本發(fā)明涉及船舶工程技術，特別涉及基于油耗預測模型的挖泥船能效優(yōu)化智能管理系統(tǒng)。

背景技術：

1、挖泥船是專門用于挖掘水下泥沙、礫石等沉積物的工程船舶，它在航道疏浚、港口建設、水利工程和海洋工程中扮演著重要角色。挖泥船有多種類型，如耙吸式、絞吸式、鏈斗式等，每種類型都根據其工作原理和特點適用于不同的工作環(huán)境。挖泥船不僅具有高效的疏浚能力，能適應各種水域和工況下的挖掘作業(yè)，而且環(huán)保性能好，能避免對水域造成過大的擾動和污染。隨著技術的發(fā)展，現代挖泥船還采用了先進的自動化控制系統(tǒng)和智能傳感器等技術，實現了挖掘過程的自動化和智能化，提高了工作效率和安全性。在對挖泥船進行使用時，往往需要考慮其能耗。

2、而在實際的操作中還存在以下問題：

3、傳統(tǒng)方法往往基于經驗或簡單的數學模型進行油耗預測，準確性有限，同時依賴于人工經驗和定期維護，缺乏實時性和針對性，從而使得挖泥船燃油消耗高，難以有效控制運營成本。

技術實現思路

1、本發(fā)明的目的在于提供基于油耗預測模型的挖泥船能效優(yōu)化智能管理系統(tǒng)，以解決上述背景技術中提出的問題。

2、為實現上述目的，本發(fā)明提供如下技術方案：基于油耗預測模型的挖泥船能效優(yōu)化智能管理系統(tǒng)，包括：

3、數據采集模塊，用于：

4、采集挖泥船的實時運行狀態(tài)數據、作業(yè)環(huán)境數據以及船舶的靜態(tài)信息；

5、數據處理模塊，用于：

6、對采集到的原始數據進行預處理；

7、油耗預測模型模塊，用于：

8、基于機器學習算法，利用歷史數據和實時數據訓練油耗預測模型，所述油耗預測模型用于根據當前船舶狀態(tài)和作業(yè)環(huán)境預測未來的油耗情況；

9、能效優(yōu)化建議模塊，用于：

10、根據油耗預測模型的輸出結果，結合船舶的實際作業(yè)需求，為挖泥船提供能效優(yōu)化建議，所述能效優(yōu)化建議包括調整主機轉速、優(yōu)化航行路線、改進疏浚工藝；

11、用戶交互模塊，用于：

12、提供用戶界面，用戶通過用戶界面查看實時數據、能效優(yōu)化建議以及系統(tǒng)運行狀態(tài)，同時，用戶通過用戶交互模塊對系統(tǒng)進行參數設置和配置。

13、進一步的，所述數據采集模塊，包括：

14、采集實時運行狀態(tài)數據，實時運行狀態(tài)數據包括實時工況數據、耙吸管工藝參數組，其中，所述耙吸管工藝參數組通過挖泥船的自動化控制系統(tǒng)以及儀表監(jiān)測設備實時獲取。

15、進一步的，所述數據采集模塊，還包括：

16、獲取船舶的靜態(tài)信息，所述船舶的靜態(tài)信息包括耙吸管固定參數組、耙頭固定參數組、耙頭沖水固定參數組，其中，所述耙吸管固定參數組、耙頭固定參數組、耙頭沖水固定參數組均由挖泥船的技術規(guī)格書固定獲??；

17、獲取作業(yè)環(huán)境數據，作業(yè)環(huán)境數據包括土質參數，其中，所述土質參數包括土壤的類型、密度、含水量、硬度，土質參數通過對施工區(qū)域的地質勘察獲取。

18、進一步的，所述數據采集模塊，還包括：

19、時間間隔實時監(jiān)測模塊，用于實時監(jiān)測實時工況數據和耙吸管工藝參數組中所包含的所有類型數據對應的采集時間間隔；

20、初始數據傳輸周期設置模塊，用于根據所述工況數據和耙吸管工藝參數組中所包含的所有類型數據對應的采集時間間隔設置向所述數據處理模塊進行數據傳輸的初始數據傳輸周期；

21、實時監(jiān)測模塊，用于實時監(jiān)測包含所有類型數據完成一次單次數據采集所經歷的實際時間長度；

22、比較模塊，用于將所述包含所有類型數據完成一次單次數據采集所經歷的實際時間長度與所述初始數據傳輸周期進行比較；

23、數據采集時間間隔變化率獲取模塊，用于當所述包含所有類型數據完成一次單次數據采集所經歷的實際時間長度超多所述初始數據傳輸周期時，則提取每種數據類型的數據采集時間間隔變化率；

24、初始數據傳輸周期調整模塊，用于根據所述每種數據類型的數據采集時間間隔變化率對所述初始數據傳輸周期進行實時調整，其中，調整后的初始數據傳輸周期；

25、其中，所述調整后的初始數據傳輸周期通過如下公式獲取：

26、

27、其中，ht表示調整后的初始數據傳輸周期；hc表示初始數據傳輸周期；hs表示包含所有類型數據完成一次單次數據采集所經歷的實際時間長度；p表示周期調節(jié)系數，并且，所述周期調節(jié)系數通過如下公式獲?。?/p>

28、

29、其中，p表示周期調節(jié)系數；m表示采集時刻出現延后狀況的數據類型的個數；pi表示第i個數據類型的數據延后時長比率；pz表示所有類型數據的數據采集時刻偏移量對應的平均偏移比例，并且，所述數據采集時刻偏移量包括采集時刻延后偏移和采集時刻前置偏移，當采集時刻延后偏移時，其對應的偏移比例為正值，當采集時刻前置偏時，其對應的偏移比例為負值。

30、進一步的，所述初始數據傳輸周期設置模塊，還包括：

31、基準數據傳輸周期獲取模塊，用于根據所述工況數據和耙吸管工藝參數組中所包含的所有類型數據對應的采集時間間隔設置向所述數據處理模塊進行數據傳輸的基準數據傳輸周期，其中，所述基準數據傳輸周期為能夠包含所有類型數據完成一次單次數據采集的最小時間周期長度；

32、間隔最大值獲取模塊，用于提取所有類型數據對應的單次數據采集對應時刻之間的時間間距最大值；

33、最大偏差值獲取模塊，用于提取所述單次數據采集對應時刻之間的時間間距最大值對應的兩個數據類型進行數據采集時所允許的數據采集時刻的最大偏差值；

34、周期時長補償量獲取模塊，用于利用所述單次數據采集對應時刻之間的時間間距最大值對應的兩個數據類型進行數據采集時所允許的數據采集時刻的最大偏差值獲取周期時長補償量；其中，所述周期時長補償量通過如下公式獲?。?/p>

35、

36、其中，hx表示周期時長補償量；hmax表示所有類型數據對應的單次數據采集對應時刻之間的時間間距最大值；p01表示所述單次數據采集對應時刻之間的時間間距最大值對應的兩個數據類型中，采集時刻在前的數據類型對應的數據采集時刻的最大偏差值；p02表示所述單次數據采集對應時刻之間的時間間距最大值對應的兩個數據類型中，采集時刻在后的數據類型對應的數據采集時刻的最大偏差值；pz01表示所述單次數據采集對應時刻之間的時間間距最大值對應的兩個數據類型中，采集時刻在前的數據類型對應的數據采集時間間隔；pz02表示所述單次數據采集對應時刻之間的時間間距最大值對應的兩個數據類型中，采集時刻在后的數據類型對應的數據采集時間間隔；

37、初始數據傳輸周期獲取執(zhí)行模塊，用于利用所述周期時長補償量結合基準數據傳輸周期獲取初始數據傳輸周期；其中，所述初始數據傳輸周期通過如下公式獲取：

38、

39、其中，hc表示初始數據傳輸周期；h0表示基準數據傳輸周期；hx表示周期時長補償量。

40、進一步的，所述數據處理模塊，包括：

41、對采集到的實時運行狀態(tài)數據進行清洗、濾波和標準化處理，去除關鍵參數中的噪聲和干擾，將處理后的實時運行狀態(tài)數據轉換為統(tǒng)一格式。

42、進一步的，所述油耗預測模型模塊，包括：

43、參數處理單元，用于：

44、構建產量模型框架，基于實時運行狀態(tài)數據、作業(yè)環(huán)境數據以及船舶的靜態(tài)信息獲取生成產量曲線、切削深度曲線、耙頭耙管主要受力曲線以及耙頭活動罩力矩平衡數據；

45、油耗預測單元，用于：

46、基于產量曲線、切削深度曲線、耙頭耙管主要受力曲線以及耙頭活動罩力矩平衡數據提取關鍵特征，構建并訓練油耗預測模型，基于油耗預測模型獲得預測油耗值。

47、進一步的，所述參數處理單元，還用于：

48、輸入耙吸管固定參數組、耙吸管工藝參數組以及土質參數，所述耙吸管固定參數組包括耙吸船固有的耙管長度、重量參數，所述耙吸管工藝參數組包括操作人員根據作業(yè)需要可調整的耙管角度、波浪補償力及活動罩角度參數，對三點式吊放耙吸管系進行參數化建模；

49、計算步驟，設定一個初始對地速度，通過動態(tài)切削深度的迭代方法計算耙頭耙管的受力平衡以及耙頭與泥面的相對狀態(tài)，當作用在耙管系統(tǒng)上的水平力大于推進器能提供的推力時，結束計算；

50、判斷此時活動罩油缸的壓力是否大于設定壓力，如大于設定壓力則收回一個活動罩角度，回到計算步驟進行迭代計算；

51、如不大于設定壓力則計算該對地速度下的原位切削量；

52、判斷當前對地速度是否達到設定的最大速度，如是結束計算；

53、否則，增加對地速度，回到計算步驟繼續(xù)計算；

54、最終計算得到一個對地速度為橫坐標，原位切削量為縱坐標的產量曲線。

55、進一步的，所述參數處理單元，還用于：

56、輸入的耙吸管固定參數組，基于耙吸管固定參數組對三點式吊放耙吸管系進行參數化建模；

57、輸入的耙頭固定參數組，基于耙頭固定參數組對單排耙齒主動耙頭進行參數化建模；

58、輸入的耙頭沖水固定參數組，基于耙頭沖水固定參數組對耙頭上耐磨塊沖水、耙齒沖水及活動罩沖水進行參數化建模；

59、輸入的高壓沖水泵曲線參數以及高壓沖水管道特征，基于高壓沖水泵曲線參數以及高壓沖水管道特征計算高壓沖水泵工作點以及噴嘴處的噴射壓力速度；

60、搭建黏土和飽和砂土耐磨塊處沖刷模型，基于耐磨塊處沖刷模型計算沖刷深度和寬度；

61、搭建黏土和飽和砂土大小切削角切削模型，其中，飽和砂土切削模型中還包含了耙齒沖水對切削力的影響模型；

62、輸入的工藝參數，基于工藝參數計算生成當前耙管耙頭實時可視化狀態(tài)；

63、基于產量模型框架計算，迭代計算出對地速度下的受力平衡及耙頭動態(tài)狀態(tài)；

64、迭代計算完成后，輸出產量曲線、切削深度曲線、耙頭耙管主要受力曲線以及耙頭活動罩力矩平衡數據。

65、進一步的，所述油耗預測單元，還用于：

66、基于產量曲線、切削深度曲線、耙頭耙管主要受力曲線以及耙頭活動罩力矩平衡數據提取關鍵特征，所述關鍵特征包括平均產量、最大切削深度、耙頭耙管受力峰值、活動罩力矩變化范圍；

67、建立油耗與關鍵特征之間的油耗預測模型，基于線性回歸擬合數據；

68、帶入歷史數據進入油耗預測模型，對油耗預測模型進行驗證訓練并根據驗證結果調整模型參數；

69、當有新的工況數據時，將工況數據輸入到模型中，得到預測油耗值，其中，所述工況數據包括新的產量、切削深度、受力情況。

70、與現有技術相比，本發(fā)明的有益效果是：

71、1.本發(fā)明系統(tǒng)通過實時收集和分析挖泥船的運行狀態(tài)、作業(yè)環(huán)境和靜態(tài)信息，能夠準確預測油耗，并根據預測結果提供能效優(yōu)化建議，這些建議包括調整主機轉速、優(yōu)化航行路線、改進疏浚工藝等，從而有效降低挖泥船的油耗，提高能效，降低運營成本，智能管理系統(tǒng)能夠自動化處理大量數據，減少人工干預和錯誤判斷，提高管理效率，同時，通過實時反饋和能效優(yōu)化建議，系統(tǒng)能夠幫助操作人員更好地掌握船舶狀態(tài)，提高作業(yè)效率。

72、2.本發(fā)明基于產量模型框架的計算，系統(tǒng)能夠迭代計算出不同對地速度下的受力平衡、耙頭動態(tài)狀態(tài)以及產量曲線等信息，這些信息能夠為操作人員提供詳細的作業(yè)指導，幫助他們制定更合理的作業(yè)計劃，優(yōu)化作業(yè)決策，油耗預測模型模塊的輸出結果可以作為能效優(yōu)化建議模塊的輸入，用于生成更具體的能效優(yōu)化建議，有助于提升挖泥船的能效管理水平，降低運營成本。

73、3.本發(fā)明通過從產量曲線、切削深度曲線、耙頭耙管主要受力曲線以及耙頭活動罩力矩平衡數據中提取關鍵特征，如平均產量、最大切削深度、耙頭耙管受力峰值、活動罩力矩變化范圍等，這些關鍵特征能夠準確反映挖泥船的工作狀態(tài)，進而為油耗預測提供可靠的數據基礎，從而提高油耗預測的準確性，油耗預測模型能夠實時接收新的工況數據，包括新的產量、切削深度、受力情況等，并基于這些數據進行實時預測，使得系統(tǒng)能夠實時監(jiān)控挖泥船的油耗情況，為操作人員提供及時的數據支持，幫助他們在操作過程中優(yōu)化能耗。