2024年3月12日发(作者：google play 应用商店)

·160·

装 备 环 境 工 程

EQUIPMENT ENVIRONMENTAL ENGINEERING

第20卷 第9期

2023年9月

面向小型无人艇健康监测系统方案设计与实施

殷文慧，郭栋，王飞，郭煜，张安通

（1.中国船舶科学研究中心，江苏 无锡 214082；2.深海技术科学太湖实验室，江苏 无锡 214100）

摘要：详细阐述了小型无人艇健康监测系统的设计与实施过程。首先，分析了小型无人艇健康管理的特性

及所面临的挑战，确定了以动力电力系统为重点的监测对象。随后，准确设定了测点位置以及传感器的选

择，并在实艇上部署安装。数据处理方面，采用了数据预处理和分析的方法。通过采集传感器的数据，并

使用时域分析、时频谱分析、基于自编码器的异常检测方法对柴油机上的振动数据进行预处理和分析，证

明健康监测系统的有效性。最后，对未来的研究展望进行探讨，提出了进一步优化监测系统的多元发展路

径，为小型无人艇健康管理提供了宝贵的启示和参考。

关键词：小型无人艇；健康管理；健康监测系统；方案设计；传感器部署；数据预处理

中图分类号：U664.1 文献标识码：A 文章编号：1672-9242(2023)09-0160-09

DOI：10.7643/ issn.1672-9242.2023.09.018

1,211,21,21,2

Scheme Design and Implementation for Health Monitoring Systems of

Small Unmanned Surface Vehicles

YIN Wen-hui

1,2

, GUO Dong

1

, WANG Fei

1,2

, GUO Yu

1,2

, ZHANG An-tong

1,2

(1. China Ship Scientific Research Center, Jiangsu Wuxi, 214082, China;

2. Taihu Laboratory of Deepsea Technological Science, Jiangsu Wuxi, 214100, China)

ABSTRACT: In this work, the design and implementation process of the small unmanned surface vehicle health monitoring

system was described in detail. Firstly, the characteristics and challenges of health management of small unmanned surface ve-

hicles were analyzed, and the monitoring objects focusing on power system and electric power system were determined. Subse-

quently, the position of the measuring point and the selection of the sensor were accurately set, and were deployed and installed

on the real ship. In the aspect of data processing, the method of data preprocessing and analysis was adopted. By collecting the

data of the sensor, the time domain analysis, time-frequency spectrum analysis, and the anomaly detection method based on the

autoencoder were used to preprocess and analyze the vibration data on the diesel engine. The effectiveness of the health moni-

toring system was proved. This paper discusses the future research prospects, and puts forward the diversified development path

of further optimizing the monitoring system, which provides valuable enlightenment and reference for the health management of

small unmanned surface vehicles.

KEY WORDS: small unmanned surface vehicles; health management; health monitoring system; scheme design; sensor de-

ployment; data preprocessing

无人艇近年来逐渐成为各领域关注的焦点，在海

收稿日期：2023-06-14；修订日期：2023-08-31

Received：2023-06-14；Revised：2023-08-31

洋科学研究、海上救援等方面应用前景广泛

[1-2]

。这

引文格式：殷文慧, 郭栋, 王飞, 等. 面向小型无人艇健康监测系统方案设计与实施[J]. 装备环境工程, 2023, 20(9): 160-168.

YIN Wen-hui, GUO Dong, WANG Fei, et al. Scheme Design and Implementation for Health Monitoring Systems of Small Unmanned Surface

Vehicles[J]. Equipment Environmental Engineering, 2023, 20(9): 160-168.

Copyright©博看网. All Rights Reserved.

第20卷 第9期 殷文慧，等：面向小型无人艇健康监测系统方案设计与实施 ·161·

些应用场景对无人艇的可靠性和安全性提出了更高

的要求，因此无人艇的健康管理显得尤为重要。健康

管理系统可以实时监测、评估无人艇的运行状态，并

及时预警潜在的故障和风险，从而提高无人艇的使用

寿命，降低运行成本，保障水上安全。

船舶健康管理技术在近年来得到了广泛关注，学

[3-7]

术界和工业界已经开展了大量研究

。学者们针对

船舶的各种关键设备和系统进行了实时监测和性能评

估，如动力系统监测

[8-10]

、电力系统监测

[11-13]

、船舶结

构健康监测

[14-17]

、船舶环境与能源系统监测等

[18-20]

。

通过采集各类传感器数据，研究者们利用大数据分

析、机器学习、深度学习等先进技术实现了对故障的

及时诊断和预测

[21-24]

。人工智能技术的引入，使得船

舶健康管理在故障诊断、预测性维护等方面取得了显

著进展

[25-26]

。

当前的船舶健康管理技术已经取得了显著进步，

但面对小型无人艇的相关研究仍存在一些问题。首

先，针对小型无人艇这一对象的健康管理研究相对较

少，其特有的小型化、无人化、自主作业以及在恶劣

环境工作等特点，使其面临与传统船舶不同的一系列

健康管理挑战。其次，现有的研究更多地关注某一设

备的具体故障，如柴油机润滑系统故障、轴承故障、

曲轴裂纹故障等，缺乏从系统级角度和船舶整体性能

角度进行分析。

鉴于此，本文旨在从船舶系统角度出发，充分考

虑小型无人艇相较于传统船舶的特殊性以及在运行

过程中可能面临的各种挑战，权衡各系统重要程度及

复杂程度，针对无人艇动力电力系统进行健康监测方

案设计与实施。通过全面监测无人艇动力电力系统的

运行状态，希望能为未来小型无人艇的健康管理研究

提供参考，以实现对无人艇的全面、深入、精细管理，

提高其可靠性和安全性。

无人艇的健康管理，特别是针对其动力、电力系

统的健康管理，是提高无人艇系统可靠性的关键。本

文的研究不仅有助于解决小型无人艇在特殊环境和

使用条件下的健康管理问题，而且从系统级别、船舶

整体性能角度出发，提供一种新的视角和方法，为无

人艇健康管理技术发展提供参考。

恶劣环境工作：无人艇根据其工作特点和应用

场景，需要在恶劣环境中工作，其健康管理系统需

要具备强干扰性、防水性和防腐蚀性，对数据采集

和通信也提出了更高的要求，也提升了系统设计和

实施的难度。

无人自主作业：无人艇大部分情况下都需要无人

干预地执行任务，自主作业特性要求其健康管理系统

具备更强的自主性和智能化水平，具备实时监控和诊

断能力，能处理大量的实时数据，包括数据去噪、平

滑处理、特征提取等。

成本与效益权衡：无人艇的投资和运营成本相

对较低，健康管理系统的设计和实施需要在满足性

能要求的前提下，尽可能降低成本，使得系统具有

高性价比。

2 健康监测系统方案设计与实施

2.1 无人艇系统组成与设备介绍

无人艇由一系列互相协作的系统组成，按照功能

主要划分为动力系统、电力系统、通信导航系统、态

势感知系统、远程控制系统、航行保障系统等。各系

统的重要程度和复杂性各不相同，面向全船的健康管

理系统以提升全船的可靠性、可用性为目标，按照基

于视情维修的开放体系（OSA-CBM）层级划分，分

别设定不同的健康管理目标，对各系统进行权衡分

级。其中，动力系统负责提供推动力，使无人艇能够

在水域中自由移动，其性能好坏直接影响无人艇的速

度、灵活性和行驶续航能力。电力系统则提供电力

支持，为艇上的所有电气设备供电，其稳定性和可

靠性对无人艇的整体运行至关重要。动力电力系统

作为支撑无人艇运行的核心，其健康状况直接关系

到无人艇的运行安全和效率，因此将其健康管理作

为本文研究重点。

本文健康监测系统的搭建对象为7 t级小型无人

艇，舱底平面布置俯视图如图1所示。其动力系统为

双机双桨模式，每个机舱内推进系统由一四缸柴油

机、齿轮箱、推进轴系和推进器组成；电力系统由

发电机、配电线缆、用电设备组成，主要用电设备

是位于机舱的进风机和排风机，船上发电机与岸电

的切换电源、进风机等用电设备电源模块均位于船

艏控制舱内。

1 小型无人艇健康管理特性及挑战

小型无人艇健康管理的特性和挑战涵盖了多个

维度，主要围绕艇体小型化、船舶应用环境、无人操

作与自主性，以及恶劣环境中的运作等方面展开。

小型化及船舶应用特点：小型无人艇体积小，且

需要满足高性能的船舶应用要求，健康管理系统需要

在有限的体积和载荷下，实现更高的性能。这一特点

对传感器的选择、部署和优化，以及数据采集、处理

和实时传输的设计提出了挑战。

2.2 测点与传感器选择、部署实施

为了对无人艇动力电力系统的运行状况进行全

面监测，本文根据系统的工作原理以及常见的典型故

障，设计面向小型无人艇动力电力系统的健康监测系

统，架构如图2所示。

选择以下测点，并在这些位置部署了传感器。

Copyright©博看网. All Rights Reserved.

·162· 装 备 环 境 工 程 2023年9月

图1 小型无人艇舱底布置俯视图

Fig.1 Top view for bilge layout of small unmanned surface vehicle

图2 健康监测系统架构

Fig.2 Health monitoring system architecture

1）柴油机气缸盖。气缸盖承受着柴油机内燃气

产生的高压力，对于反映柴油机工作状态具有较高的

敏感性。本系统在柴油机一缸、四缸位置安装单向振

动传感器（如图3a所示），实时监测气缸盖内部的磨

损、松动、高压燃气泄漏等问题

[27-28]

。

2）喷油器油管。喷油管负责将高压燃油输送到

气缸内，其工作状态直接影响到燃油喷射的稳定性和

柴油机的燃烧效率。本系统选择在柴油机一缸喷油器

油管上安装油压传感器（如图3b所示），以监测油压

变化，并及时发现喷油器故障、油管堵塞、油泵不正

常工作等问题。

3）齿轮箱。齿轮箱运行状态对动力推进系统性

能有重大影响。齿轮运转中可能出现的故障、齿面磨

损、轴承故障等都会导致振动变化。为实时监测这些

变化，本文在齿轮箱上安装了一个三向振动传感器

（如图3c所示），分别监测齿轮箱的水平、垂直和轴

向振动，提供更全面的齿轮箱状态信息。

4）机舱内部。机舱内各种设备在运行时，会产

生各种声音。这些声音包含了丰富的信息，可以反映

出设备的工作状态。本系统在两机舱中各安装2个拾

音传感器（如图3d所示），捕捉机舱内部声音信号，

并进行声音信号分析。

5）电力系统。电力系统的稳定性直接关系到无

人艇的运行效率。本系统在发电机、风机等重要用电

设备电路上安装互感器（如图3e、f所示），实时监

测电压和电流，从而发现和预防过电压、欠电压、过

流、短路等问题，保证电力系统稳定运行

[29-31]

。

6）发电机基座。发电机作为电力系统的核心部

分，其运行稳定性对保障无人艇的持续工作至关重

要。基座的振动状态反映了发电机的运行状况，轴

Copyright©博看网. All Rights Reserved.

第20卷 第9期 殷文慧，等：面向小型无人艇健康监测系统方案设计与实施 ·163·

a 气缸盖处振动传感器安装 b 喷油管处油压传感器安装 c 齿轮箱处振动传感器安装

d 机舱内拾音传感器安装 e 互感器安装位置 f 互感器安装

g 发电机基座振动传感器安装

h 数据采集仪部署安装

图3 健康监测系统部署及安装

Fig. 3 Deployment and installation of health monitoring system: a) vibration sensor installation at cylinder head; b) oil

pressure sensor installation at fuel injector pipe; c) vibration sensor installation at gearbox; d) sound pickup sensor installation

within engine compartment; e) transformer installation location; f) transformer installation; g) vibration sensor installation at

generator base; h) data logger deployment and installation

承磨损、转子失衡、定转子间隙变化等都可能导致

振动的异常

[32]

。本系统在发电机基座上安装了单向

振动传感器（如图3g所示），实时监测基座的振动

状况。

上述传感器的监控对象、类型及安装位置汇总见

表1。上述测点位置及传感器覆盖了无人艇动力、电

力系统的主要组成部分，为无人艇健康监测提供全面

的信息，从而可以提前发现潜在故障，为故障诊断提

供有力依据。需要明确的是，传感器的选择和部署并

非一成不变的，应根据无人艇的具体工作环境和任务

需求进行动态调整。如果在后续的运行中发现新的故

障模式，或者有新的监测需求，可能需要增加新的测

点，或者更换类型更合适的传感器。

2.3 数据预处理与分析

无人艇航行阶段，健康监测系统成功收集到各传

感器的工作数据，反映出无人艇在运行过程中的状态

和性能。为了更好地理解和利用这些数据，本文对采

集到的柴油机振动数据进行初步处理与分析。常用的

数据处理方法包括时域分析、频域分析、时频域分析、

统计分析、机器学习等。

振动信号时域分析反映的是振动信号随时间的

变化情况，直接在时间序列数据上进行，无需转换到

其他数学形式，用于评估和描述信号波形在时间轴上

的变化特性。不同时刻表现出来的状态值，其统计数

字特征能够反映设备在某一时间上的表现行为，从而

用来表征设备的运行状态信息。在时域分析中，信号

x(t)通常被视为时间t的函数。该方法主要关注信号

的振幅、相位、周期性等属性。由于实际采样的原始

信号没有明确的起始点，截取两发动机1 s喷油振动

信号定位出一缸的工作周期，分别映射到一缸和四缸

振动信号时刻上，得到两发动机1个工作周期内振动

冲击信号，如图4所示。根据发动机各缸工作的相位，

每个冲击对应不同的冲击类型。结合发动机各缸做功

Copyright©博看网. All Rights Reserved.

·164· 装 备 环 境 工 程 2023年9月

表1 健康监测系统传感器安装部署汇总

Tab.1 Summary of sensor installation and deployment of health monitoring system

序号

1

2

3

4

5

6

2#柴油机 数据采集设备

1#柴油机 数据采集设备

监控对象 监控设备 传感器类型

压电式加速度传感器

安装位置

1#柴油机第一缸气缸罩附近

1#柴油机第四缸气缸罩附近

2#柴油机第一缸气缸罩附近

2#柴油机第四缸气缸罩附近

压电夹持式加速度传感器 1#柴油机第一缸喷油器油管

压电式加速度传感器

压电夹持式加速度传感器 2#柴油机第一缸喷油器油管

7 1#齿轮箱 1#齿轮箱表面平坦处

数据采集设备 压电式三轴加速度传感器

8 2#齿轮箱 2#齿轮箱表面平坦处

9

10

11

12

13

14

15

16

主发电机组

机舱进风机

岸基电源

数据采集设备

电信号采集仪

电信号采集仪

电信号采集仪

压电式加速度传感器

互感器

互感器

互感器

机舱 数据采集设备 拾音传感器

机舱内表面

机舱内表面

机舱内表面

机舱内表面

发电机基座

发电机组设备输出电源线上

机舱进风机输出电源线上

岸基电源输出电源线上

图4 两发动机1个工作周期内的振动冲击分布

Fig.4 Vibration impact distribution within a working cycle of two Engines

先后顺序（1‒3‒4‒2），得出图4c、d中方框部分为发

动机第一、二缸的做功峰值，图4e、f中方框部分为

发动机第三、四缸的做功峰值。峰值较小，且持续时

间较短的冲击为气门落座冲击位置。通过对比不同时

刻采集到的振动冲击信号分析可以得出，发动机无失

火现象发生。

时频域分析方法能够揭示信号在时间和频率2

个维度上的复杂结构。旨在表示信号x(t)在时间t和

频率f上的联合分布。这种表示通常通过时频分布

（Time-Frequency Distribution，TFD）来实现。本文

Copyright©博看网. All Rights Reserved.

采用较常用的时频域分析方法之一短时傅里叶变换

（Short-Time Fourier Transform，STFT），对发动机振

动信号进行处理。

STFT



x



t







t,f











x







w



t







e



j2πf



d



(1)

式中：

x(t)

为原始信号，是时间t的函数；



为

虚拟时间变量，用于在整合操作中替换实际时间t；

w(t



)

为窗函数，用于选取信号x(t)的局部片段，窗

函数在

t



附近为非0，其余地方为0；

e

j2πf



为复指

第20卷 第9期 殷文慧，等：面向小型无人艇健康监测系统方案设计与实施 ·165·

数函数，其中j为虚数单位，f为频率，用于分析

x(



)

在不同频率下的表现，t、f为局部时间和频率变量，

用于表示STFT的2个维度。

在式（1）中，

w(t



)

和

e

j2πf



的乘积作用于

x(



)

，

局部化地提取

x(t)

在时间t和频率f下的信息。该公

式通过将信号局部化到一个小窗内，然后对该窗内的

信号进行傅里叶变换，从而能够同时获取信号在特定

时间和频率下的信息。

同一时刻两发动机第四缸的时频谱如图5所示，高

亮区域为频谱峰值，频谱能量幅值集中在0.03~0.04 s、

300~3 000 Hz区域。当发动机气缸出现明显异常时，落

座冲击和爆燃冲击将会不稳定，部分能量将会分布在一

些特有的故障特征频带上，能量集中区域会发生明显改

变。若以2#发动机作为正常对照组，1#发动机为实验

组，观察能量集中的高亮区域，两图在频谱能量分布上

无明显区别，初步说明两发动机运行状态相似。

图5 两发动机第四缸振动时频谱

Fig.5 Vibration frequency spectrum of the fourth cylinder of two engines: a) diesel 1; b) diesel 2

在复杂的现实环境中，由于各种噪声和扰动的影

响，传统的数据分析方法可能并不足以发现隐藏的异

常模式。基于自编码器（Autoencoder）的异常检测是

一种无监督学习方法，用于识别数据中的异常或离群

点。这种方法特别适用于高维数据，如振动信号，其

中异常可能在多个维度上表现出来。自编码器是一种

神经网络，由编码器（Encoder）和解码器（Decoder）

2部分组成。编码器将输入数据压缩成一个低维隐层

表示（或编码），解码器则从这个低维编码重构回原

始数据，见式(2)。

Encoder:z



f



x;



e



ˆ



g



z;



d



Decoder:x

误差超过阈值的数据点，标记为异常。两发动机损失

函数结果如图6所示。可以看出，1#发动机数据集的

整体Loss值近似于2#发动机，1#发动机数据集的频

谱能量分布与2#发动机的训练集差别不大，说明两

发动机的工作状态相似。

(2)

ˆ

式中：x为原始数据；z为编码后的低维表示；

x

为重构的数据；θ

e

、θ

d

为编码器和解码器的参数。目

标是最小化重构误差，使用均方误差（MSE）作为损

失函数：

1

n

ˆ









x

i



x

ˆ

i



L



x

,

x

(3)

n

i



1

基于自编码器的异常检测方法能有效地应用于

振动信号的实时监测，从而实现对发动机状态的准确

判断。本文采集数据来自2台发动机一缸振动信号，

选择2#发动机振动信号作为训练数据，使用这些数

据训练自编码器，以最小化重构误差，建立正常发动

机频谱能量分布的样本空间。在训练集上，计算每个

数据点的重构误差，并在重构误差的均值基础上加一

常数作为阈值，使用1#发动机振动数据运行自编码

器，1#发动机的频谱能量分布作为验证集，对于重构

2

图6 基于自编码器的异常检测结果

Fig.6 Anomaly detection results based on autoencoder:

a) loss function training curve; b) 2#engcne vaeidation set

results; c) 1# engine dataset results

Copyright©博看网. All Rights Reserved.

·166· 装 备 环 境 工 程 2023年9月

3 研究展望

小型无人艇的健康管理目前仍处在状态监测阶

段，为提升无人艇作业效率和安全性，需进一步优化

监测系统，主要包括以下内容。

1）状态评估。有效评价无人艇运行过程中的健

康状况。当前的状态监测主要关注无人艇各个设备部

件的运行参数，但这些参数仅能提供有限的信息。状

态评估需要通过对这些参数进行深入分析，结合无人

艇的工作环境、负载、历史数据等多维度信息，综合

评估无人艇的运行状态。这将有助于识别潜在的故障

风险，为后续的故障诊断和预测提供依据。

2）故障诊断。准确、及时地识别无人艇故障原

因。当前的故障诊断方法主要包括专家系统、模式识

别、神经网络等，但在小型无人艇领域的应用有待提

高。未来研究需要针对小型无人艇特点，发展更高效、

准确的故障诊断技术。此外，考虑到无人艇在恶劣环

境下的作业需求，故障诊断方法应具备良好的鲁棒

性，能在不确定性条件下保持高识别准确率。

3）故障预测。提前预警潜在故障，为无人艇的

维护和修理提供充足时间。未来的研究应关注提高故

障预测的准确性和可靠性，发展适用于小型无人艇的

预测模型，结合大数据、人工智能等先进技术，实现

对海量数据的高效处理和分析，为故障预测提供强有

力的支持。

除了上述功能的研究与实施外，无人艇健康监测

系统还需关注以下几个方面。

1）数据融合。充分利用多种传感器采集的数据，

通过数据融合技术，提高健康监测系统的准确性和可

靠性。这包括对多源异构数据的预处理、特征提取、

融合算法设计等方面的研究。

2）自适应监测。针对无人艇在不同工况下的特

点，研究自适应健康监测方法。通过动态调整监测参

数和策略，使健康监测系统在不同环境和任务下均能

保持高性能。

3）智能决策支持。将健康监测系统与无人艇的

控制系统相结合，为无人艇的自主决策提供实时、有

效的健康信息。通过分析和预测无人艇的运行状态和

故障风险，为无人艇的任务规划和执行提供参考。

4）安全与隐私保护。在健康监测系统中，对无

人艇的数据采集、传输和存储等环节的安全和隐私保

护至关重要。未来研究需关注加密、授权等技术的应

用，确保健康监测数据的安全性和可信度。

故障确定监测点位置，选择合适的传感器，并完成部

署。通过采用时域分析、时频谱分析以及基于自编码

器的异常检测技术方法对数据进行预处理与分析，证

实了监测系统的有效性，它能有效监测故障，维护无

人艇的稳定运行。尽管当前的研究提供了切实可行的

解决方案，监测系统仍需进一步优化，以提高作业效

率和安全性。未来的研究将更加深入地探讨如何更精

准地进行状态评估、故障诊断和故障预测，并将考虑

利用大数据和人工智能等技术，对海量数据进行高效

处理和分析。总的来说，这项研究不仅为小型无人艇

的健康管理提供了实用的工具，同时也指出了未来的

研究方向。

参考文献：

[1] LIU Zhi-xiang, ZHANG You-min, YU Xiang, et al. Un-

manned Surface Vehicles: An Overview of Developments

and Challenges[J]. Annual Reviews in Control, 2016, 41:

71-93.

郑华荣, 魏艳, 瞿逢重. 水面无人艇研究现状[J]. 中国

造船, 2020, 61(S1): 228-240.

ZHENG Hua-rong, WEI Yan, QU Feng-zhong. Review

on Recent Developments of Unmanned Marine Surface

Vessels[J]. Shipbuilding of China, 2020, 61(S1): 228-240.

JARDINE A K S, LIN Da-ming, BANJEVIC D. A Re-

view on Machinery Diagnostics and Prognostics Imple-

menting Condition-Based Maintenance[J]. Mechanical

Systems and Signal Processing, 2006, 20(7): 1483-1510.

裴大茗, 王建峰, 周鹏太, 等. 船舶PHM技术综述[J].

电子测量与仪器学报, 2016, 30(9): 1289-1297.

PEI Da-ming, WANG Jian-feng, ZHOU Peng-tai, et al.

Survey on PHM Technology in Marine System[J]. Journal

of Electronic Measurement and Instrumentation, 2016,

30(9): 1289-1297.

汪益兵, 杨燕斌. 基于CBM的船舶设备健康管理系统

[J]. 船舶工程, 2017, 39(10): 70-74.

WANG Yi-bing, YANG Yan-bin. Ship Equipment Health

Management System Based on CBM[J]. Ship Engineer-

ing, 2017, 39(10): 70-74.

刘翔. 船舶电力推进系统故障诊断与预测技术综述[J].

船电技术, 2020, 40(6): 30-33.

LIU Xiang. Summary of Fault Diagnosis and Prediction

Technology for Marine Electric Propulsion System[J].

Marine Electric & Electronic Engineering, 2020, 40(6):

30-33.

毛俊皓, 何宝, 焦侬, 等. 船舶辅机智能化技术应用现

状及发展趋势[J]. 船舶工程, 2021, 43(8): 1-3.

MAO Jun-hao, HE Bao, JIAO Nong, et al. Application

Status and Development Trend of Intelligent Technology

for Marine Auxiliary Machinery[J]. Ship Engineering,

2021, 43(8): 1-3.

柯赟, 宋恩哲

, 姚崇, 等. 船舶柴油机故障预测与健康

管理技术综述[J]. 哈尔滨工程大学学报, 2020, 41(1):

[2]

[3]

[4]

[5]

[6]

[7]

4 结语

本文专注于小型无人艇的健康管理，针对其特性

及挑战，提出并实施了一套专门针对小型无人艇的健

康监测系统。系统重点关注动力电力系统，根据典型

[8]

Copyright©博看网. All Rights Reserved.

第20卷 第9期 殷文慧，等：面向小型无人艇健康监测系统方案设计与实施 ·167·

125-131.

KE Yun, SONG En-zhe, YAO Chong, et al. A Review:

Ship Diesel Engine Prognostics and Health Management

Technology[J]. Journal of Harbin Engineering University,

2020, 41(1): 125-131.

[9] 徐鹏, 杨海燕, 程宁, 等. 基于优化BP神经网络的船

舶动力系统故障诊断[J]. 中国舰船研究, 2021, 16(S1):

106-113.

XU Peng, YANG Hai-yan, CHENG Ning, et al. Fault

Diagnosis of Ship Power System Based on Optimized BP

Neural Network[J]. Chinese Journal of Ship Research,

2021, 16(S1): 106-113.

[10] KNEŽEVIĆ V, OROVIĆ J, STAZIĆ L, et al. Fault Tree

Analysis and Failure Diagnosis of Marine Diesel Engine

Turbocharger System[J]. Journal of Marine Science and

Engineering, 2020, 8(12): 1004.

[11] 孙云, 王沭恒, 陈冠宇. 基于LSTM神经网络算法的船

舶电站故障诊断[J]. 机电设备, 2022, 39(3): 54-57.

SUN Yun, WANG Shu-heng, CHEN Guan-yu. Fault Di-

agnosis of Ship Power Station Based on LSTM Neural

Network Algorithm[J]. Mechanical and Electrical Equip-

ment, 2022, 39(3): 54-57.

[12] 朱赖红, 王娟. 基于神经网络的船舶电力系统故障诊

断方法[J]. 舰船科学技术, 2022, 44(11): 132-135.

ZHU Lai-hong, WANG Juan. Fault Diagnosis Method of

Ship Power System Based on Neural Network[J]. Ship

Science and Technology, 2022, 44(11): 132-135.

[13] 徐向荣. 对抗神经网络算法在船舶电机轴承故障诊断

中的应用[J]. 舰船科学技术, 2022, 44(12): 108-111.

XU Xiang-rong. Application of Neural Network in Ship

Bearing Fault Diagnosis[J]. Ship Science and Technol-

ogy, 2022, 44(12): 108-111.

[14] BEGANOVIC N, SÖFFKER D. Structural Health Man-

agement Utilization for Lifetime Prognosis and Advanced

Control Strategy Deployment of Wind Turbines: An

Overview and Outlook Concerning Actual Methods,

Tools, and Obtained Results[J]. Renewable and Sustain-

able Energy Reviews, 2016, 64: 68-83.

[15] 成桂兰, 纪志凤. 基于光纤网络的船舶T形节点结构健

康状态评估分析[J]. 舰船科学技术, 2018, 40(10):

67-69.

CHENG Gui-lan, JI Zhi-feng. Health Status Assessment

of Ship T-Joint Structure Based on Optical Fiber Net-

work[J]. Ship Science and Technology, 2018, 40(10):

67-69.

[16] 汪雪良, 朱全华, 张涛, 等. 船舶结构监测技术研究进

展[J]. 船舶力学, 2022, 26(8): 1246-1253.

WANG Xue-liang, ZHU Quan-hua, ZHANG Tao, et al.

Progress in Studies on Ship Structure Monitoring Tech-

nique[J]. Journal of Ship Mechanics, 2022, 26(8):

1246-1253.

[17] 郑庆新, 汪雪良, 赵晓宇, 等. 应用于船舶与海洋工程

结构安全监测的应变传感器技术研究[J]. 装备环境工

程, 2023, 20(1): 83-89.

Copyright©博看网. All Rights Reserved.

[18]

[19]

[20]

[21]

[22]

[23]

[24]

[25]

[26]

ZHENG Qing-xin, WANG Xue-liang, ZHAO Xiao-yu, et

al. Research on Strain Sensor Technology Applied in

Structural Safety Monitoring of Ships and Offshore En-

gineering[J]. Equipment Environmental Engineering,

2023, 20(1): 83-89.

滕菲, 单麒赫, 李铁山. 智能船舶综合能源系统及其分

布式优化调度方法[J]. 自动化学报, 2020, 46(9):

1809-1817.

TENG Fei, SHAN Qi-he, LI Tie-shan. Intelligent Ship

Integrated Energy System and Its Distributed Optimal

Scheduling Algorithm[J]. Acta Automatica Sinica, 2020,

46(9): 1809-1817.

徐逸, 严新平, 高嵩. 船舶新能源系统监管平台关键技

术[J]. 交通信息与安全, 2020, 38(5): 96-103.

XU Yi, YAN Xin-ping, GAO Song. Key Technologies of

Supervision Platform of New-Energy-Systems for

Ships[J]. Journal of Transport Information and Safety,

2020, 38(5): 96-103.

司玉鹏, 王荣杰, 张世奇, 等. 新形态船舶能源系统多

能互补优化管理[J]. 哈尔滨工程大学学报, 2022, 43(7):

1051-1058.

SI Yu-peng, WANG Rong-jie, ZHANG Shi-qi, et al.

Multienergy Complementary Optimal Management for a

New Type of Energy System for Ships[J]. Journal of

Harbin Engineering University, 2022, 43(7): 1051-1058.

SUTHARSSAN T, STOYANOV S, BAILEY C, et al.

Prognostic and Health Management for Engineering Sys-

tems: A Review of the Data-Driven Approach and Algo-

rithms[J]. The Journal of Engineering, 2015, 2015(7):

215-222.

KHAN S, YAIRI T. A Review on the Application of

Deep Learning in System Health Management[J]. Me-

chanical Systems and Signal Processing, 2018, 107:

241-265.

TSUI K L, CHEN Nan, ZHOU Qiang, et al. Prognostics

and Health Management: A Review on Data Driven Ap-

proaches[J]. Mathematical Problems in Engineering,

2015, 2015: 1-17.

唐其琯, 车驰东. 基于决策树支持向量机算法的船用

设备故障诊断[J]. 装备环境工程, 2021, 18(9): 72-77.

TANG Qi-guan, CHE Chi-dong. Research on Marine

Equipment Fault Diagnosis Based on Decision Tree Sup-

port Vector Machine Algorithm[J]. Equipment Environ-

mental Engineering, 2021, 18(9): 72-77.

NICULITA O, NWORA O, SKAF Z. Towards Design of

Prognostics and Health Management Solutions for Mari-

time Assets[J]. Procedia CIRP, 2017, 59: 122-132.

刘震, 李佳佳, 俞炅旻. 船舶设备故障预测和健康管理

产业发展现状及趋势研究[J]. 船舶工程, 2023, 45(5):

55-58.

LIU Zhen, LI Jia-jia, YU Jiong-min. Research on the

Status and Trend of Prognostics and Health Management

Industry of Marine Equipment[J]. Ship Engineering,

2023, 45(5): 55-58.

·168· 装 备 环 境 工 程 2023年9月

[27] 徐玉秀, 杨文平. 发动机结构振动与故障诊断理论技

术[M]. 北京: 电子工业出版社, 2015.

XU Yu-xiu, YANG Wen-ping. Theory and Technology of

Engine Structural Vibration and Fault Diagnosis[M]. Bei-

jing: Publishing House of Electronics Industry, 2015.

[28] 王珉, 秦国军, 廖亦凡. 基于AWMMD的柴油机气缸

故障特征提取方法研究[J]. 振动与冲击, 2023, 42(7):

333-340.

WANG Min, QIN Guo-jun, LIAO Yi-fan. Fault Feature

Extraction Method of Diesel Engine Cylinder Based on

AWMMD[J]. Journal of Vibration and Shock, 2023,

42(7): 333-340.

[29] 李院生, 马兆龙, 赵晓芬. 电流互感器安装位置对继电

保护功能的影响[J]. 水利水电技术, 2014, 45(1):

161-163.

LI Yuan-sheng, MA Zhao-long, ZHAO Xiao-fen. Impact

from Installation Location of Current Transformer on Re-

lay Protection Function[J]. Water Resources and Hydro-

power Engineering, 2014, 45(1): 161-163.

[30] 卢宁. 一起高端换流变压器阀侧电流互感器安装事故

分析及预防措施研究[J]. 变压器, 2020, 57(4): 62-64.

LU Ning. Analysis of Installation Accident of Valve-Side

Current Transformer of High-End Converter Transformer

and Research on Preventive Measures[J]. Transformer,

2020, 57(4): 62-64.

[31] 杨耀根. 开关柜中零序电流互感器安装、接线的几点要

求[J]. 高压电器, 1996, 32(3): 58-62.

YANG Yao-gen. Several Requirements for Installation

and Wiring of Zero Sequence Current Transformer in Sw-

itchgear[J]. High Voltage Apparatus, 1996, 32(3): 58-62.

[32] GJB 6801—2009, 舰船设备噪声、振动测量方法[S].

GJB 6801—2009, Methods of Measuring Noise and Vi-

bration in Ship Equipment[S].

责任编辑：刘世忠

Copyright©博看网. All Rights Reserved.