采集对应时刻之间的时间间距最大值对应的两个数据类型进行数据采集时所允许的数据采集时刻的最大偏差值；

34、周期时长补偿量获取模块，用于利用所述单次数据采集对应时刻之间的时间间距最大值对应的两个数据类型进行数据采集时所允许的数据采集时刻的最大偏差值获取周期时长补偿量；其中，所述周期时长补偿量通过如下公式获取：

35、

36、其中，hx表示周期时长补偿量；hmax表示所有类型数据对应的单次数据采集对应时刻之间的时间间距最大值；p01表示所述单次数据采集对应时刻之间的时间间距最大值对应的两个数据类型中，采集时刻在前的数据类型对应的数据采集时刻的最大偏差值；p02表示所述单次数据采集对应时刻之间的时间间距最大值对应的两个数据类型中，采集时刻在后的数据类型对应的数据采集时刻的最大偏差值；pz01表示所述单次数据采集对应时刻之间的时间间距最大值对应的两个数据类型中，采集时刻在前的数据类型对应的数据采集时间间隔；pz02表示所述单次数据采集对应时刻之间的时间间距最大值对应的两个数据类型中，采集时刻在后的数据类型对应的数据采集时间间隔；

37、初始数据传输周期获取执行模块，用于利用所述周期时长补偿量结合基准数据传输周期获取初始数据传输周期；其中，所述初始数据传输周期通过如下公式获取：

38、

39、其中，hc表示初始数据传输周期；h0表示基准数据传输周期；hx表示周期时长补偿量。

40、进一步的，所述数据处理模块，包括：

41、对采集到的实时运行状态数据进行清洗、滤波和标准化处理，去除关键参数中的噪声和干扰，将处理后的实时运行状态数据转换为统一格式。

42、进一步的，所述油耗预测模型模块，包括：

43、参数处理单元，用于：

44、构建产量模型框架，基于实时运行状态数据、作业环境数据以及船舶的静态信息获取生成产量曲线、切削深度曲线、耙头耙管主要受力曲线以及耙头活动罩力矩平衡数据；

45、油耗预测单元，用于：

46、基于产量曲线、切削深度曲线、耙头耙管主要受力曲线以及耙头活动罩力矩平衡数据提取关键特征，构建并训练油耗预测模型，基于油耗预测模型获得预测油耗值。

47、进一步的，所述参数处理单元，还用于：

48、输入耙吸管固定参数组、耙吸管工艺参数组以及土质参数，所述耙吸管固定参数组包括耙吸船固有的耙管长度、重量参数，所述耙吸管工艺参数组包括操作人员根据作业需要可调整的耙管角度、波浪补偿力及活动罩角度参数，对三点式吊放耙吸管系进行参数化建模；

49、计算步骤，设定一个初始对地速度，通过动态切削深度的迭代方法计算耙头耙管的受力平衡以及耙头与泥面的相对状态，当作用在耙管系统上的水平力大于推进器能提供的推力时，结束计算；

50、判断此时活动罩油缸的压力是否大于设定压力，如大于设定压力则收回一个活动罩角度，回到计算步骤进行迭代计算；

51、如不大于设定压力则计算该对地速度下的原位切削量；

52、判断当前对地速度是否达到设定的最大速度，如是结束计算；

53、否则，增加对地速度，回到计算步骤继续计算；

54、最终计算得到一个对地速度为横坐标，原位切削量为纵坐标的产量曲线。

55、进一步的，所述参数处理单元，还用于：

56、输入的耙吸管固定参数组，基于耙吸管固定参数组对三点式吊放耙吸管系进行参数化建模；

57、输入的耙头固定参数组，基于耙头固定参数组对单排耙齿主动耙头进行参数化建模；

58、输入的耙头冲水固定参数组，基于耙头冲水固定参数组对耙头上耐磨块冲水、耙齿冲水及活动罩冲水进行参数化建模；

59、输入的高压冲水泵曲线参数以及高压冲水管道特征，基于高压冲水泵曲线参数以及高压冲水管道特征计算高压冲水泵工作点以及喷嘴处的喷射压力速度；

60、搭建黏土和饱和砂土耐磨块处冲刷模型，基于耐磨块处冲刷模型计算冲刷深度和宽度；

61、搭建黏土和饱和砂土大小切削角切削模型，其中，饱和砂土切削模型中还包含了耙齿冲水对切削力的影响模型；

62、输入的工艺参数，基于工艺参数计算生成当前耙管耙头实时可视化状态；

63、基于产量模型框架计算，迭代计算出对地速度下的受力平衡及耙头动态状态；

64、迭代计算完成后，输出产量曲线、切削深度曲线、耙头耙管主要受力曲线以及耙头活动罩力矩平衡数据。

65、进一步的，所述油耗预测单元，还用于：

66、基于产量曲线、切削深度曲线、耙头耙管主要受力曲线以及耙头活动罩力矩平衡数据提取关键特征，所述关键特征包括平均产量、最大切削深度、耙头耙管受力峰值、活动罩力矩变化范围；

67、建立油耗与关键特征之间的油耗预测模型，基于线性回归拟合数据；

68、带入历史数据进入油耗预测模型，对油耗预测模型进行验证训练并根据验证结果调整模型参数；

69、当有新的工况数据时，将工况数据输入到模型中，得到预测油耗值，其中，所述工况数据包括新的产量、切削深度、受力情况。

70、与现有技术相比，本发明的有益效果是：

71、1.本发明系统通过实时收集和分析挖泥船的运行状态、作业环境和静态信息，能够准确预测油耗，并根据预测结果提供能效优化建议，这些建议包括调整主机转速、优化航行路线、改进疏浚工艺等，从而有效降低挖泥船的油耗，提高能效，降低运营成本，智能管理系统能够自动化处理大量数据，减少人工干预和错误判断，提高管理效率，同时，通过实时反馈和能效优化建议，系统能够帮助操作人员更好地掌握船舶状态，提高作业效率。

72、2.本发明基于产量模型框架的计算，系统能够迭代计算出不同对地速度下的受力平衡、耙头动态状态以及产量曲线等信息，这些信息能够为操作人员提供详细的作业指导，帮助他们制定更合理的作业计划，优化作业决策，油耗预测模型模块的输出结果可以作为能效优化建议模块的输入，用于生成更具体的能效优化建议，有助于提升挖泥船的能效管理水平，降低运营成本。

73、3.本发明通过从产量曲线、切削深度曲线、耙头耙管主要受力曲线以及耙头活动罩力矩平衡数据中提取关键特征，如平均产量、最大切削深度、耙头耙管受力峰值、活动罩力矩变化范围等，这些关键特征能够准确反映挖泥船的工作状态，进而为油耗预测提供可靠的数据基础，从而提高油耗预测的准确性，油耗预测模型能够实时接收新的工况数据，包括新的产量、切削深度、受力情况等，并基于这些数据进行实时预测，使得系统能够实时监控挖泥船的油耗情况，为操作人员提供及时的数据支持，帮助他们在操作过程中优化能耗。

技术特征：

1.基于油耗预测模型的挖泥船能效优化智能管理系统，其特征在于，包括：

2.如权利要求1所述的基于油耗预测模型的挖泥船能效优化智能管理系统，其特征在于，所述数据采集模块，还包括：

3.如权利要求2所述的基于油耗预测模型的挖泥船能效优化智能管理系统，其特征在于，所述初始数据传输周期设置模块，还包括：

4.如权利要求3所述的基于油耗预测模型的挖泥船能效优化智能管理系统，其特征在于，所述数据采集模块，还包括：

5.如权利要求1所述的基于油耗预测模型的挖泥船能效优化智能管理系统，其特征在于，所述数据处理模块，包括：

6.如权利要求1所述的基于油耗预测模型的挖泥船能效优化智能管理系统，其特征在于，所述油耗预测模型模块，包括：

7.如权利要求6所述的基于油耗预测模型的挖泥船能效优化智能管理系统，其特征在于，所述参数处理单元，还用于：

8.如权利要求7所述的基于油耗预测模型的挖泥船能效优化智能管理系统，其特征在于，所述参数处理单元，还用于：

9.如权利要求6所述的基于油耗预测模型的挖泥船能效优化智能管理系统，其特征在于，所述油耗预测单元，还用于：

技术总结
本发明公开了基于油耗预测模型的挖泥船能效优化智能管理系统，属于船舶工程技术技术领域。为解决油耗预测准确性低以及运营成本控制不便的问题，系统通过实时收集和分析挖泥船的运行状态、作业环境和静态信息，基于产量模型框架的计算，迭代计算出不同对地速度下的受力平衡、耙头动态状态以及产量曲线等信息，作为能效优化建议模块的输入，准确反映挖泥船的工作状态，进而为油耗预测提供可靠的数据基础，从而提高油耗预测的准确性，油耗预测模型能够实时接收新的工况数据，并基于这些数据进行实时预测，使得系统能够实时监控挖泥船的油耗情况，为操作人员提供及时的数据支持，有效降低挖泥船的油耗，提高能效，降低运营成本。

技术研发人员：李夏,焦鹏,侍健,张启亮,童荣彬,周子琛,杨春雷,陈昌,康恺宁,王惠泽
受保护的技术使用者：中港疏浚有限公司
技术研发日：
技术公布日：2024/12/5