0 引　言

船舶作为海运的核心载体，其运行状态直接关乎着国际贸易的顺畅进行。船舶机舱是保障船舶安全航行、高效作业的基石。一旦机舱设备突发故障，极有可能致使船舶停运，不仅会严重延误货物运输，给航运企业带来巨额经济损失，还可能引发如碰撞、搁浅等严重安全事故，对船员生命安全及海洋生态环境构成极大威胁^[1]。

传统的船舶机舱监控方法，多以单点数据采集为基础，依赖少量传感器获取局部设备信息。这种方式存在明显弊端，难以全面、实时地反映机舱内复杂的设备运行状态。在监测大型船舶的主机运行时，单点监测可能因无法覆盖主机的各个关键部位，而遗漏如局部过热、部件磨损等潜在故障隐患。并且，模拟信号在传输过程中，极易受到机舱内高温、高湿、强电磁干扰等复杂环境因素的影响，导致数据失真、传输延迟，严重影响监控系统对设备故障的及时发现与精准判断^[2]。

近年来，多点数据采集技术在船舶机舱监控领域的应用逐渐成为研究热点。陈砚桥等^[3]在机舱监控中使用多源数据集成的方法，并使用DBSCAN算法对这些数据进行聚类分析，从而提升监控效果。朱永洁^[4]为了有效解决船舶油耗的高精度预测问题，提出了一种多源异构数据的监测方法，通过提取数据中的有效特征，分析了异构数据的时间序列特征。多点数据采集技术是通过在机舱内合理部署大量不同类型的传感器，能够实时、全面地采集设备的温度、压力、振动、转速等多维度运行参数。这些丰富的数据，经由高效的通信网络传输至数据处理中心，运用先进的数据处理算法进行深度分析，能够精准提取设备的运行特征，实现对设备故障的早期预警与精准诊断^[5]。

通过对多点数据采集技术原理的剖析、传感器选型与布局的优化设计、数据处理算法的创新应用以及监控系统架构的精心搭建，旨在构建一套高精度、高可靠性的船舶机舱监控系统。

1 多点数据采集技术原理与应用 1.1 多点数据采集技术原理

多点数据采集技术突破了传统单点监测的局限，其核心在于利用多个传感器，在船舶机舱内不同空间位置与关键设备部位进行数据采集。

在数据传输环节，传感器将采集到的各类物理量（如温度、压力、振动等）转换为电信号。随后借助有线或无线通信网络，这些信号被实时传输至数据处理单元。有线通信方面，如以太网、CAN总线等，以其稳定、高速的数据传输性能，成为机舱内数据传输的常用选择。在复杂的机舱环境中，以太网可通过屏蔽线缆，有效抵抗电磁干扰，确保数据可靠传输。而无线通信技术，如Wi-Fi、蓝牙等，适用于对布线要求较高或设备位置易变动的场景。在一些小型辅助设备的监控中，蓝牙传感器可方便地进行安装与数据传输。数据处理单元接收到多源数据后，对数据进行筛选、整合、分析，提取出设备运行的关键特征，为设备状态评估与故障诊断提供有力支撑^[6]。

1.2 传感器选型

船舶机舱参数监测需求繁杂多样，需依据不同监测对象与参数特性，审慎挑选适配的传感器。在温度监测领域，热电偶传感器因具备测量范围广、响应速度快等优势，常用于高温部位，如锅炉炉膛、发动机排气管道的温度测量。其工作原理基于热电效应，2种不同材质的金属导体组成闭合回路，当两端存在温度差时，回路中便会产生热电动势，通过测量该电动势，可精确推算出温度值。而热电阻传感器适用于对温度精度要求严苛的场景，如润滑油、冷却液温度测量，利用导体或半导体的电阻值随温度变化的特性，通过测量电阻值来获取温度。

压力监测方面，电容式压力传感器以其灵敏度高、动态响应快等优点，广泛应用于液压系统、燃油系统的压力测量。其工作机制是基于压力变化导致电容极板间距或面积改变，进而引起电容量变化，通过检测电容量实现压力测量。应变片式压力传感器则因结构简单、成本低，在一些对精度要求相对不高的场合得到应用。

2 基于多点数据采集的监控方法设计 2.1 监控系统架构设计

船舶机舱监控系统采用分层分布式架构，由现场设备层、数据传输层、监控中心层构成。各层级通过标准化接口与协议实现数据交互与功能协同，保障系统运行的稳定性与可靠性，其架构如图1所示。

1）现场设备层

现场设备层作为系统底层，直接与机舱设备进行物理连接，承担数据采集与本地控制任务。该层部署多类型传感器，包括温度传感器、压力传感器、振动传感器及转速传感器等，用于实时采集设备运行参数。对于具备执行机构的设备，如燃油泵、冷却水泵等，配置智能执行器，可执行监控中心下发的控制指令或依据预设逻辑实现本地控制。现场设备层采用现场总线技术，如CAN总线、Modbus总线等，构建分布式网络，实现传感器与执行器之间的数据交互与本地处理，确保数据采集的实时性与准确性。

2）数据传输层

数据传输层负责实现现场设备层与监控中心层之间的数据传输。在有线传输方式中，以太网凭借其高传输速率与稳定性，成为机舱内数据传输的主要方式。通过构建以太局域网，将现场设备层的各个子网进行互联，并通过光纤或高速网线与监控中心建立连接。

3）监控中心层

监控中心层作为整个监控系统的核心，集成数据存储、分析处理、设备状态监测、故障诊断与预警以及人机交互等功能模块。在数据存储方面，采用关系型数据库MySQL与时序数据库Influx DB相结合的存储架构。数据分析处理模块基于数据处理算法，对采集数据进行深度分析，提取设备运行特征，实现设备故障诊断与预警。监控界面采用图形化用户界面（GUI）设计，以可视化方式展示机舱设备运行参数、运行曲线及报警信息等，便于操作人员直观掌握机舱设备运行状态。此外，监控中心层支持远程控制功能，通过网络通信协议向现场设备层的执行器发送控制指令，实现对机舱设备的远程操作与管理。

2.2 多点数据监控方法

船舶机舱多点数据监控的核心在于对多源异构数据的协同处理与深度分析。该方法通过分布于机舱各关键部位的传感器网络，如温度、压力、振动等传感器，实时采集设备运行的多维参数，经通信网络汇聚后形成多源数据集。数据处理流程遵循“采集-预处理-特征提取-状态评估”的分层架构：首先通过滤波、归一化等预处理手段提升数据质量，消除环境噪声与量纲差异的影响；继而运用统计分析、频谱变换及机器学习算法，从多维数据中提取反映设备状态的特征参数；最终通过故障诊断模型实现设备运行状态的精准评估与预警。这种全流程处理框架可有效解决单点监测的局限性，实现对机舱复杂系统的全局状态感知。

2.2.1 数据预处理

船舶机舱环境复杂，传感器采集的数据易受噪声干扰，出现数据波动、异常值等情况。为获取高质量数据，数据预处理环节至关重要。在滤波处理方面，对于温度、压力等相对平稳变化的参数，均值滤波算法可有效去除随机噪声，其原理是在一个滑动窗口内，对连续采集的多个数据求算术平均值，以该平均值作为滤波后输出。在对发动机润滑油温度监测中，若原始数据因机舱振动产生小幅波动，通过设定5个数据点的均值滤波窗口，可使温度曲线更加平滑，真实反映润滑油温度变化趋势。

归一化处理也是数据预处理的关键步骤。不同类型传感器采集的数据，其数值范围、量纲各异。温度传感器输出0 ℃～100 ℃，而压力传感器输出0～10 MPa。这种差异会影响后续数据分析与机器学习模型训练效果。采用归一化方法，将数据统一映射到[0,1]或[−1,1]区间，可消除量纲影响，提升数据可比性与模型收敛速度。在运用支持向量机算法进行设备故障诊断时，对各类参数数据进行归一化处理后，模型训练时间显著缩短，诊断准确率从80%提升至85%。

图2为机舱监控柴油机振动信号的归一化分析结果，图3为机舱监控发电机振动信号的归一化分析结果。经过归一化处理，信号在统一尺度下呈现，便于对不同设备振动特性进行对比分析。柴油机振动信号中，中值滤波有效抑制原始数据中的高频脉冲噪声，使滤波后信号更平滑，突出低频段主要振动成分，异常振动清晰可辨。发电机振动信号中，低通滤波去除高频噪声，保留低频段关键振动特征，50 Hz附近峰值更加突出。

通过中值滤波与低通滤波结合归一化处理，降低噪声干扰，增强信号中的异常特征。柴油机信号残留的高频尖峰、发电机信号低频段的幅值异常，可作为故障预警指标。这种处理为后续故障诊断奠定基础，提升机舱设备状态监测精度与故障预警能力，保障船舶动力系统安全稳定运行。

2.2.2 数据特征提取

统计分析方法在机舱设备运行状态评估中应用广泛。通过计算数据的均值、方差、标准差等统计量，可初步了解设备运行稳定性。频谱分析技术可将时域信号转换为频域信号，揭示信号的频率组成与能量分布。在振动信号分析中，不同设备故障对应特定频率特征^[7]。频域分析通过傅里叶变换揭示信号的频率组成，以机舱监控信号的频域特征为例，其核心实现步骤包括：

1）快速傅里叶变换（FFT）

对长度为n的时域信号x(t)，通过FFT转换为频域表示X(k)：

$ X(k) = \sum\limits_{n = 0}^{N - 1} x (n) \cdot {e^{ - i\frac{{2{\text{π}}}}{N}kn}},\quad k = 0,1, \cdots ,N - 1。$

(1)

图4为机舱数据频谱分析，在船舶主机振动监测中，通过FFT分析可分离出曲轴旋转频率（25 Hz）及其谐波成分，当25 Hz频率处能量谱密度较基准值升高40%时，提示曲轴可能存在不平衡故障。曲轴故障以基频及谐波能量变化为特征，齿轮故障则以边频带出现为标志，通过频谱对比可快速识别设备故障类型。这种分析方法为机舱设备的实时状态监测与故障诊断提供直观依据，助力运维人员精准定位问题。

2）包络谱分析

针对调制型故障信号（如齿轮箱故障），采用希尔伯特变换提取包络信号E(t)：

$ E(t) = \sqrt {{x^2}(t) + {{[H(x(t))]}^2}}。$

(2)

式中：H(x(t))为x(t)的希尔伯特变换。对E(t)做FFT得到包络谱，可清晰显示故障特征频率。

图5为船舶机舱齿轮正常与磨损故障信号的包络谱对比图，左侧显示正常齿轮信号的包络谱，右侧为齿轮磨损故障信号的包络谱。包络谱通过提取信号幅值包络线并进行频谱分析，可突出齿轮啮合频率及其边频带特征。正常信号中，主要频率成分清晰且无异常边频；故障信号中，除啮合频率172 Hz附近外，出现明显边频带147 Hz、197 Hz等，反映齿轮磨损导致的周期性冲击与振动调制。对比可知，包络谱能有效识别齿轮故障引发的频率特征变化，为机舱设备如齿轮箱的状态监测与故障诊断提供关键依据，助力船舶动力系统的预防性维护。

3 结　语

本文聚焦船舶机舱监控，对提升航运安全、优化设备运维意义重大。其成果可应用于船舶发动机、齿轮箱等关键设备的实时状态监测，通过精准采集与分析多源数据，及时预警故障，保障航行安全；也适用于航运企业的设备管理，助力优化维护策略、降低运营成本，提升航运效率。本文研究结论如下：

1）基于多点数据采集的监控方法，通过传感器选型、数据预处理与特征提取，有效提升了机舱设备状态监测的精度与可靠性，为故障诊断提供了多维度数据支持，解决了传统单点监测的局限性；

2）构建的分层分布式监控系统架构，融合多种技术实现数据高效传输与处理，结合频谱、包络谱等分析方法，可精准识别设备故障特征，为船舶机舱智能化监控提供了完整解决方案，对推动航运业数字化转型具有重要实践价值。