(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 202210812371.4 (22)申请日 2022.07.11 (71)申请人 江苏科技大学 地址 212100 江苏省镇江市丹徒区长晖路 666号 (72)发明人 杨奕飞　房嘉诚　叶树霞　袁伟　 齐亮　苏贞　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 专利代理师 徐澍 (51)Int.Cl. G06F 30/20(2020.01) G06K 9/62(2022.01) G01M 15/14(2006.01) G06F 111/04(2020.01)G06F 111/08(2020.01) G06F 111/10(2020.01) (54)发明名称 一种基于数字孪生的船用发动机故障诊断 方法 (57)摘要 本发明公开了一种基于数字孪生的船用发 动机故障诊断方法， 具体步骤如下： 步骤1： 构建 船舶数字孪生模型； 步骤2： 将传感器采集数据与 故障仿真数据通过拓展卡尔曼滤波进行融合， 作 为训练集样 本； 步骤3： 通过增加步长可变因子的 LMS算法构建发动机故障诊断模型； 步骤4： 通过 训练集样 本对发动机故障诊断模 型进行训练， 完 成发动机故障诊断模型的训练； 步骤5： 将实时传 感器数据传入发动机故障诊断模型对发动机故 障进行诊断， 反馈发动机故障类型、 故障参数； 步 骤6： 通过船舶数字孪生模型对反馈的发动机故 障类型、 故障参数进行显示。 本发明通过改进的 故障诊断方法结合数字孪生系统， 使得故障诊断 效率、 准确性 提高， 实现故障可视化。 权利要求书1页 说明书6页 附图2页 CN 115329536 A 2022.11.11 CN 115329536 A 1.一种基于数字 孪生的船用发动机故障诊断方法， 其特 征在于， 包括如下步骤： 步骤1： 通过发动机的空间物理模型、 动态 的性能模型以及船舶外界环境参数， 构建船 舶数字孪生模型； 步骤2： 将传感器采集数据与故障仿真数据通过拓展卡尔曼滤波进行融合， 作为船用发 动机故障诊断模型的训练集样本； 步骤3： 通过增 加步长可变因子的LMS算法构建发动机故障诊断模型； 步骤4： 通过训练集样本对发动机故障诊断模型进行训练， 完成发动机故障诊断模型的 训练； 步骤5： 将 实时传感器数据传入发动机故障诊断模型对发动机故障进行诊断， 反馈发动 机故障类型、 故障参数； 步骤6： 通过 船舶数字 孪生模型对反馈的发动机故障类型、 故障参数进行显示。 2.如权利要求1所述的基于数字孪生的船用发动机故障诊断方法， 其特征在于， 所述步 骤3中， 步长可变因子的LMS算法的公式如下： 其中， e(n)为 n时刻的瞬时误差； μ(n)为加入的步长可变因子 。 3.如权利要求1所述的基于数字孪生的船用发动机故障诊断方法， 其特征在于， 所述步 骤3中， 步长可变因子的LMS算法的公式如下： 其中， μ为防止算法失衡的固定收敛因子； γ为大于等于1的整数， 作为可变系数。 4.如权利要求1所述的基于数字孪生的船用发动机故障诊断方法， 其特征在于， 所述步 骤3中， 在构建发动机故障诊断模型过程中， 选取 交叉熵损失函数对发动机故障诊断模型的 训练阶段是否完成进行判断， 当交叉熵损失函数 的变化率小于预设值时， 发动机故障诊断 模型训练完成。 5.如权利要求4所述的基于数字孪生的船用发动机故障诊断方法， 其特征在于， 所述预 设值为0.1。权　利　要　求　书 1/1 页 2 CN 115329536 A 2一种基于数字孪生的船用发动机故障诊断方 法 技术领域 [0001]本发明涉及船用发动机技术领域， 具体涉及一种基于数字孪生的船用发动机故障 诊断方法。 背景技术 [0002]数字孪生概念近些年被应用在智能船舶全生命周期的管理上， 从智能船舶的思路 构建、 图纸设计、 制造优化、 健康管理、 智能诊断、 维护保养的流程上五维数字孪生模型提供 了思路指导。 进一步的， 在后 期船舶本身正式投入使用后， 如何把数字孪生领域技术应用到 具体的智能船舶的发动机以方便实现船用发动机的智能运维， 因此显得十分的重要， 也是 数字孪生领域在船用发动机再应用的显著创新 点。 [0003]我国故障诊断技术经历了检修人员对声、 光、 热、 压力的经验式诊断到后来的分析 热力参数法、 机身振动信号分析法、 测量瞬时转速法再到现在的基于数据驱动的故障诊断。 在船舶发动机运行过一段时间不可避免的会发生故障， 为了减少财产损失、 避免重大事故 的发生， 因此在船用发动机后期 需要一种创新且有效的基于数据驱动的故障诊断方法， 也 是保障发动机健康运营的核心问题。 [0004]针对以上的技 术背景， 仍然存在以下问题： [0005]一、 苏州昆山市莱士阁工业科技有限公司(周凯， 王超峰， 邓毅， 杜明利， 应豪杰， 周 祥.一种数字孪生系统[P]： CN  112507569  A)提出了大型系统数字孪生的构建框架， 但如何 对船用发动机物理实体进 行数字孪生建模描述以达到高保真、 多维度并且进 行虚实交互成 为国内所面临的问题。 [0006]二、 国内许多船舶企业、 公司(冯嘉钿， 于诚， 张夏晟， 贺胜晖， 林宇航， 肖艺颖.一种 面向船舶生产制造设备的数据采集分析方法[P]:CN  113191916A)针对船舶设备以及发动 机的相关数据多通过传感器进 行数据采集， 通过改进设备的采集技术提高数据的准确性与 合理性， 缺点： 数据量少、 数据来源单一、 噪声干扰大、 不具有代表性， 需要一种创新性针对 船用发动机数据多渠道获取办法既能提高数据的可靠性、 降低数据的噪声 又能提高数据的 解释性、 直观性。 [0007]三、 内蒙古电力公司和国内的科研院所(李荣丽， 胡宏彬， 周磊， 张谦.一种基于主 成分分析法的风机风速软测量方法[P]： CN  112329344  A)是通过主成分分析法进行数据预 处理， 缺点： 降低维度后有效数据信息缺 失、 降低维度后数据可解释性变差。 基于上述两点， 需要一种创新性针对船用发动机数据预处理的方法能够最大程度保留有效且具代表性数 据集。 [0008]四、 传统的深度信念神经 网络被应用于地震信号的监测(中国矿业大学北京.基于 深度信念神经网络的微震信号到时自动拾取方法[P]:CN201610741484.4.)， 容易出现过拟 合与训练时间过长 问题， 因而针对解决过拟合与提升训练速度最短时间内寻找最优解， 需 要一种优化后的神经网络， 实现提升对船用发动机进行故障诊断的效率、 准确率。说　明　书 1/6 页 3 CN 115329536 A 3