舰船科学技术  2023, Vol. 45 Issue (24): 180-183    DOI: 10.3404/j.issn.1672-7649.2023.24.033   PDF    
基于无线网络的船舶电气设备过热监测系统
张婷婷, 张冬霞, 潘红娜     
江西工程学院 智能制造与能源工程学院,江西 新余 338000
摘要: 本文设计基于无线网络的船舶电气设备过热监测系统。该系统通过短距无线通信模块、ZigBee通信协议以及无线网络中心节点组网,利用无线网络中心节点组网与短距无线通信模块实现系统的数据与指令等传输,同时利用红外摄像机采集船舶电气设备图像,并使用视觉特征三维重建方式对船舶电气设备过热位置进行重构。通过视觉识别的似然函数判断船舶电气设备是否过热,并计算船舶电气设备红外图像过热点的红外热点强度,实现船舶电气设备过热监测。实验结果表明,该系统具备较好的无线网络传输能力,并可有效对电气设备过热位置进行视觉特征三维重构,同时准确判断船舶电气设备过热情况,具备较为显著的应用效果。
关键词: 无线网络     电气设备     过热监测     无线通信模块     视觉特征     三维重建    
Ship electrical equipment overheat monitoring system based on wireless network
ZHANG Ting-ting, ZHANG Dong-xia, PAN Hong-na     
School of Intelligent Manufacturing and Energy Engineering, Jiangxi University of Engineering, Xinyu 338000, China
Abstract: This article designs a wireless network-based ship electrical equipment overheating monitoring system. The system utilizes the design of a short range wireless communication module, ZigBee communication protocol, and wireless network center node networking to transmit system data and instructions. At the same time, infrared cameras are used to collect images of ship electrical equipment, and visual feature 3D reconstruction is used to reconstruct the overheating position of ship electrical equipment. The likelihood function of visual recognition is used to determine whether the ship's electrical equipment is overheating, and the infrared hotspot intensity of the infrared image of the ship's electrical equipment is calculated to achieve overheating monitoring of the ship's electrical equipment. The experimental results show that the system has good wireless network transmission capability and can effectively reconstruct the visual features of the overheating position of electrical equipment in 3D. At the same time, it can accurately determine the overheating situation of ship electrical equipment and has significant application effects.
Key words: wireless network     electrical equipment     overheating monitoring     wireless communication module     visual characteristics     three-dimensional reconstruction    
0 引 言

随着科技的发展,船舶电气设备的智能化和网络化程度越来越高。然而,船舶电气设备在运行过程中,由于环境恶劣、设备老化、负载过大等各种原因,容易出现过热现象[1],严重时可能导致设备损坏或火灾事故。因此,设计一种基于无线网络的船舶电气设备过热监测系统,对设备的温度进行实时监测和预警,对于保障船舶电气设备的安全运行具有重要意义。目前,已有很多学者设计电气设备过热监测系统。王瑞涵等[2]设计船舶机舱设备状态监测系统,该系统利用传感器采集船舶机舱设备实时运行信息后,将流形学习和孤立森林算法相结合,利用该算法获得船舶机舱设备过热状态监测结果。许志浩等[3]设计电气过热故障识别系统,该系统使用机器视觉方法采集电气设备热像图像,然后通过自动搜寻与温度对比的方式判断过热区域,实现电气设备过热监测。以上2种系统在实际应用中虽取得一定成果,但均存在设备过热监测不及时情况,应用效果欠佳。无线网络是一种利用无线电波传输数据的通信技术,不需要有线连接,因此可以方便地部署在船舶的各个位置,实现对船舶电气设备的远程监控和管理。本文以无线网络为基础,设计基于无线网络的船舶电气设备过热监测系统。

1 船舶电气设备过热监测系统 1.1 短距无线通信模块设计

短距无线通信模块负责传输船舶电气设备过热监测系统的通信,如采集的船舶电气设备红外图像、用户指令信号、数据读写等。短距无线通信模块通信协议采用ZigBee通信协议,通过多线程实现系统的数据传输,短距无线通信模块结构如图1所示。在短距无线通信模块结构内,报文线程负责封装报文、监听报文和分析报文,用户通过门户端发送数据传输、设备过热监测指令后,短距无线通信模块报文线程功能对传输数据、指令等报文进行封装、监听与分析等处理后,对数据进行同步并处理,再通过界面显示主线程为用户提供数据传输、监测指令等执行结果进行显示[4],并利用数据库对相关数据进行存储,实现整个系统数据、指令等通信传输。

图 1 短距无线通信模块结构 Fig. 1 Structure of short range wireless communication module
1.2 无线网络通信协议设计

无线网通信协议的作用主要是规定了无线通信实体之间通信的规则和约定,以确保信息的有效传输。这些协议规定了通信的带宽、信噪比、编码方式和额外开销,从而可以计算出理论速率[5]。此外,无线通信协议还对通信实体之间的连接方式和数据传输格式进行规定,以确保数据的正确性和完整性。这些协议通常包括数据封装、解封装、加密和解密等操作,以保护数据的机密性和完整性[6]。无线网络通信协议采用ZigBee通信协议,该通信协议结构如图2所示。无线网络通信协议的ZigBee通信协议由物理层、MAC层、网络层和应用支持层组成,每一层均提供数据接口或者管理服务接口,其应用层连接ZigBee设备对象,负责为用户提供网络应用服务,物理层负责对数据进行安全传输,MAC层负责解决通信传输过程中的信道访问冲突问题,并负责发送信标与处理网络链接、断开问题,网络层则负责整个船舶电气设备过热监测系统各种功能的执行,建立和维护网络,并向应用层提供服务。

图 2 无线网络通信协议 Fig. 2 Wireless network communication protocol
1.3 无线网络中心节点组网

利用ZigBee通信协议组建无线网络中心节点网络,该网络通过ZigBee通信协议中的Z-STACK组网方案组建,在船舶电气设备过热监测系统软件和硬件均正常的情况下,对ZigBee通信协议任务进行初始化即可组建一个新的无线网络中心节点网络。无线网络中心节点组网过程如图3所示。ZigBee协调器的通信层向网络层发送组建网络请求,网络层与MAC层执行能欧昂检测、信道扫描、参数设置并启动网络,网络层向通信层反馈组建网络确认,完成无线通信网络中心节点组网。

图 3 无线网络中心节点组网过程示意图 Fig. 3 Schematic diagram of wireless network midline node networking process
1.4 船舶电气设备过热监测方法

利用红外摄像机采集船舶电气设备图像,使用视觉特征三维重建方式实现船舶电气设备过热监测,其详细过程为:I(x,y)表示船舶电气设备热成像图像,f(x,y)表示船舶电气设备热成像图像的边缘,Z(x,y)表示高斯滤波函数,使用高斯滤波函数对船舶电气设备热成像图像边缘进行卷积处理,则I(x,y)会被轮廓曲线$ C $划分为2个区域,分别为R1R2,该2个区域为互相不重合关系。对所有船舶电气设备红外热成像进行划分后,即可得到$ K $个分割区域,然后使用自适应连续过热定位方式描述船舶电气设备过热位置图像纹理,其自适应搜索迭代方程如下:

$ \frac{{ \partial B(x,y,t)}}{{ \partial t}} = \frac{{{ \partial ^2}B(x,y,t)}}{{ \partial {\zeta ^2}}} + \frac{{{ \partial ^2}B(x,y,t)}}{{ \partial {\eta ^2}}} \text{。}$ (1)

式中:$ \partial $为自然对数函数;$ B $为三维特征中间自行校正概率;$ t $为时刻;$ \zeta $$ \eta $为船舶电气设备过热位置图像纹理子空间顶点角度。

使用式(1)对船舶电气设备红外图像进行自适应搜索后,得到船舶电气设备过热图像的纹理子空间,表达式如下:

$ \left[ \begin{gathered} x \\ y \\ \end{gathered} \right] = \left[ \begin{gathered} \cos \phi \mathop {}\limits^{} - \sin \phi \\ \sin \phi \mathop {}\limits^{} \cos \phi \\ \end{gathered} \right]\left[ \begin{gathered} \zeta \\ \eta \\ \end{gathered} \right] \text{。}$ (2)

式中,$ \phi = \arctan \left[ {( \partial B/ \partial y)/( \partial B/ \partial x)} \right] $

利用式(2)获得船舶电气设备图像过热位置纹理子空间后,可有效提取到电气设备图像区域内过热点的像素值,在时刻为$ k $时,对于过热点敏感性特征mj来说,其视觉识别的似然函数表达公式如下:

$ {\Lambda _j}(k) = \Gamma (z(k)/{m_j}(k),{z^{k - 1}})\text{。} $ (3)

式中:$ {\Lambda _j}(k) $为视觉识别似然函数;$ {z^{k - 1}} $表示时刻为$ k - 1 $时船舶电气设备热点值;$ \Gamma ( \cdot ) $为视觉识别似然概率函数,当该数值高于预设阈值$ \tau $时,则说明过热点敏感性特征mj较为显著,则该点区域为船舶电气设备图像过热位置。

阈值$ \tau $需要依据船舶电气设备的不同设置不同数值,如船舶电气设备过载、发电机负荷过大、冷却系统故障等产生的设备过热温度均不同,需要依据具体设备而设置。然后计算船舶电气设备红外图像过热点的红外热点强度,其计算公式如下:

$ W = \frac{{(\frac{{ \partial B}}{{ \partial x}}i - \frac{{ \partial B}}{{ \partial y}}j)}}{{\left| {\nabla u} \right|}} \text{。}$ (4)

式中:$ W $为船舶电气设备红外图像过热点的红外热点强度;$ i $$ j $均为船舶电气设备红外图像过热点。依据船舶电气设备红外图像过热点的红外热点强度,可以数据的形式呈现船舶电气设备过热监测结果。

将上述视觉三维重建与红外热点强度计算结果通过无线网络传输到系统用户门户端,以可视化方式为用户展示监测结果。

2 结果分析

以某货运船舶作为实验对象,该船的总长为300 m,型宽为50 m,型深为24.70 m,设计航速为16.7 kn。该船舶运载大宗货物,执行远洋航行任务,使用本文系统对该船舶电气设备展开监测,获取电气设备过热监测结果。

无线网络传输能力是衡量船舶电气设备过热监测系统的指标之一,以频带利用率作为衡量指标,验证本文系统的无线网传输能力,测试结果如图4所示。分析可知,本文系统在进行通信传输时,其频带利用率数值随着时间的推移呈现波动趋势,但整体波动幅度较小,最低频带利用率为0.93左右,最高频带利用率为0.98左右。上述结果说明本文系统在进行通信传输时的频带利用率数值较高,其通信性能较为快速,该结果也从侧面表明本文系统在进行船舶电气设备过热监测时的及时性较好。

图 4 系统频带利用率 Fig. 4 System frequency band utilization

本文系统对船舶电气设备红外图像的三维重建是对电气设备过热监测的基础,以该船内小型驱动机作为实验对象,采集其红外图像,对其过热区域进行三维重建,重建效果如图5所示。分析可知,利用本文系统可有效依据原始的船舶电气设备红外图像,对图像内过热区域进行三维重建,其重建后的船舶电气设备过热区域与其原始图像内较为吻合。上述结果说明本文系统具备较好的视觉三维重建能力,也表明本文方法对船舶电气设备过热监测能力较好。

图 5 船舶电气设备过热区三维重建结果 Fig. 5 3D reconstruction results of overheating zone of ship electrical equipment

利用本文方法对船舶电气设备过热进行监测,以船舶冷却系统电气设备作为实验对象,监测结果如图6所示。分析可知,利用本文方法对船舶冷却系统电气设备进行过热监测,可通过可视化图像的方式呈现其监测结果,并使用标记框表示船舶电气设备过热区域,为用户清楚展示船舶电气设备过热区域与位置,便于后续对船舶电气设备的修理与维护。

图 6 船舶冷却系统电气设备过热监测结果 Fig. 6 Monitoring results of overheating of electrical equipment in ship cooling system
3 结 语

基于无线网络的船舶电气设备过热监测系统设计,通过无线网络技术实现对船舶电气设备的过热监测,提高船舶电气设备运行的安全性和可靠性。该系统能够实时监测船舶电气设备的温度,及时发现过热问题,避免设备损坏和火灾事故的发生。同时,该系统还可以实现远程监控和管理,方便管理人员随时掌握船舶电气设备的运行状态,及时采取措施预防过热问题的发生。因此,该系统能够提高船舶电气设备的使用寿命和安全性。

参考文献
[1]
蒋佳炜, 胡以怀, 丁梦豪, 等. 基于相对混乱度特征选择的船舶风机智能状态监测与故障诊断[J]. 上海海事大学学报, 2023, 44(1): 88-94.
JIANG Jia-wei, HU Yi-huai, DING Meng-hao, et al. Intelligent condition monitoring and fault diagnosis of marine fans based on feature selection of relative chaos[J]. Journal of Shanghai Maritime University, 2023, 44(1): 88-94.
[2]
王瑞涵, 陈辉, 管聪. 基于机器学习的船舶机舱设备状态监测方法[J]. 中国舰船研究, 2021, 16(1): 158-167.
WANG Rui-han, CHEN Hui, GUAN Cong. Condition monitoring method for marine engine room equipment based on machine learning[J]. Chinese Journal of Ship Research, 2021, 16(1): 158-167. DOI:10.19693/j.issn.1673-3185.02150
[3]
许志浩, 郑诗泉, 康兵, 等. 基于三相自搜寻比较法的电气设备过热故障识别方法[J]. 红外技术, 2021, 43(11): 1112-1118.
XU Zhi-hao, ZHENG Shi-quan, KANG Bing, et al. Overheat fault identification method for electrical equipment based on three-phase self-searching comparison method[J]. Infrared Technology, 2021, 43(11): 1112-1118.
[4]
何琪, 杨培青, 徐鹏. 基于Z-Stack协议栈的船舶机舱环境监测系统设计[J]. 船舶工程, 2021, 43(3): 100-104.
HE Qi, YANG Pei-qing, XU Peng. Design of ship engine room environmental monitoring system based on Z-stack protocol stack[J]. Ship Engineering, 2021, 43(3): 100-104.
[5]
曾军, 王东杰, 范伟, 等. 基于红外热成像的电气设备组件识别研究[J]. 红外技术, 2021, 43(7): 679-687.
[6]
党晓婧, 刘顺桂, 朱光南, 等. 基于特征提取的电气设备红外图像识别算法[J]. 沈阳工业大学学报, 2023, 45(3): 264-269.
DANG Xiao-jing, LIU Shun-gui, ZHU Guang-nan, et al. Infrared image recognition algorithm based on feature extraction for electrical equipment[J]. Journal of Shenyang University of Technology, 2023, 45(3): 264-269.