Intelligent system for monitoring  the operational properties of ship power equipment

А.В.  Яненко

doi:10.31498/2225-6733.48.2024.310713

Автор(и)

А.В. Яненко Херсонська державна морська академія, м. Херсон , Україна https://orcid.org/0009-0004-7992-8369

DOI:

https://doi.org/10.31498/2225-6733.48.2024.310713

Ключові слова:

моніторинг, технічна експлуатація, суднові транспортні засоби, інтелектуальні системи, діагностика, відмова, ризики, невизначеність

Анотація

Особливість моніторингу технічного стану суднових транспортних засобів складається у тому, що протягом терміну служби головну енергетичну установку не змінюють, а здійснюють її неперервне технічне обслуговування та періодичні ремонти. В організації таких заходів провідна роль належить технічному діагностуванню, що дозволяє визначити технічний стан матеріалу, а також прогнозувати можливі зміни на певний період. Запропоновано інтелектуальну систему моніторингу експлуатаційних властивостей суднового енергетичного обладнання за допомогою ланцюгів Маркова, елементів ймовірнісної динаміки, розрахунків по ймовірностним моделям, багатокритеріальної оптимізації діагностичних параметрів, симуляції та генерації сценаріїв. Докладно розглянуто змістовий сенс основних структурних блоків системи моніторингу експлуатаційних властивостей суднового енергетичного обладнання. Вхідною інформацією було узагальнення досвіду експлуатації транспортних засобів. Описуються етапи побудови ланцюгів Маркова стосовно діагностики турбонагнітачів, особливістю яких є заміна дискретного часу безперервною послідовністю станів. Розглянуто окремим блоком обчислення за ймовірнісними моделями на основі спектрів вібраційних сигналів шляхом поєднання їх основних дискретних ознак та встановлення нових діагностичних параметрів. Візуалізація зв’язків полягає у побудові орграфів взаємодій основних структурних елементів суднової енергетичної установки з урахуванням імовірнісних моделей. Багатокритеріальна оптимізація у представленій системі розглядається з позицій статистичних критеріїв та їх згорток. Симуляція та генерація основних сценаріїв описана з точки зору перетворення аналогових даних про робочі процеси у цифрову форму. Надано інформаційну підтримку та інструментарій системи моніторингу експлуатаційних властивостей суднового енергетичного обладнання

Біографія автора

А.В. Яненко , Херсонська державна морська академія, м. Херсон

Аспірант

Посилання

Варбанец Р. А. Системы компьютерной диагностики судовых дизелей. Судоходство. 2004. No. 6. С. 24-27.

Суворов П. С. Управление режимами работы главных судовых дизелей. Одесса: ЛАТСТАР, 2000. 238 с.

Миська А. Р., Дранкова А. О., Муха Н. И. Информационный подход к мониторингу технического состояния судовых дизель-генераторных установок. Авиационно-космическая техника и технология: Научно-технический журнал. 2010. № 8 (75). С. 136-139.

Sharko O., Yanenko A. Modeling of inteligent software for the diagnosis and monitoring of ship power plant components using Markov chains. Naukoiemni tekhnolohii. 2023. № 3(59). Pp. 251-261. DOI: https://doi.org/10.18372/2310-5461.59.17946.

Неруйнівній контроль і технічна діагностика / за ред. З. Т. Назарчука. Львів: ФМІ ім. Г.В. Карпенка НАНУ, 2001. 1134 с.

Vibration characterization of rolling bearings with compound fault features under multiple interference factors / Y. Wang et al. PLoS ONE. 2024. Vol. 19(2). Pp. 1-19. DOI: https://doi.org/10.1371/journal.pone.0297935.

Шарко О. В., Яненко А. В. Діагностика та вимірювальний контроль елементів суднового енергетичного обладнання в умовах невизначеності характеру навантажень. Дніпровські читання-2022 : матеріали ІІІ Міжн. наук-практ. конф., м. Київ, 8 грудня 2022 р. С. 129-130.

Шарко О. В., Яненко А. В. Сучасні технології діагностування і визначення залишкового ресурсу елементів СЕУ в процесі експлуатації. Сучасні енергетичні установки на транспорті, технології та обладнання для їх обслуговування : матеріали 14-й Міжн. наук.-практ. конф., м. Херсон, 16-18 березня 2023 р. С. 75-77.

Sharko M., Gusarina N., Petrushenko N. Information-entropy model of making management decisions in the economic development of the enterprises. Advances in Intelligent Systems and Computing. 2019. Vol. 1020. Pp. 304-314. DOI: https://doi.org/10.1007/978-3-030-26474-1_22.

A blind deconvolution approach based on spectral harmonics-to-noise ratio for rotating machinery condition monitoring / Q. Zhou et al. IEEE Transactions on Automation Science and Engineering. 2023. Vol. 20. Iss. 2. Pp. 1092-1107. DOI: https://doi.org/10.1109/TASE.2022.3179457.

Research on fault feature extraction and early warning of rolling bearing vibration signal of generator set / Ma Y., Si J., Yan Q., Wang J. Applied Mathematics and Nonlinear Sciences. 2024. Vol. 9. Iss. 1. Pp. 1-14. DOI: https://doi.org/10.2478/amns.2023.2.00338.

Jin Y., Xin G., Antoni J. Towards automated, integrated and unsupervised diagnosis of rolling element bearings. Mechanical Systems and Signal Processing. 2023. Vol. 203. Art. no. 110691. DOI: https://doi.org/10.1016/j.ymssp.2023.110691.

Quantitative analysis of seasonal uncertainty of metro tunnel's long-term longitudinal settlement via hierarchy Bayesian network / M. Zhu et al. Springer Series in Geomechanics and Geoengineering. 2019. Pp. 279-291. DOI: https://doi.org/10.1007/978-3-030-32029-4_24.

Feature extraction and characterization of rolling bearing vibration signal based on multi parameter information fusion and screening. Y.-D. Sha et al. Tuijin Jishu/Journal of Propulsion Technology. 2023. Vol. 44(7). Art. no. 2205050.

Research on micro-turbine operating state characterization based on bearing vibration signals analysis / Li N., Wang X., Yang T., Han Q. International Journal of Acoustics and Vibrations. 2023. Vol. 28 (4). Pp. 435-450. DOI: https://doi.org/10.20855/ijav.2023.28.41997.

Research on rolling bearing state health monitoring and life prediction based on PCA and Internet of things with multi-sensor / Wang H., Ni G., Chen J., Qu J. Measurement: Journal of the International Measurement Confederation. 2020. Vol. 157. Art. no. 107657. DOI: https://doi.org/10.1016/j.measurement.2020.107657.

Momenzadeh M., Sehhati M., Rabbani H. A novel feature selection method for microarray data classification based on hidden Markov model. Journal of Biomedical Informatics. 2019. Vol. 95. Art. no. 103213. DOI: https://doi.org/10.1016/j.jbi.2019.103213.

Ficco M. Detecting IoT malware by Markov chain behavioral models. Proceedings of 2019 IEEE International Conference on Cloud Engineering IC2E 2019, Prague, Czech Republic, 24-27 June, 2019. Pp. 229-234. DOI: https://doi.org/10.1109/IC2E.2019.00037.

Homogenized energy model and Markov chain Monte Carlo simulations for macro fiber composites operating in broadband regimes / Z. Hu et al. Conference on Smart Materials, Adaptive Structures and Intelligent Systems ASME 2012, Stone Mountain, Georgia, USA, 19-21 September, 2012. Vol. 1. Pp. 321-327. DOI: https://doi.org/10.1115/SMASIS2012-7942.

An accurate prediction algorithm of RUL for bearings: time-frequency analysis based on MRCNN / D. Huang et al. Wireless Communications and Mobile Computing. 2022. Pp. 1-13. DOI: https://doi.org/10.1155/2022/2222802.

Remaining useful life prediction method of coated spherical plain bearing based on VMD-EEMD-LSTM / L. Lin et al. Jixie Gongcheng Xuebao/Journal of Mechanical Engineering. 2023. Vol. 59(9). Pp. 125-136. DOI: https://doi.org/10.3901/JME.2023.09.125.

Шарко О. В., Яненко А. В., Мовчан П. В. Система технічної діагностики визначення по-точного стану транспортних пристроїв. Сучасні енергетичні установки на транспорті, технології та обладнання для їх обслуговування СЕУТТО-2024 : матеріали XV Міжн. наук.-практ. конф., м. Херсон, 13-15 березня, 2024 р. С. 39-41.

Monitoring state of marine plain bearings based on exponential degradation model / Sharko A., Sharko O., Stepanchikov D., Yanenko A. CEUR Workshop Proceedings. 2024. Vol. 3664. Pp. 48-58.