史辉
西门子能源有限公司 上海 200082
【摘要】本论文阐述了某型船舶智能管理系统的设计开发过程，包括系统拓扑结构，功能模块，以及操作步骤。重点是人工智能（AI）模型，专家系统，工单模块，维护模块等重要模块的介绍。
【关键词】船舶智能管理系统，人工智能（AI）模型，专家系统，工单模块，维护模块，西门子PCS7平台，船舶自动化系统。
第1章 船舶智能管理系统概述
船舶行业越来越向数字化和智能化方向发展，特别是一些综合电力推进船舶，其自动化水平本身就很高，如何进一步提高船舶运营效率，提升船舶操控的实时性以及船员工作的舒适性，数字化和智能化是必然方向。
1.1 船舶数字化智能化现状
船舶数字化和智能化的动力来源于内在和外在几个因素，第一，国际和国内海洋保护法律法规的健全需要船舶运行更加环保；第二，全球性经济增长缓慢需要船舶运营更加经济；第三，科技的发展特别是互联网，大数据，人工智能等新兴学科向传统行业渗透，为船舶行业的数字化和智能化提供了内在动力。
根据一些科研机构和业内领先公司的研究分类，船舶的智能化发展周期一般分为5个阶段，
第一阶段，船舶实现自动化，船员能够在船舶集中控制处所监视运行状态，操作船舶。
第二阶段，自动化基础上的决策支持。
第三阶段，岸基运营中心半自动控制。
第四阶段，状态感知，自动控制。
第五阶段，全船自治。
我国在船舶数字化和智能化方面进行了大胆尝试并取得了较大进展，比如2017年底，中船集团自主研制的全球第一艘智能散货船“大智号”在上海交付；2018年，外高桥船厂为招商局建造的40万吨智能超大型矿砂船（VLOC）“明远号”在上海交付。
1.2 船级社对智能船舶入籍规范的定义
船级社作为船舶检验第三方机构，也非常重视智能船舶相关入籍规范的研究和制定，目前中国船级社（简称CCS）和挪威船级社（简称DNV-GL）都对智能船舶做出了较为详细的规定。
中国船级社将智能船舶加i-Ship符号并细分为8个方面，Ai-自主操作；Ri-远程控制；Nx-智能航行；Hx-智能船体；Mx-智能机舱；Ex-智能能效管理；Cx-智能货物管理；I-智能集成平台。
挪威船级社将智能船舶加SmartShip符号，表示4个方面的增强，OE-操作性增强；PE-性能增强；RSE-可靠性和安全性增强；CME-状态监视能力增强。
1.3 船舶数字化智能化的技术关键
船舶数字化和智能化是在工业技术基础上，引入互联网，大数据，人工智能等新兴技术，充分融合发展起来的。由于涉及的学科和范围很广，技术关键点也较多。
第一，传感器技术是基础。作为船舶外壳及各系统的终端感知和执行单元，传感器需要监视生产过程的各个参数并执行控制器发出的相关指令。传感器既有普通的监视温度，压力，流量等的传感器，也有监视轴承高频震动信号的加速度电压信号传感器等特殊传感器。
第二，可编程控制器（PLC）和现场数据传输是关键。目前PLC性能有了很大提升，特别是欧美一些主流产品都能用高级语言编写复杂的逻辑功能；而现场数据传输技术发面，随着Profibus，Profinet，Modbus等总线协议的应用，使大量现场数据的实时传输成为了可能。
第三，互联网技术是契机。互联网技术为船舶与岸基管理中心大带宽互联提供了解决方案。
第四，大数据和人工智能技术是引领。大数据分析能够从海量船舶运行数据中提炼出有价值的信息，人工智能在此基础上给出预测结果，从而实现船舶的智能化。
总之，处理好以上技术关键点才能设计开发出实用的船舶数字化和智能化系统。
第2章 某型船舶智能管理系统的构架和功能
本型船舶智能管理系统着眼于整体解决方案，包含了人工智能（AI）模块，数学分析算法模块，专家系统，远程诊断系统，工单以及维护系统等子模块。如下是系统框图。
在系统框图的基础上，接下来我们介绍本型船舶智能管理系统的重要模块。
2.1 人工智能（AI）模块
本型船舶智能管理系统的人工智能（AI）模块使用了支持向量机（SVM）和高斯混合（GMM）等算法，人工智能模块一般用于非高频采样信号如温度，压力，电压等。
SVM主要应用于能够清楚划分输入测点和输出测点并且理解测点之间相互关系的情况，比如我们比较清楚的了解船舶主发电机三相绕组温度和功率正相关并且功率信号是输入测点而绕组温度是输出测点，那么这个模型应该使用SVM。
GMM主要应用于模型中测点信号关系不明确的情况，比如对于养鱼工船项目中的养鱼模型，我们只是大体知道鱼苗的生长与海域水文特征，饲料投放，天气情况等因素有关系，并且还需要在模型运行过程中不断优化，那么这个模型应该使用GMM。
以发电机驱动端轴承温度模型为例，其预测报警曲线如下，
第一，红线为实际值，蓝线为预测值，黄线为残差值。
第二，在区域<1>已经出现实际值和预测值的偏离趋势；在区域<2>出现了较为明显的实际值和预测值的偏离，预测报警持续出现；区域<3>实际值和预测值的偏离持续扩大，后期实际值飙升后甚至会触发自动化系统的高温报警。
第三，图中箭头覆盖区域即是主动维护窗口期，在此区域内自动化系统尚未触发高限报警，预测模型已经给出了预测报警。
2.2数学分析（旋转设备震动频谱）模块
对于一些重要旋转设备，如推进电机，柴油机，压载泵等需要监测轴承震动并精确预估旋转部件寿命的情况，这就需要轴承震动频谱分析模块了。
轴承震动频谱分析的原理是在旋转设备上安装加速度电压型震动传感器，由于震动信号需要高频采集，需要就近部署高频采集模块来采集并缓存带时间戳的震动信号，采集模块通过以太网（远距离可以转换为光纤）将数据传输到服务器，服务器上的震动分析软件会对数据进行变换（如傅里叶数学变换等）和分析从而得到轴承震动的时域图，频谱图等，然后就可以较为精确的判断轴承的当前状态及其使用周期等情况。
2.3 专家数据库模块
船舶在操作运营过程中经常会出现预警，警报等提示，这些提示经常是来自不同子系统，船舶的子系统和分设备非常多并且通常由不同的供应商提供，这就需要船员查询不同供应商的图纸，手册来查找问题，费时费力但效果不佳。
专家数据库模块是预先根据行业专家经验和知识，列出可能的故障情况，并完善如下信息，
第一，赋予诊断编号，这是专家数据库条目与报警关联的关键字。
第二，简述报警原因，并估计报警严重程度和影响范围。
第三，选择报警类型，是预测报警，故障报警，规则报警还是变频器故障代码报警。
第四，需要详细并且逐条描述处理的操作步骤，这一步需要行业专家根据产品手册和设计调试经验给出，需要花费大量的人力和时间。
2.4 远程诊断以及网络安全模块
随着船舶网络带宽提速以及网络技术发展，船舶航行过程中远程诊断软硬件故障也具有了可行性。本型船舶智能管理系统具有远程诊断模块，并且能够严格保证网络安全。
其原理是在得到客户远程诊断需求并且得到远程访问允许的情况下，船上的维护站通过防火墙以虚拟专用网络（VPN）信道的方式连接到我方办公室服务器，工程师使用客户端访问服务器，从而在线船上控制系统检查故障。
下图是远程诊断模块运行界面，
2.5 工单模块和维护模块
工单模块和维护模块都是为了方便船员操作和维护系统设备，并有序安排和记录相关信息。
工单模块的原理如下，系统出现了报警，操作员选择处理报警并指定负责人，由于船上操作人员实行轮班制度，负责人可能是操作员自己或下一个班次同事。工单模块会根据专家数据库内容链接到诊断信息，同时给出影响范围，严重程度等信息，还会显示专家数据库中录入好的操作步骤，操作员就不必查阅大量手册等信息而直接能够得到简洁明了的操作步骤。同时操作员也可根据自己的经验对已有的操作步骤等决策支持信息进行完善，完善后的信息会同步到专家数据库中。如果操作员本班次没有处理完毕某个工单，则这条工单会继续显示给下一个班次的同事，这样也减轻了操作人员班次交接的工作负荷。下图是工单列表示意图，
船舶设备系统种类繁多，数量庞大，通常由不同供应商提供，这些设备的维护保养周期和操作步骤各不相同，给操作人员造成了很大工作负担。维护模块的原理是，将各个设备的维护周期和操作步骤预先录入到专家数据库中，维护模块按照一定的时间段（比如1周，1个月等）显示需要做的维护工作，并且在维护工作详情中显示操作步骤和注意事项等信息。
第3章 某型船舶智能管理系统的配置步骤
本型船舶智能管理系统是模块化设计，即将各个功能模块化，即互相独立又有机融合，这样有利于系统敏捷开发和功能扩展。本章节我们主要讲解系统的配置步骤，
3.1 设备和信号点的导入
数据是数字化的基础，本型船舶智能管理系统是通过单元化和层级来管理数据的，即每一个信号点都属于一个设备单元，比如“1号发电机U相绕组温度”，“1号发电机轴承驱动端温度”，“1号发电机冷却水进口压力”等信号点都是属于“1号发电机”设备单元的；同时每一个层级又包含若干设备单元，比如“配电系统”层级包含“1号发电机”，“2号发电机”，“左舷日用变压器”等设备单元。通过这样的数据管理，非常方便操作人员查找报警，信号等信息，也方便后台管理数据。
设备和信号点导入是本系统配置的第一步，下图分别是设备和信号的导入列表示意图，
如上图所示，在设备和信号点的导入阶段，已经充分考虑到数据之间的相互关联。
3.2 录入专家数据
专家数据是行业专家和行业公司的技术，经验等核心知识的积累，也是本型船舶智能管理系统的核心知识产权。专家数据首先导入到系统之中，下图是专家数据导入的示意图，
在系统运行过程中，操作人员以及服务工程师都是可以不断优化和添加专家数据库内容，并且经过一段时间的运行系统中的专家数据库也是可以导出固化的，这也是本型船舶智能管理系统不断优化和发展的方向之一。
3.3 建立和训练人工智能（AI）模型
首先我们需要根据设备单元的特性（包括电气方面，机械方面或者工艺方面）来决定建立何种模型，比如对于船舶发电机，我们建立了“3相绕组温度和功率的模型”，“”轴承双侧温度和转速的模型，“冷热空气温度和功率的模型”等几个模型。
然后我们需要选择正常的数据给模型进行学习，注意在这个过程中要仔细剔除非正常时间段的数据，比如故障阶段，报警阶段的数据都不能要。模型训练的的示意图如下图，
之后我们就可以运行模型，人工智能（AI）模型会根据之前的训练结果对当前值进行预测并在实际值和预测值偏差过大的时候报警。
如果出现预测不准确的情况，我们可以使用新的数据继续训练模型，这也是一个持续学习的过程。模型的运行图请见2.1章节。
3.4 配置系统
第一步，在设备单元和信号点导入的基础上，配置系统的层级，并将设备和信号分配给各个层级。比如可以分为“驱动系统”，“配电系统”，“压载系统”等层级。
第二步，配置系统需要启用的模块，注意这个过程由客户按需要购买相应授权，启用模块的数量也是决定系统价格的重要因素。另外，还可以在这个界面设置概览面板中显示的仪表盘数量和连接的信号等内容。
第三步，分别进行预测报警，故障报警，规则报警，故障代码报警的信号绑定到专家数据。
然后，系统即可基本正常运行，比如产生报警，创建工单，处理工单等。
第4章 某型船舶智能管理系统的总结和展望
本型船舶智能管理系统的特点总结如下，
第一，引入人工智能（AI）模型，具有自学习，预诊断功能。
第二，具有专家系统，并且会不断优化升级专家数据。
第三，包括远程诊断（RDS）模块，在得到船东允许的情况下，能够在线诊断船上软硬件系统。
第四，与本公司的机舱监控报警系统能够有机结合，减少客户集成不同系统的挑战和风险。
同时，本船舶智能管理系统还在不断更新，优化和增加功能模块，目前二期开发计划如下，
第一，继续完善能耗管理模块。
第二，增加船舶航行航线优化模块。
第三，优化软件，降低硬件资源占用率。
总体来讲，本型船舶智能管理系统的架构具有模块丰富，扩展性强，适用面广等特点；在实施部署阶段具有软硬件可靠，易调试维护等特点；在使用阶段具有界面友好，操作方便等特点。因此能够在实际项目中给客户带来实实在在的效益。
【参考文献】
《船舶电气设备及系统》，史际昌主编，大连海事大学出版社
《数字化—引领人工智能时代的商业革命》，冯国华，尹靖，伍斌著，清华大学出版社
《SQL必知必会》，钟鸣，刘晓霞译，人民邮电出版社
《Python零基础入门与实战》，王启明，罗从良著，清华大学出版社