0 引　言

舰船机舱是舰船的核心部分，它包含了众多复杂的设备和系统，此类系统和设备的稳定协同运作，可确保舰船在各种环境下保持高效、稳定的运行^[1]。合理的智能化舰船机舱温度监测系统，可实现此类机舱设备与系统的整合、状态监测、健康状态评估以及决策预警等^[2]，便于及时发现并处理潜在故障，避免和防止船员判断和操作失当，从而提高舰船的整体安全性和可靠性。

目前，针对舰船机舱设备运行状态监测的智能化研究，杨万勇等^[3]通过将舰船机舱的虚拟信息与现实场景相结合，引导巡检人员快速到达巡检点，实时获取设备运行数据，并通过数据分析及时发现潜在问题，完成舰船机舱的智能化巡检任务。由于舰船机舱内设备多样，通信协议和数据格式各异，增加了增强现实巡检设备与现有系统集成的难度，设备兼容性问题导致信息传输不畅或数据解析错误，影响巡检的顺利进行。王晓等^[4]设计的智能机舱平台，通过现场可编程门阵列开发硬件部分，并运用LabView设计软件部分，实现机舱各类设备信号的监测。对于类型多样且运行状态复杂的机舱设备所产生的大规模数据量，LabView在数据处理和可视化时会遇到性能瓶颈，导致数据处理延迟与结果不准确等问题，影响状态监测的可靠性。李欣等^[5]运用各类传感器采集船舶机舱设备运行中关键参数，经由LoRa模块传送到中心网关实施分析与处理，完成设备的智能化监测。LoRa技术的数据传输速率相对较低，且易受到设备的频谱干扰，限制了其在机舱设备智能化监控过程中大容量数据传输场景中的应用效果。

半实物仿真（HIL）技术通过将实际多组分复杂设备与仿真模型相结合，能够模拟出接近真实操作条件的测试环境，仿真结果具有较高的置信度，能够更准确地反映系统的实际性能。虚拟现实（VR）技术具有交互性强、多感知性、适用性广泛以及沉浸感强等优势^[6]，通过该技术用户可对虚拟环境中物体实施可视化操作，并能从环境中得到反馈，增强用户与虚拟环境的互动体验。范例推理智能评估方法是基于人类解决问题的实际心理历程，通过借用旧的事例或经验来解决问题、评价解决方案、解释异常情况或理解新情况。本文结合HIL技术、VR技术及范例推理智能评估方法，设计了高度智能化的舰船机舱温度监测系统，实现对类型多样、状态复杂的机舱设备的实时仿真交互监控、健康状态评估以及决策预警等任务，保证各类机舱设备的协同运作，实现不同工况下舰船的高效稳定航行。

1 智能化舰船机舱温度监测系统 1.1 舰船机舱主要设备及监控参数分析

舰船机舱中的设备主要由环控设备、电力设备以及推进设备三大类组成。其中，环控设备重点包括风机盘管、舱底排水泵、环控冷却装置等；电力设备重点包括交/直流配电柜、柴油发电机、发电机与主机的启动蓄电池等；推进设备重点包括喷水泵、齿轮箱及柴油主机等。舰船机舱主要设备的关键监控参数如表1所示。

1.2 智能化舰船机舱温度监测系统整体结构设计

为实现对舰船机舱主要设备各种关键参数的智能化监控，便于在此类机舱设备参数存在异常时及时评估各机舱设备的健康状态，并在需要时发出预警，为舰船工作人员及时发现机舱设备异常并实施相应措施提供保障，设计高度智能化的舰船机舱温度监测系统。所设计的高度智能化舰船机舱温度监测系统整体结构如图1所示。

该高度智能化舰船机舱温度监测系统主要由智能化仿真交互模块、智能通信模块、状态评估模块以及智能决策预警模块等组成。其中，各个模块的关键组成及功能分析如下：

1）智能化仿真交互模块。该模块主要由HIL单元与VR单元两大部分组成，主要实现机舱设备的整合仿真及智能化监测与操控。其中，HIL单元又包含了传感设备、设备操控盘台、数学服务模型及人机交互界面4个子单元，主要功能是采集目标舰船机舱设备的实时运行状态数据，并构建各个机舱设备的实时仿真模型；VR单元与HIL单元之间通过交换机实现数据交互，VR单元的主要功能是运用HIL单元的数据，生成机舱三维场景模型。

2）智能通信模块。该模块的主要功能是经由CAN网络，实现仿真交互模块所获取的机舱设备实时运行状态数据与仿真模型的精准传输。

3）状态评估模块。该模块的核心部分为范例推理单元，基于智能通信模块所传输的机舱设备实时数据，实时评估机舱的环控设备、电力设备及推进设备的健康状态。

4）智能决策预警模块。此模块以状态评估模块所得结果为依据，结合仿真交互模块的监测与仿真结果，综合分析机舱各种设备是否存在异常，在存在异常状态时及时发出预警信号，并依据不同设备的实际应用与维修需求，给出综合评估报告以及维修决策。

1.3 系统关键软硬件设计 1.3.1 智能化仿真交互模块设计

仿真交互模块作为该舰船机舱系统的关键智能化模块，其主要结合了半实物仿真（HIL）单元与虚拟现实（VR）单元，通过对目标舰船机舱内各关键设备的分布式协同仿真，有效整合机舱设备，实现机舱设备的高度智能化监测与操控，并为机舱设备的健康状态评估与预警提供保障。高度智能化的仿真交互模块结构如图2所示。

1.3.2 机舱设备健康状态智能化评估

通过系统的状态评估模块，基于仿真交互模块获取的舰船机舱设备运行状态数据与仿真模型，对舰船机舱设备的健康状态实施智能化评估，依据评估结果可实现智能决策预警模块的智能预警，保障舰船机舱设备及整个舰船系统的健康稳定运行。状态评估模块选取范例推理智能评估方法，将机舱设备健康状态评估领域的专家经验及知识充分运用，得到范例知识，运用此类范例知识实现目标舰船机舱设备健康状态评估。范例推理的机舱设备健康状态智能评估流程见图3。具体评估过程为：

步骤1　将仿真交互模块获取的舰船机舱设备运行状态数据与仿真模型构成机舱设备实时数据库，与同领域的历史范例知识共同输入到范例推理单元中；

步骤2　对所输入的历史范例知识实施分类与索引等预处理后，输入到范例知识库内；

步骤3　对范例知识库中的历史范例与机舱设备实时数据库中的数据实施相似性匹配，所得匹配结果即为机舱设备的实时运行健康状态评估结果，最终所得评估结果经由范例推理单元输出。

范例知识库中的历史范例与机舱设备实时数据库中的数据的相似性匹配是实现设备健康状态评估的关键，匹配中二者的相似性运算式为：

$\delta \left( {{A_c},{A_d}} \right) = \sqrt {\sum\limits_{i,j = 1}^{m,n} {{\omega _{i,j}}\left[ {1 - {{\left( {\left( {{e_j} - {c_i}} \right)/{H_{i,j}}} \right)}^2}} \right]} }。$

(1)

式中：$ {A_d} $与$ {A_c} $分别为范例知识库中的历史范例与机舱设备实时数据库中的数据，其中，$ {A_d} = \left[ {{c_1},{c_2}, \cdots ,{c_m}} \right] $，$ {A_c} = \left[ {{e_1},{e_2}, \cdots ,{e_n}} \right] $；$ m $与$ n $分别为范例知识库与机舱设备实时数据库的总数据量；$ {\omega _{i,j}} $为第$ i $个历史范例或第$ j $个机舱设备实时数据的特征属性权重；$ {H_{i,j}} $为示二者的特征属性取值区间。

2 性能测试结果与分析

步骤1　实时数据采集与传输，通过智能化仿真交互模块中的HIL单元，采集舰船机舱内各类设备的实时运行状态数据。

步骤2　利用智能通信模块，通过CAN网络将采集到的数据精准传输至状态评估模块。

步骤3　状态评估模块利用范例推理智能评估方法，基于传输过来的实时数据，对舰船机舱设备的健康状态进行实时评估。

步骤4　将实时数据与范例知识库中的历史范例知识进行相似性匹配，得出设备的健康状态评估结果。

利用HIL单元采集的数据和VR单元，构建舰船机舱的三维场景模型，实现机舱设备的高度逼真度实时同步仿真。为了确保性能实验的顺利进行和结果的准确性，实验条件设置如下：

选取某船作为实验对象，该舰船具有典型的舰船机舱结构和设备配置，能够全面验证系统的性能。该舰船的关键参数详见表2。

在实验舰船的机舱内安装所需的传感设备、设备操控盘台、人机交互界面等硬件设备，确保能够准确采集和传输设备的实时运行状态数据。构建稳定的CAN网络，确保智能通信模块能够高效、精准地传输数据。开发并部署完整的软件系统，包括智能化仿真交互模块、智能通信模块、状态评估模块和智能决策预警模块等。

通过上述实验内容和实验条件的设置，可以全面验证所设计的高度智能化舰船机舱温度监测系统的性能，确保其在实际应用中的可靠性和有效性。

以机舱柴油主机的机油温度与冷却水温度为例，呈现本文系统监测得到的实验舰船机舱该设备部分时段的运行数据，如图4所示。

本文系统可通过其智能化仿真交互模块，得到实验舰船机舱设备与场景的高逼真度实时同步仿真模型，实现机舱内柴油主机、环控冷却装置等设备的实时智能化监测，为后续评估各种机舱设备的健康运行状态提供可靠的数据支撑。

通过本文系统的应用，对实验舰船机舱的柴油主机、环控冷却装置等设备的实际运行健康状态实施评估。评估中将实验舰船机舱设备运行中不同时刻的实时数据，与本文系统所构建的历史范例知识库内的各条历史范例知识实施相似性匹配，将匹配中相似度最高的范例知识作为对应设备数据的健康状态评估结果。期间，本文系统所构建的历史范例知识库中包含的部分历史范例知识详见表3。

从本文系统监测的柴油主机机油温度与冷却水温度数据中随机抽取10条数据（e₁～e₁₀），此类数据对应时间点依次为5.36、7.56、10.12、15.37、18.24、23.80、26.17、33.82、38.97、41.22 s，通过本文系统将此类实时数据与历史范例知识库内的历史范例知识实施匹配，匹配后所得结果中相似度最高的10条历史范例知识重新编号为c₁～c₁₀。所选柴油主机数据与历史范例知识的相似度如图5所示。可以看出，各组柴油主机实时数据均可得到相似度较高的历史范例知识匹配，其中，第e₁条柴油主机实时数据的相似度最高历史范例知识匹配为c₈，第e₂～e₁₀条柴油主机实时数据的相似度最高历史范例知识匹配依次为c₇、c₁₀、c₃、c₂、c₅、c₆、c₁、c₄、c₉。

本文系统最终得到的此类机舱柴油主机数据对应的健康状态评估结果见表4所示。分析可知，在第7.56 s时，实验舰船机舱的柴油主机机油温度为103.33℃，高于最高温度100℃；在第23.80 s时，实验舰船机舱的柴油主机冷却水温度为98.33℃，高于最高温度95℃，故这2个时刻柴油主机存在温度高的异常状态，本文系统的评估结果与此相符，评估结果理想可靠。

3 结　语

本文设计一种高度智能化的舰船机舱温度监测系统，该系统中主要应用了HIL与VR两种技术的优势，协同仿真机舱内多类型且状态复杂的分布式设备，将此类设备有效整合，达到实时监控各类机舱设备运行状态的目的；另外，此系统内还结合了范例推理智能评估方法，运用实时监控所得的各类机舱设备运行状态参数，实现设备健康状态的准确评估，为舰船的平稳运行与高效作战提供保障。