基于模糊匹配的船舶污損監測方法

閔少松，周櫓君，彭 飛

(海軍工程大學 艦船工程系，武漢 430033)

基于模糊匹配的船舶污損監測方法

閔少松，周櫓君，彭 飛

(海軍工程大學 艦船工程系，武漢 430033)

為及時確定船體水下清洗時機、消除船體海生物污損帶來的不利影響，建立船體污損和潔凈2種狀態下的航行性能監測數據的模糊匹配方法，消除污損之外其他干擾因素對“軸功率-航速”關系的影響，通過計算同一航速下軸功率增量來評估船體污損程度。利用該方法對某船航行數據進行處理，并與實際情況進行對比，結果表明，基于模糊匹配的污損監測方法可為科學實施船舶水下清洗提供理論和方法依據。

船體水下清洗；海生物污損；污損監測；模糊匹配；軸功率增量

船舶水線以下船體污損會造成眾多不利影響，如增加阻力、燃油的消耗與有害氣體排放量，降低水下設備的性能[1]。水下清洗作為一種新型污損清除手段，能在船舶不進塢前提下有效解決上述不利影響。為確保水下清洗的質量，選擇合適的清洗時機(即船舶污損到何種程度)至關重要，這就需要建立一套簡單又快捷的污損監測方法。近年來，基于軸功率、航速關系的模型多為污損監測所采用[2-3]，其原理是：污損生物的生長導致阻力不斷增加，相同航速下軸功率也不斷增加；相同航速下，通過比較與船體清潔狀態下軸功率的變化，以此來判斷污損程度。但“軸功率-航速”關系除了會受到污損的影響外，還會受到排水量、風、浪、流等眾多因素的影響。因此，污損監測方法的關鍵就在于排除這些干擾因素的影響。

張子龍與M.Aas-Hansen[4]均采用理論公式與經驗公式相結合的修正方式來計算各因素的影響量，予以扣除后來消除其影響。所不同的是，兩者所用公式各有差異。這種基于排水量、風、浪等因素影響修正的方法卻存在如下問題：①經驗公式的計算精度不高，這對污損監測結果的準確性有較大地影響；②理論公式存在許多前提假設，并不適用所有船型。因此，擬建立一種污損狀態和清潔狀態下“軸功率-航速”的比較方法，既能消除排水量、風、浪等因素影響的方法，又能避免由于使用經驗修正公式帶來的誤差。

1 基本原理

“軸功率-航速”關系受許多因素影響，但只要在相同影響因素下比較軸功率變化量，就可以消除這些因素的影響，同時又可避免修正方法的缺陷。

以船體潔凈狀態下的數據為基準數據，帶有污損時的數據為污損數據，污損數據與基準數據進行模糊匹配，匹配成功則說明影響因素是相同的。但海上的情況復雜多變，各種影響因素千變萬化，這就需要作以下處理，以提高污損數據與基準數據匹配的成功率，更好地進行污損的監測：①大量記錄數據，將這些因素的變化盡可能多的記錄下來；②污損數據與基準數據進行匹配時作一定的模糊處理：各影響因素在一定的小范圍內雖然不同，但其誤差程度帶來的影響可忽略，將這些范圍定為模糊匹配條件，污損數據與基準數據滿足這些一致性匹配條件后即可認為一致。

2 監測數據模糊匹配方法

為了實現污損監測，需要采集的數據見表1。其中，軸功率及航速數據用于建立監測的模型；風速、風向、浪高、浪向、航向及水深的數據用于排除風、浪和淺水效應的影響；GPS航速與計程儀航速的數據用于排除海流的影響；排水量和縱傾的數據用于排除裝載與浮態的影響；舵角的數據用于排除船舶機動帶來的影響；軸轉矩、主機功率作為參考數據。

表1 需采集的數據項及影響因素

2.1 一致性匹配條件

以排水量、縱傾、風速、風舷角、浪高、浪舷角、舵角、計程儀航速及GPS航速的數據作為模糊匹配的條件。

1)排水量。測速試驗中船舶排水量的偏差一般應控制正常排水量的2%以內，特殊情況應控制在3%以內[5-6]。將匹配條件定為：偏差小于3%，即2排水量誤差小于3%則為一致。

2)縱傾。測速試驗時，縱傾與設計狀態的偏差應控制在0.1%設計水線長以內，避免縱傾不同而造成的影響。參考此標準，可將縱傾的匹配條件定為：偏差小于0.1%設計水線長。

3)風舷角、浪舷角。風舷角[7]、浪舷角分別為航速相對于風速、浪向的夾角。風、浪的觀測方向用16個方位來表示，每個方位之間相差22.5°。將22.5°作為風舷角、浪舷角的度量標準，將其匹配條件定為：角度之間的差值小于22.5°。

4)風速。蒲福風級將風速分為13級，而風級越高，風速所占的速度范圍越廣。除了0級風外，1風級的風速變化量是最小的，為1.3 m/s，而1.3 m/s的風速變化量對于船舶軸功率的影響很小。為了簡便，以相對保守的1級風的風速變化量作為匹配條件：風速之間差值小于1.3 m/s。

5)浪高。一般將浪高分為10個等級(0～9級)。船舶測速試驗中，為了能忽略波浪對測速的影響，試驗條件中浪要不大于2級[5]，對應的最大浪高為0.5 m；由此可見，浪高變化量在0.5 m以內，對軸功率和航速影響不大。為簡便起見，以2級浪高作為匹配條件：浪高之間差值小于0.5 m。

6)舵角。舵角阻力、阻力變化率都隨舵角增大而增大，見圖1。因此，舵角越大，舵角匹配條件應更為嚴格；而舵角阻力變化曲線類似三角函數，利用三角函數確定舵角匹配條件。

圖1 舵角阻力隨舵角的變化

為了減小舵角對航速的影響，船舶測速試驗應盡可能少操舵，舵角不得大于5°[6]。結合上述分析，確定舵角匹配條件為：舵角之間的差值小于5cosθ(θ為當前舵角)。

7)航速。參考某船舶實際航行時記錄的航速(見表2)，平均航速差值為0.44 kn。將船舶航速的匹配條件定為：航速之間差值不大于0.45 kn。

表2 某船舶航行記錄

綜上，9個影響“軸功率-航速”關系因素的一致性匹配條件整理見表3。

表3 相關因素的一致性匹配條件

2.2 相近程度計算

由于滿足匹配的基準數據可能有多個，這就需要計算數據組之間的相近程度，找到與污損數據最相近的基準數據進行軸功率變量計算。

在計算相近程度前需將數據進行標準化處理，標準化處理公式如下。

(1)

(2)

判斷污損數據與基準數據相近程度采用帶權重的歐幾里得距離公式[7-8]。

(3)

式中：X，Y為數據對象；xk，yk為X、Y的第k個因素；wk為第k個因素對應的權重，權重值見表4；n為X，Y中因素個數。

表4 各因素對應的權重

3 驗證分析

3.1 驗證數據

驗證數據采用前期收集的某船航行數據，對其進行處理后，將所得監測評估結果與實際污損情況進行對比，以驗證基于模糊匹配的污損監測方法的實用性與有效性。

某船污損狀態時記錄的數據如表5所示，對應的縱傾、風、浪、舵角數據如表6所示。而基準數據由于記錄的數量較多，只列出污損數據匹配到的基準數據。

表5 污損數據

表6 污損數據

3.2 匹配計算

污損數據與基準數據庫匹配后，有6條匹配成功，見表7，對應的基準數據見表8；匹配失敗的有3條，見表9。

表7 匹配成功的污損數據

序號排水量/t計程儀航速/knGPS航速/kn軸功率/kW12109．014．513．01263．522108．714．412．91293．042046．713．412．91402．752047．013．413．01389．562046．513．412．91405．082204．015．014．21795．0

表8 匹配到的基準數據

表9 匹配失敗的污損數據

序號排水量/t計程儀航速/knGPS航速/kn軸功率/kW32108．514．3512．851322．572205．015．0014．101662．092204．014．9013．801736．0

共有6條污損數據可用于污損的監測評估，對應的軸功率增量見表10。

3.3 評估結果分析

以該船的污損程度評估圖為基礎，將6組污損數據的評估結果繪制在該圖中，結果見圖2。

表10 軸功率增量計算

圖2 評估結果

污損數據的序號是按照時間由早到晚的順序排列的，圖2中，中間2個點為1、2號污損數據，左側為4、5、6號污損數據，右側為8號污損數據。對比可知，船舶污損程度逐漸增加。

2015年4月中旬，該船進行水下清洗，圖3為清洗前拍攝的圖片資料，該船各部分都出現了點狀鈣質污損，污損等級[2]達到FG2。

圖3 水下清洗前船體艉部污損情況

由該船的實際污損程度情況可知，監測評估的結果是可靠的。因此，基于模糊匹配的污損監測方法是可靠的、有效的。

4 結束語

基于數據模糊匹配的污損監測方法的核心是利用排水量、風、浪等因素一致性匹配條件和相近程度的計算方法，過濾搜索與潔凈狀態船體處于相同排水量、風、浪等因素條件下，污損狀態船舶的“軸功率-航速”數據對，通過比較相同航速下軸功率的變化，來確定污損對軸功率帶來的影響，進而實現污損實時監測。

該方法可有效避免對排水量、風、浪等影響因素進行數據修正所帶來的誤差，相對簡潔。利用該監測方法，對前期跟蹤的某船舶航行記錄的數據進行處理，并與該船的實際情況進行對比分析，驗證了該方法的可行性。

該方法要求基準數據(即潔凈狀態下的數據)具有較大的樣本，從而使污損狀態下收集到的數據可以找到匹配的對象。另外，建立船體污損程度同軸功率變化之間的映射關系，是通過監測污損狀態下軸功率變化預測污損程度、確定是否開展水下清洗的基礎。這些工作都需要進一步努力。

[1] 沈國英，施并章.海洋生態學[M].廈門：廈門大學出版社，1990.

[2] 張子龍.船舶污損程度監測評估方法研究[D].武漢：海軍工程大學，2014.

[3] 閔少松，張子龍，彭飛.基于軸功率-航速關系的船舶污損監測法改進[J].船海工程，2015，44(3)：146-149.

[4] AAS-HANSEN M. Monitoring of hull condition of ships[D]. Trondheim: Norwegian University of Science and Technology，2010.

[5] 徐順棋，徐振宇.實船試驗[M].北京：海潮出版社，2006.

[6] 邵開文，馬運義.船舶技術與設計概論[M].2版.北京：國防工業出版社，2014.

[7] TAN Pang-Ning，Michael Steinbach，Vipin Kumar.數據挖掘[M].完整版.范明，范宏建,譯.2版.北京：人民郵電出版社，2015.

[8] HAN Jiawei，MICHELINEKAMBER,PEI Jian.數據挖掘：概念與技術[M].范明，孟小峰,譯.3版.北京：機械工業出版社，2012.

Monitoring Method about Ship Fouling Based on Fuzzy Matching

MIN Shao-song, ZHOU Lu-jun, PENG Fei

(Dept. of Naval Architecture Engineering, Naval University of Engineering, Wuhan 430033, China)

Aimed to ascertain the occasion of hull underwater-cleaning and eliminate the impact caused by hull bio-fouling, a fuzzy matching method is built which is used to match the voyage performance of fouling hull with cleaning hull, the impact on the relationship between shaft power and ship speed caused by interference factors expect the fouling can be eliminated. The degree of fouling can be evaluated by calculating the shaft power increment at the same speed. The voyage data of a ship is calculated by this method, and the calculation result is contrasted with the actual situation of this ship. The results show that the monitoring method about ship fouling based on fuzzy matching is reliable and effective.

hull underwater-cleaning; bio-fouling; fouling monitoring; fuzzy matching; shaft power increment

10.3963/j.issn.1671-7953.2016.06.010

2016-05-04

海軍工程大學自然科學基金 (HGDQNJJ13038)

閔少松(1978—)，男，博士，講師

U672.7

A

1671-7953(2016)06-0044-05

修回日期：2016-05-31

研究方向:船舶維修工程，船舶水下清洗技術

E-mail:minshaosong@163.com