2. 国网河南省电力公司 许昌供电公司,河南 许昌 461000
2. Xuchang Power Supply Company, State Grid Henan Electric Power Company, Xuchang 461000, China
船舶电力计量设备作为船舶电力系统的关键组成部分,承担着对船舶电力使用情况进行准确计量的重要任务[1]。这些设备的准确性和可靠性直接关系到船舶电力系统的运行效率、能源消耗以及安全性能。因此,对船舶电力计量设备进行定期巡检,及时发现并处理潜在问题[2],对于保障船舶电力系统的稳定运行和船舶的安全航行具有重要意义。
传统的巡检方式主要依赖巡检人员定期定时对电力计量设备进行逐一检查,不仅工作量大,而且容易受到人为因素的影响,导致巡检质量无法得到保障。因此,研究和开发有效的船舶电力计量设备巡检方法,提高巡检效率和准确性,已经成为当前船舶电力系统管理的重要课题。在当前背景下,朱少斌等[3]通过将天牛须搜索算法和粒子群算法结合形成天牛群算法,用于优化BP神经网络的权值,实现对电力巡检中电能计量装置异常的准确诊断。该方法的性能在很大程度上依赖于天牛群算法的优化效果和BP神经网络的架构设计,如果算法参数设置不当或网络结构设计不合理,则会影响诊断的准确性和效率。Zhang[4]通过训练神经网络自动调整其参数,以适应不同船舶设备的故障特征,实现对设备故障的准确识别与诊断。虽然BP神经网络可以通过自动调整参数来适应不同船舶设备的故障特征,但其泛化能力会受到训练数据质量和数量的限制。如果训练数据不充分,则会影响神经网络的诊断性能。王磊等[5]采用改进的YOLOv5s算法进行缺陷检测,通过优化网络结构和损失函数等,提高对小目标和微小缺陷的检测精度和效率,有助于保障电力设备的安全稳定运行。在复杂的电力巡检场景中,存在多种干扰因素,如光照变化、设备遮挡等,这些因素会影响YOLOv5s算法的检测性能,导致漏检或误检。黄冬梅等[6]采用改进混合粒子群算法与匹配理论,优化巡检策略,提高巡检效率与路径规划准确性,确保电力设施的安全监测。混合粒子群算法的性能会受到参数设置和初始条件的影响。如果初始条件不佳,会导致算法无法收敛。
射频识别(Radio Frequency Identification,RFID)技术可以记录巡检人员的巡检轨迹和时间,有助于确保巡检工作的全面性和及时性。同时,RFID技术的自动化记录功能可以确保数据的准确性和完整性,解决人工记录数据容易出现错误或遗漏,导致信息不完整或误导问题。为此,研究RFID技术下船舶电力计量设备巡检优化方法,期望能够为船舶电力计量设备的巡检工作提供更加科学、高效的方法,推动船舶电力系统管理水平的提升,为船舶的安全航行和可持续发展作出贡献。
1 电力计量设备巡检方法优化设计 1.1 RFID电子标签选择及其硬件设计考虑船舶环境特点,从材料、安装方式和工作频率3个角度选取合适的RFID电子标签。
船舶电力计量设备上的RFID电子标签通常安装于机舱内或甲板下的复杂环境中,这些区域不仅空间狭小,而且经常面临高温、潮湿、振动以及强磁场等多重挑战,因此,对RFID电子标签的工业强度和耐用性有着极高的要求[7]。鉴于船舶结构多由钢铁等金属材料构成,这些金属介质容易反射电磁波,对RFID电子标签的识别造成显著干扰。因此,选取抗金属RFID电子标签,以确保在船舶特有的电磁环境下仍能稳定工作。在安装方式上,考虑到船舶电力计量设备通常固定且布线密集,RFID电子标签可通过专用的固定装置如强力胶粘贴、专用的螺钉紧固或直接利用抱箍固定在设备本体或附近的非导电结构上,以确保标签位置稳固且便于读取。
RFID电子标签工作频率如表1所示。
![]() |
表 1 RFID电子标签工作频率 Tab.1 RFID electronic tags operating frequency |
鉴于船舶电力系统的高压特性,标签的工作频率应选定超高频RFID,这一频段不仅能提供较远的读取距离和较大的数据容量,还能在一定程度上减少与船舶其他电子设备的相互干扰。
依据选择的RFID电子标签工作频率,设计优化的超高频RFID电子标签,确保数据的准确性和完整性,解决人工记录数据容易出现错误或遗漏,导致信息不完整或误导问题。其硬件结构如图1所示。
![]() |
图 1 超高频RFID电子标签硬件结构 Fig. 1 Hardware structure of ultra-high frequency RFID electronic tag |
图中,控制器作为“大脑”处理信号,控制数据读写、编码解码,确保数据准确[8]。编码器采用曼彻斯特编码保证数据传输可靠性。存储器存储设备信息,如唯一标识符、设备编号、校准数据以及所属船舱等信息,供巡检时读取。时钟为标签提供稳定时间基准,确保数据准确传输处理。
1.2 手持RFID阅读器设计通过设计手持RFID阅读器,实时采集超高频RFID电子标签内存储的船舶电力计量设备相关信息,并传输至Web端,进行船舶电力计量设备故障分析,完成船舶电力计量设备巡检。手持RFID阅读器的结构如图2所示。
![]() |
图 2 手持RFID阅读器结构图 Fig. 2 Structure diagram of handheld RFID reader |
手持RFID阅读器在船舶电力计量设备巡检中扮演关键角色,其核心部件微控制器控制整体运行。阅读器通过应用接口驱动与外部应用程序(如船舶Web端)交互,实现数据的读写和控制。存储单元保存配置参数、识别记录、日志及电力消耗数据。射频发射器产生射频信号激活RFID标签,而射频接收器则接收标签返回的包含设备数据的信号,并转换为数字数据供微控制器处理。时钟发生器确保工作时序正确,电压调节器保证阅读器在各种电压波动下稳定运行,确保数据连续可靠。
利用本文方法设计的手持RFID阅读器,读取超高频RFID电子标签内存储的电力计量设备相关信息,以10个标签的部分信息为例,读取结果如表2所示。
![]() |
表 2 电力计量设备信息读取结果 Tab.2 Reading results of power metering equipment information |
可知,本文方法可有效利用手持RFID阅读器,读取超高频RFID电子标签内存储的电力计量设备相关信息,且读取结果全部成功,最长读取时间为75 ms,读取速度较快。
1.3 RFID标签防碰撞算法设计当多个超高频RFID电子标签同时位于RFID阅读器的工作范围内时,它们会同时响应阅读器的查询信号,这种同时响应会导致信号相互干扰,形成“碰撞”。碰撞现象会严重影响RFID阅读器的识别效率和准确性,使得RFID阅读器无法正确读取或写入标签中的数据,影响船舶电力计量设备巡检精度。为此,利用校验分组动态帧时隙RFID标签防撞(CG-DFSA)算法,优化RFID阅读器,根据标签的响应速度和信号强度等信息来优先处理信号较强的标签或响应速度较快的标签,加快识别效率,提升巡检工作的全面性和及时性。
利用CG-DFSA算法优化RFID阅读器进行超高频RFID电子标签识别的具体步骤如下:
步骤1 RFID阅读器初始化。令超高频RFID电子标签到达率为
$ {p_i} = \frac{{{{A'}_i} + {A_i}}}{{{{A'}_{i - 1}} + {A_{i - 1}}}} 。$ | (1) |
步骤2 船舶电力计量设备巡检时,以手持RFID阅读器识别范围内标签随机选择时隙
步骤3 阅读器根据标签的响应判断时隙状态,若成功识别,则读取标签存储的设备编号以及所属船舱等信息,更新
步骤4 对于碰撞情况,阅读器利用校验信息进行校验,若碰撞位数(<3位),则解析碰撞标签信息,更新成功解析的碰撞标签数
步骤5 阅读器判断是否还有未识别的时隙。如果没有则执行下一步;否则返回步骤2继续查询。
步骤6 阅读器判断是否还有未识别的超高频RFID电子标签,如果所有标签都已成功识别,则结束识别过程,完成船舶电力计量设备信息读取。否则,增加帧序号
运用优化后的RFID阅读器识别超高频RFID电子标签,依据标签识别结果设计船舶电力计量设备巡检流程,如图3所示。
![]() |
图 3 船舶电力计量设备巡检流程 Fig. 3 Inspection process for ship power metering equipment |
船舶电力计量设备巡检的具体步骤如下:
步骤1 巡检配置。在船舶电力计量设备巡检过程中,巡检配置由管理员在Web端完成,包括巡检点的精确设定、电力计量设备的详细配置以及巡检路线规划。管理员会根据船舶的实际布局和电力计量设备的分布情况,将巡检内容添加到巡检点库中,并配置每个设备的超高频RFID电子标签,生成符合船舶运营需求的船舶电力计量设备巡检路线。
步骤2 设备巡检。根据预设的巡检路线和周期自动生成巡检任务。巡检人员携带手持RFID阅读器,按照指定的巡检路线前往各个电力计量设备所在位置进行扫卡巡检。在巡检过程中,手持RFID阅读器会实时传输读取的标签信息至Web端,并将巡检记录实时上传至Web端。若巡检不合格,需要重新巡检,以确保电力计量设备的正常运行。Web端利用GRU算法,结合接收的船舶电力计量设备信息,进行故障检测,故障检测结果为:
$ \left\{\begin{gathered}o_t=f\left(w_ox_t+w_oy_{t-1}\right),\\ k_t=f\left(w_kx_t+w_ky_{t-1}\right),\\ y_t=o_t\cdot y_{t-1}+\left(1-o_t\right)\cdot\left[\tan\mathrm{h}\left(w_yx_t+k_t\cdot w_yy_{t-1}\right)\right]。\end{gathered}\right. $ | (2) |
式中:
步骤3 巡检报修。在巡检过程中,巡检人员依据Web端的故障检测结果和现场情况,对电力计量设备的运行状态进行全面评估。一旦发现设备存在故障或潜在风险,巡检人员会立即进行记录并提交维修申请,通知维修人员迅速前往故障现场进行处理。
综上所述,通过精心挑选适应船舶复杂环境的RFID电子标签、设计专用的手持阅读器以及高效的防碰撞算法,并结合船舶Web端管理系统,实现了对船舶电力计量设备的智能化、高效化巡检,极大地提升了船舶巡检的精准度和效率,确保了船舶电力系统的稳定运行。
2 实验分析以某船舶为实验对象,该船舶的主要参数如表3所示。
![]() |
表 3 船舶的主要参数 Tab.3 Main parameters of the ship |
船舶电力计量设备巡检优化的实验环境不仅布局专业整洁,而且能够提供更全面、更精准的控制和监测功能,从而满足船舶电力计量设备巡检中对于高精度、高效率的需求。
在该船舶电力计量设备中,随机选择50个样本,利用本文方法对其进行故障检测,故障检测结果如图4所示。
![]() |
图 4 电力计量设备故障检测结果 Fig. 4 Fault detection results of power metering equipment |
可知,本文方法可有效对船舶电力计量设备进行故障检测,故障检测结果中,仅有3个样本的故障检测结果与实际故障类型不符,说明本文方法的船舶电力计量设备故障检测精度较高,可提升电力计量设备巡检质量。
在该船舶电力计量所设备内,随机选择6个设备,利用本文方法对这6个船舶电力计量设备进行巡检,巡检优化结果如表4所示。
![]() |
表 4 船舶电力计量设备巡检结果 Tab.4 Inspection results of ship power metering equipment |
可知,本文方法在针对多种类型的船舶电力计量设备进行巡检时,展现出极高的有效性。该方法不仅能够全面完成巡检任务,还能迅速给出各类设备的巡检结果。一旦在巡检过程中发现电力计量设备存在任何故障或潜在问题,该方法能够及时通知维修人员采取相应的维修措施,确保电力计量设备稳定运行,为船舶航行提供更加可靠和安全的电力支持。
3 结 语针对船舶电力计量设备巡检中遇到的RFID标签碰撞问题,本文通过精心选择超高频RFID电子标签并优化其材料、安装方式和工作频率,结合校验分组动态帧时隙防撞算法,显著提升了手持RFID阅读器的识别效率和准确性。进一步地,Web端利用先进的门控循环单元技术对读取的数据进行深入分析,实现了对船舶电力计量设备故障的有效检测与巡检。实验验证表明,该方法不仅确保了电子标签信息的准确读取,还显著提高了巡检效率与故障检测能力,为船舶电力计量设备的可靠运行提供了有力保障。这一方案不仅确保了船舶巡检过程中电子标签信息的准确读取,更大幅提高了巡检效率与故障识别能力,为船舶电力系统的安全稳定运行提供了坚实的技术支撑,彰显了RFID技术在船舶巡检领域的独特优势与广阔应用前景。
[1] |
杨万勇, 甘辉兵, 刘泰, 等. 基于增强现实的船舶机舱智能巡检技术研究[J]. 中国造船, 2023, 64(5): 171-184. YANG W Y, GAN H B, LIU T, et al. Research on intelligent inspection technology for marine engine room based on augmented reality[J]. Shipbuilding of China, 2023, 64(5): 171-184. |
[2] |
赵思沛, 史成军, 王浩亮, 等. 基于改进RRT算法的船舶机舱巡检机器人路径规划[J]. 船舶工程, 2022, 44(7): 109-114. ZHAO S P, SHI C J, WANG H L, et al. Path planning of ship engine room inspection robot based on improved RRT algorithm[J]. Ship Engineering, 2022, 44(7): 109-114. |
[3] |
朱少斌, 许素安, 马宗彪, 等. 基于BSO-BPNN模型的电能计量装置异常诊断方法研究[J]. 中国测试, 2022, 48(1): 141-146. ZHU S B, XU S A, MA Z B, et al. Research on abnormal diagnosis method of electric energy metering device based on BSO-BPNN[J]. China Measurement & Testing Technology, 2022, 48(1): 141-146. |
[4] |
ZHANG D. Fault diagnosis of ship power equipment based on adaptive neural network[J]. International journal of emerging electric power systems, 2022, 23(6): 779-791. DOI:10.1515/ijeeps-2022-0103 |
[5] |
王磊, 郝涌汀, 潘明然, 等. 电力巡检中改进YOLOv5s的缺陷检测算法研究[J]. 计算机工程与应用, 2024, 60(10): 256-265. WANG L, HAO Y T, PAN M R, et al. Improved defect detection algorithm in power inspection based on YOLOv5s[J]. Computer Engineering and Applications, 2024, 60(10): 256-265. DOI:10.3778/j.issn.1002-8331.2309-0468 |
[6] |
黄冬梅, 徐琦, 孙锦中, 等. 基于改进混合粒子群算法和匹配理论的无人机电力巡检卸载策略[J]. 计算机应用研究, 2023, 40(7): 2111-2116. HUANG D M, XU Q, SUN J Z, et al. Power inspection and unloading strategy of UAV based on improved hybrid particle swarm algorithm and matching theory[J]. Application Research of Computers, 2023, 40(7): 2111-2116. |
[7] |
杨帆, 朱力, 刁冠勋, 等. 面向电力设备数字孪生的RFID传感器与数据传输协议设计[J]. 高电压技术, 2022, 48(5): 1634-1643. YANG F, ZHU L, DIAO G X, et al. Design of RFID sensor and data transmission protocol for digital twin of electrical equipment[J]. High Voltage Engineering, 2022, 48(5): 1634-1643. |
[8] |
尹衍楚, 邹永久, 杜太利, 等. 基于SSA-SVM算法的船舶LFCS故障诊断[J]. 计算机仿真, 2024, 41(1): 548-553. YIN Y C, ZOU Y J, DU T L, et al. Fault diagnosis of ship low freshwater cooling system LFCS based on SSA-SVM algorithm[J]. Computer Simulation, 2024, 41(1): 548-553. DOI:10.3969/j.issn.1006-9348.2024.01.100 |