大型船舶动力系统故障预测理论与健康管理技术

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61633001
  • 项目类别：
    重点项目
  • 资助金额：
    260.0万
  • 负责人：
    杨莹
  • 依托单位：
    北京大学
  • 学科分类：
    F0301.控制理论与技术
  • 结题年份：
    2021
  • 批准年份：
    2016
  • 项目状态：
    已结题
  • 起止时间：
    2017-01-01 至2021-12-31

项目摘要

Closely around the national maritime power strategy, this project focuses on safe and reliable operation and green energy saving of large vessels. Multi-level set of key performance indicators of large marine power systems are proposed as well as the related modeling, evaluation and prediction methods. More specifically, our main research contents will shed light on: Monitoring the global states of marine power systems and building the key performance indicators (KPIs); Model based/data driven KPI evaluation and fault prognosis of marine power systems; Fault diagnosis and coordinate control of marine power systems; Task-oriented optimization of health management of marine power systems and some industrial applications. With regard to these aspects, the key scientific issues we intend to focus on will be the mapping of typically degraded modes of marine power systems and KPIs, data driven modeling of KPI evaluation and prediction under varying environmental conditions, maintenance decision design of marine power systems based on KPIs. The study will provide the theoretical basis and technical support for the safe operation control and independent security of large vessels as the representative of advanced complex industrial systems.
本项目紧密围绕国家海洋强国战略，聚焦大型船舶安全可靠运行与绿色节能发展趋势，旨在突破船舶动力系统故障预测与健康管理的关键科学问题，深入开展船舶动力系统全局状态监测与关键性能指标（KPI）体系、基于物理模型与大数据驱动的船舶动力系统KPI评估与故障预测、船舶动力系统故障诊断与协调控制、面向任务的船舶动力系统健康管理优化设计的研究。通过在船舶动力系统典型退化模式及KPI的映射关系、变工况环境下大数据驱动的船舶动力系统KPI评估与预测模型构建、基于KPI的船舶动力系统在航优化控制与在港维修等关键科学问题上开展理论探索和应用基础研究，为以大型船舶为代表的先进复杂工业系统运行安全控制与自主保障提供理论支撑与技术保证。

结项摘要

本项目以大型船舶动力系统为研究对象，利用模型与数据相结合的方法，在船舶动力系统全局状态监测与关键性能指标（KPI）体系构建、基于物理模型与大数据驱动的船舶动力系统 KPI 评估与预测、船舶动力系统故障诊断与协调优化控制、面向任务的船舶动力系统健康管理优化设计等方向开展了研究。项目取得的主要成果有：①分析研究了船舶动力系统关键部件的退化模式，建立了基于状态空间的两阶段多部件退化模型, 实现了对部件损伤演化规律的精确建模，准确评估了多模式影响下装备的可靠度；②基于隐状态空间模型刻画变工况多退化模式下的动力系统退化状态切换过程，建立了多退化模式下的船舶动力系统关键性能指标预测方法，实现了不确定性多源数据驱动下剩余使用寿命的精确高效预测；③基于模型与数据融合的方法开展船舶动力系统故障诊断，从诊断观测器产生的残差信号中提取多维分类特征，克服了以往利用单一特征进行诊断的缺陷，提高了诊断精度；④提出了船舶动力系统全寿命周期健康管理的即插即用实现方法，建立了基于关键性能指标的分级容错控制与协同优化框架，实现了面向任务的动态维修方案设计。⑤部分理论成果和技术在巴拿马散货船等大型船舶的运维系统中实现了应用验证。项目执行期间共发表SCI论文110篇、EI会议论文40篇，授权发明专利21项，实用新型专利1项。培养博士后2人、博士生14人、硕士生7人。

项目成果

期刊论文数量（103）
专著数量（0）
科研奖励数量（0）
会议论文数量（45）
专利数量（19）
A fault detection scheme for ship propulsion systems using randomized algorithm techniques
使用随机算法技术的船舶推进系统故障检测方案
  • DOI：
    10.1016/j.conengprac.2018.09.008
  • 发表时间：
    2018
  • 期刊：
    Control Engineering Practice
  • 影响因子：
    4.9
  • 作者：
    Zhou Jing;Yang Ying;Zhao Zhengen;Ding Steven X.
  • 通讯作者：
    Ding Steven X.
A Remaining Useful Life Prediction Method in the Early Stage of Stochastic Degradation Process
随机退化过程早期剩余使用寿命预测方法
  • DOI：
    10.1109/tcsii.2020.3034393
  • 发表时间：
    2021
  • 期刊：
    IEEE Transactions on Circuits and Systems II: Express Briefs
  • 影响因子：
    --
  • 作者：
    Zhang Yuhan;Yang Ying
  • 通讯作者：
    Yang Ying
Sparse Filtering With Adaptive Basis Weighting: A Novel Representation Learning Method for Intelligent Fault Diagnosis
自适应基础加权的稀疏滤波：一种用于智能故障诊断的新型表示学习方法
  • DOI：
    10.1109/tsmc.2020.3010505
  • 发表时间：
    2020
  • 期刊：
    IEEE Transactions on Systems, Man, and Cybernetics: Systems
  • 影响因子：
    --
  • 作者：
    Zhang Zhiqiang;Yang Qingyu;Wu Zongze
  • 通讯作者：
    Wu Zongze
Switching State-Space Degradation Model With Recursive Filter/Smoother for Prognostics of Remaining Useful Life
使用递归滤波器/平滑器切换状态空间退化模型以预测剩余使用寿命
  • DOI：
    10.1016/j.copsyc.2021.02.002
  • 发表时间：
    2019
  • 期刊：
    IEEE Transactions on Industrial Informatics
  • 影响因子：
    12.3
  • 作者：
    Peng Yizhen;Wang Yu;Zi Yanyang
  • 通讯作者：
    Zi Yanyang
A Fault Detection and Health Monitoring Scheme for Ship Propulsion Systems Using SVM Technique
采用SVM技术的船舶推进系统故障检测与健康监测方案
  • DOI：
    10.1109/access.2018.2812207
  • 发表时间：
    2018
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Zhou Jing;Yang Ying;Ding Steven X.;Zi Yanyang;Wei Muheng
  • 通讯作者：
    Wei Muheng

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

一种从衰减数据重建X射线球管光
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    西安交通大学学报，第10卷，第10期，2006年10月，p1056-p1059+1060，EI:065010304947
  • 影响因子：
    --
  • 作者：
    陈希;牟轩沁*;杨莹
  • 通讯作者：
    杨莹
脂联素基因单倍型与汉族人群2型糖尿病的相关性研究
  • DOI：
    10.1007/978-3-642-28869-2_5
  • 发表时间：
    --
  • 期刊：
    中国糖尿病杂志
  • 影响因子：
    --
  • 作者：
    李奕平;徐凡;王飞英;李显丽;LI Yi-ping;ZHANG Ying;SONG Dian-ping;et al.Departm;张瑛;宋滇平;杨莹;姚宇峰;杨曼;王晓苓;史荔;史磊
  • 通讯作者：
    史磊
大数据在护理学领域中的应用
  • DOI：
    10.1215/03616878-9626908
  • 发表时间：
    2016
  • 期刊：
    齐鲁护理杂志
  • 影响因子：
    --
  • 作者：
    杨莹;毛靖;李节
  • 通讯作者：
    李节
一类广义混杂系统的随机稳定性及稳定化
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    西安电子科技大学学报
  • 影响因子：
    --
  • 作者：
    杨莹;李俊民;陈国培
  • 通讯作者：
    陈国培
中国野生大豆对斜纹夜蛾的抗生性鉴定及资源遴选
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    大豆科学
  • 影响因子：
    --
  • 作者：
    杨莹;邢光南;盖钧镒
  • 通讯作者：
    盖钧镒

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

杨莹的其他基金

基于关键性能指标的过程监测与性能恢复理论与方法研究
  • 批准号：
  • 批准年份：
    2021
  • 资助金额：
    58 万元
  • 项目类别：
    面上项目
基于Kernel算子的仿射非线性系统故障诊断与容错控制研究及应用
  • 批准号：
    61473004
  • 批准年份：
    2014
  • 资助金额：
    83.0 万元
  • 项目类别：
    面上项目
多执行器动态控制分配的理论及算法研究
  • 批准号：
    61174052
  • 批准年份：
    2011
  • 资助金额：
    59.0 万元
  • 项目类别：
    面上项目
相同步系统的动力学性质分析与控制
  • 批准号：
    60874011
  • 批准年份：
    2008
  • 资助金额：
    30.0 万元
  • 项目类别：
    面上项目
柱面空间上周期解的鲁棒性分析与控制
  • 批准号：
    60404007
  • 批准年份：
    2004
  • 资助金额：
    23.0 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码