于淳

(中國(guó)船級(jí)社，北京 100007)

基于神經(jīng)網(wǎng)絡(luò)算法的船體結(jié)構(gòu)腐蝕分析及預(yù)測(cè)

于淳

(中國(guó)船級(jí)社，北京 100007)

針對(duì)船體測(cè)厚數(shù)據(jù)未能被有效利用的問(wèn)題，提出一種基于神經(jīng)網(wǎng)絡(luò)算法的結(jié)構(gòu)腐蝕分析、預(yù)測(cè)方法，為船舶的健康管理提供評(píng)估及決策支持。依據(jù)神經(jīng)網(wǎng)絡(luò)算法的基本原理和建模方法，研究測(cè)厚數(shù)據(jù)結(jié)構(gòu)、神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)的選擇、腐蝕狀況的分析及預(yù)測(cè)等關(guān)鍵問(wèn)題的實(shí)現(xiàn)方案，并在此基礎(chǔ)上開(kāi)發(fā)船體可視化模型關(guān)聯(lián)測(cè)厚結(jié)果的展示、分析功能，應(yīng)用于實(shí)船測(cè)厚數(shù)據(jù)并形成有針對(duì)性的分析結(jié)論、決策建議。采用該方法對(duì)某船實(shí)際測(cè)厚數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)出該船型隨船齡的增長(zhǎng)腐蝕嚴(yán)重的區(qū)域，并在3D模型中展示。

測(cè)厚；神經(jīng)網(wǎng)絡(luò)算法；預(yù)測(cè)

船體結(jié)構(gòu)腐蝕狀況的評(píng)估、檢測(cè)，是船舶維護(hù)保養(yǎng)、檢驗(yàn)的重要內(nèi)容，是決定船舶健康指標(biāo)的重要工作。船體結(jié)構(gòu)腐蝕狀況通常按照國(guó)際船級(jí)社協(xié)會(huì)(IACS)的統(tǒng)一要求，通過(guò)測(cè)厚工作獲取[1]。就實(shí)際檢驗(yàn)結(jié)果來(lái)看，測(cè)厚工作表格式復(fù)雜、數(shù)據(jù)量大，尤其是對(duì)于船齡較老的部分大型散貨船、油船，通過(guò)測(cè)厚等工作積累的船體結(jié)構(gòu)腐蝕數(shù)據(jù)量通常在10萬(wàn)條以上。一方面，當(dāng)測(cè)厚點(diǎn)較多、數(shù)據(jù)繁雜時(shí)，除了直觀辨別可疑區(qū)域、普遍及顯著腐蝕數(shù)值外，船舶管理、維修、檢驗(yàn)等相關(guān)方未能通過(guò)數(shù)據(jù)對(duì)船體結(jié)構(gòu)狀況開(kāi)展有效的評(píng)估分析；另一方面，各相關(guān)方對(duì)船舶積累形成的歷史測(cè)厚數(shù)據(jù)未能進(jìn)一步利用，幫助開(kāi)展相關(guān)的挖掘、預(yù)測(cè)，乃至幫助形成維護(hù)保養(yǎng)方面的決策建議。

針對(duì)上述現(xiàn)狀，本文通過(guò)選擇神經(jīng)網(wǎng)絡(luò)算法，提出一種針對(duì)營(yíng)運(yùn)中船體結(jié)構(gòu)的測(cè)厚數(shù)據(jù)分析、腐蝕趨勢(shì)預(yù)測(cè)的方式。同時(shí)，以實(shí)船為例，通過(guò)上述算法及方式建立數(shù)據(jù)模型，在歷史腐蝕狀況評(píng)估、腐蝕情況展示、趨勢(shì)預(yù)測(cè)、維護(hù)保養(yǎng)建議等方面做了原型應(yīng)用，并輔以有效的可視化技術(shù)手段。

1 功能的實(shí)現(xiàn)

根據(jù)IACS標(biāo)準(zhǔn)測(cè)厚格式，將電子版實(shí)船數(shù)據(jù)存儲(chǔ)在同一數(shù)據(jù)庫(kù)中，數(shù)據(jù)以測(cè)厚點(diǎn)為單位。

功能借助CATIA V5進(jìn)行3D船舶模型的建立，主要是基于其曲面效果突出、裝配方便等優(yōu)點(diǎn),結(jié)合測(cè)厚工作內(nèi)容建立相應(yīng)的艙室3D模型，用以展示結(jié)構(gòu)腐蝕狀況。通過(guò)上述模型與數(shù)據(jù)開(kāi)發(fā)平臺(tái)與數(shù)據(jù)庫(kù)的接口，可建立數(shù)據(jù)與可視化模型間的關(guān)聯(lián)[2]。

除建立顯示功能外，通過(guò)調(diào)用測(cè)厚數(shù)據(jù)，引入神經(jīng)網(wǎng)絡(luò)算法建立分析模型。隨著測(cè)厚工作的不斷增加，應(yīng)根據(jù)算法自適應(yīng)、反饋的特點(diǎn)監(jiān)控訓(xùn)練參數(shù)，適當(dāng)時(shí)予以調(diào)整，以保證功能結(jié)論的準(zhǔn)確性。

2 測(cè)厚數(shù)據(jù)結(jié)構(gòu)

目前，業(yè)界采用的數(shù)據(jù)格式見(jiàn)表1。

對(duì)于滿足共同結(jié)構(gòu)規(guī)范(CSR)的船舶，或雙殼散貨船的部分位置，其測(cè)厚數(shù)據(jù)經(jīng)轉(zhuǎn)化，以統(tǒng)一格式存入數(shù)據(jù)庫(kù)中[3]。

測(cè)厚數(shù)據(jù)的表結(jié)構(gòu)建立過(guò)程可簡(jiǎn)要描述為：定義一張空數(shù)據(jù)表MtbTemp，其中設(shè)定5個(gè)主鍵：PS、TMJOBNO、TMNO、TMPARTID、SKETCHNAME。逐行解析測(cè)厚數(shù)據(jù)表，其中有以下數(shù)據(jù)項(xiàng)：TMJOBNO、TMNO、PS、SHEET、TMROW、ORGTHK、FA、RMNTHK、RENEWREMARK,RENEWREMARK1、X,Y,Z、SKETCHNAME、GROUPNAME、SHEETFORMAT、TMPARTID、BEAMTYPE、POINTTYPE、SYMTMNO、SYMPARTID、POINTFILEHANDLE、PARTFILEHANDLE、FRAMENO、ONBOARDNAME。將測(cè)厚數(shù)據(jù)文件中的以上數(shù)據(jù)項(xiàng)位置上的字符分別寫(xiě)入到MtbTemp中，從而完成測(cè)厚數(shù)據(jù)的轉(zhuǎn)化。

表1 IACS通用測(cè)厚表格

測(cè)厚點(diǎn)所在位置的構(gòu)件屬性、船舶基本參數(shù)等均作為表結(jié)構(gòu)，與測(cè)厚數(shù)據(jù)關(guān)聯(lián)，建立測(cè)厚數(shù)據(jù)庫(kù)。

數(shù)據(jù)庫(kù)需設(shè)置另外的參數(shù)表，用以存儲(chǔ)測(cè)厚工作中所使用的草圖、關(guān)聯(lián)的3D模型，并設(shè)置中間變量與測(cè)厚點(diǎn)相關(guān)聯(lián)。此外，設(shè)有相應(yīng)的數(shù)據(jù)表，存儲(chǔ)測(cè)厚結(jié)果轉(zhuǎn)化為神經(jīng)元各層的關(guān)聯(lián)關(guān)系，見(jiàn)圖1。

3 輸入?yún)?shù)的選擇

除標(biāo)識(shí)測(cè)厚點(diǎn)屬性的參數(shù)外，在測(cè)厚工作中通常以板厚、測(cè)量厚度、腐蝕余量、腐蝕百分比、腐蝕磨耗極限評(píng)定一個(gè)測(cè)厚點(diǎn)所在區(qū)域的結(jié)構(gòu)狀況。按照IACS相關(guān)要求，當(dāng)測(cè)厚點(diǎn)整體腐蝕百分比超過(guò)額定范圍時(shí)，形成超差測(cè)厚點(diǎn)。通常，超差測(cè)厚點(diǎn)所在區(qū)域?qū)⒆鳛闄z驗(yàn)與維護(hù)保養(yǎng)的重點(diǎn)關(guān)注對(duì)象。

基于上述工作要求，輸出層用以標(biāo)識(shí)腐蝕數(shù)值；輸入點(diǎn)選取板厚、測(cè)量厚度；在權(quán)重值的選取上，測(cè)厚點(diǎn)所在構(gòu)件、構(gòu)件尺寸、構(gòu)件類別(型材或板材)、船齡、船型、艙室位置、艙室類別(貨物處所/壓載處所/空艙)等均作為備選項(xiàng)。在學(xué)習(xí)與反饋開(kāi)始前，各參數(shù)對(duì)應(yīng)的權(quán)重取值相同[4-5]。

根據(jù)上述輸入?yún)?shù)建立多維數(shù)據(jù)集，見(jiàn)圖2。

根據(jù)測(cè)試數(shù)據(jù)在測(cè)試數(shù)據(jù)集中的百分比和所提供的最大事例數(shù)，算法將輸入數(shù)據(jù)隨機(jī)拆分為兩個(gè)集，即一個(gè)定型集和一個(gè)測(cè)試集。定型集用于創(chuàng)建挖掘模型。測(cè)試集用于檢查模型準(zhǔn)確性。

選擇Record表創(chuàng)建挖掘模型，并將表中屬性分別設(shè)置為輸入層、輸出層、可選層，見(jiàn)圖3。

圖中：DAMAGE100為腐蝕百分比；DAMAGE為腐蝕值；DAMAGEMARK為測(cè)厚點(diǎn)所在結(jié)構(gòu)位置；INSAREA為所在艙室；GAUGE為測(cè)量厚度。另設(shè)置可選層屬性：板厚原始值、船型、船齡、油漆種類、測(cè)厚點(diǎn)所在構(gòu)件屬性、艙室位置、艙室用途。另外，在將上述可選層屬性分別作為模型的維度的同時(shí)，將時(shí)間作為另一維度參與算法運(yùn)行。

該模型的建立旨在分析及預(yù)測(cè)測(cè)厚結(jié)果隨可選層屬性參數(shù)的變化情況。

4 腐蝕狀況分析及預(yù)測(cè)

在分析及預(yù)測(cè)模型中，所有維度初始權(quán)重值均為1，經(jīng)測(cè)試，在諸多維度中，測(cè)厚時(shí)間、艙室位置、艙室用途等對(duì)結(jié)果會(huì)產(chǎn)生較為顯著的影響。因此，在誤差的計(jì)算上，根據(jù)初始學(xué)習(xí)的結(jié)果進(jìn)行迭代學(xué)習(xí)(迭代次數(shù)由測(cè)厚點(diǎn)的數(shù)目和測(cè)厚次數(shù)決定)后，得出對(duì)交叉熵影響較大的維度(船齡、艙室位置、艙室用途)，縮小關(guān)鍵的屬性值范圍。

基于某大型油輪及其姊妹船前后3次塢內(nèi)測(cè)厚的結(jié)論，得出的分析結(jié)果見(jiàn)圖4。

可見(jiàn)，隨著船齡的增長(zhǎng)，該船型貨物處所、甲板區(qū)域腐蝕較為明顯。

根據(jù)以上分析結(jié)果，將平均每年的腐蝕百分比作為維度，結(jié)合上一模型的已選維度，設(shè)置線性變化的時(shí)間維度后，建立預(yù)測(cè)模型。該模型可在已有腐蝕趨勢(shì)下，對(duì)艙室及構(gòu)件變化趨勢(shì)加以預(yù)測(cè)。相關(guān)方可通過(guò)設(shè)置維度值的權(quán)重，即測(cè)厚點(diǎn)的腐蝕百分比、構(gòu)件原始厚度、時(shí)間等影響預(yù)測(cè)結(jié)果。在現(xiàn)實(shí)中，這些屬性的修改即意味著修船時(shí)間的選擇，構(gòu)件尺寸、油漆類型的選擇等因素[6]。

5 腐蝕狀況展示

根據(jù)測(cè)厚工作的范圍，本文建立了測(cè)厚覆蓋的艙室模型，并通過(guò)測(cè)厚報(bào)告中標(biāo)識(shí)的結(jié)構(gòu)信息，整理為標(biāo)識(shí)字符串存入數(shù)據(jù)庫(kù)中。經(jīng)二次開(kāi)發(fā)，將測(cè)厚點(diǎn)關(guān)聯(lián)至模型上。這種方式便于分辨測(cè)厚區(qū)域及腐蝕量較大的位置。圖5為測(cè)厚點(diǎn)在模型中的定位功能。

結(jié)合數(shù)據(jù)分析結(jié)果，以船齡、艙室位置、艙室用途等為基本參數(shù)，將結(jié)構(gòu)變化情況關(guān)聯(lián)至3D模型，形成結(jié)果云圖，便于就分析及預(yù)測(cè)結(jié)果進(jìn)行展示，并為船舶相關(guān)方提供后續(xù)的維護(hù)保養(yǎng)參考[7]。圖6中，某輪貨艙3D模型與其測(cè)厚數(shù)據(jù)關(guān)聯(lián)，并針對(duì)該艙近3次特檢的腐蝕值變化趨勢(shì)分顏色形成云圖。這種方式直觀、精確，便于跟蹤經(jīng)多次測(cè)厚后有關(guān)參數(shù)的變化趨勢(shì)。

6 結(jié)論

本文在分析目前船舶測(cè)厚點(diǎn)眾多、存儲(chǔ)分散，從而導(dǎo)致測(cè)厚數(shù)據(jù)不能有效為相關(guān)方所用的問(wèn)題后，提出一種可視化模型與分析預(yù)測(cè)功能交互模式下的輔助解決方案。通過(guò)上述方案，以實(shí)船艙室腐蝕趨勢(shì)為分析指標(biāo)，驗(yàn)證了神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于船體結(jié)構(gòu)腐蝕分析及預(yù)測(cè)的有效性，算法所應(yīng)用的數(shù)據(jù)存儲(chǔ)模式及參數(shù)處理過(guò)程普遍適用于滿足IACS有關(guān)要求的測(cè)厚工作。

船體結(jié)構(gòu)是一個(gè)復(fù)雜的系統(tǒng)，引起結(jié)構(gòu)狀況變化、維護(hù)保養(yǎng)方法改變的因素有許多。對(duì)于測(cè)厚工作來(lái)說(shuō)，其他人為因素、航行狀況的參數(shù)是否會(huì)對(duì)分析、預(yù)測(cè)的結(jié)果產(chǎn)生顯著影響，應(yīng)進(jìn)一步進(jìn)行研究。然而，業(yè)界各船舶管理公司應(yīng)用的數(shù)據(jù)采集設(shè)備、計(jì)算機(jī)系統(tǒng)的差異較大，不具備通用的數(shù)據(jù)獲取條件，這為預(yù)測(cè)模型的擴(kuò)充增添了難度，也是當(dāng)前業(yè)界有待解決的問(wèn)題。

本文提出的方案在為各相關(guān)方提供了一種分析預(yù)測(cè)辦法的同時(shí)，能夠幫助全面、詳細(xì)地掌控船體結(jié)構(gòu)狀態(tài)、保養(yǎng)檢驗(yàn)工作狀態(tài)，能夠?yàn)檫M(jìn)一步進(jìn)行結(jié)構(gòu)計(jì)算、評(píng)估、決策等提供必要的數(shù)據(jù)基礎(chǔ)。方案的提出彌補(bǔ)了以往研究未將測(cè)厚數(shù)據(jù)進(jìn)一步應(yīng)用于分析、預(yù)測(cè)的缺陷。如能在一定的數(shù)據(jù)積累后將同型船舶的測(cè)厚數(shù)據(jù)與修理、機(jī)海損、檢驗(yàn)數(shù)據(jù)進(jìn)一步關(guān)聯(lián)，各相關(guān)方將獲得更為豐富、具體、準(zhǔn)確的分析及預(yù)測(cè)結(jié)論。

[1] 中國(guó)船級(jí)社.船體測(cè)厚指南[S].北京：中國(guó)船級(jí)社，2015.

[2] 楊流輝，張和明.基于COM組件的CATIA產(chǎn)品信息集成技術(shù)研究與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與應(yīng)用，2001(24)：131-136.

[3] 馮光.IACS CSR對(duì)船體結(jié)構(gòu)測(cè)厚修理的影響[J].中國(guó)修船，2008(3)：2-5.

[4] 張華軍，趙金.基于遺傳算法和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的再勵(lì)學(xué)習(xí)[J].計(jì)算機(jī)工程，2010(1)：28-33.

[5] 覃光華.人工神經(jīng)網(wǎng)絡(luò)技術(shù)及其應(yīng)用[D].成都：四川大學(xué)，2003.

[6] 任剛.船舶航運(yùn)管理中人為因素與風(fēng)險(xiǎn)分析研究[D].大連：大連理工大學(xué)，2003.

[7] 李楷.船體生命周期建模與管理關(guān)鍵技術(shù)研究[D].大連：大連理工大學(xué)，2011.

Corrosion Analysis and Prediction of Ship Hull Structure Based on Neural Network Algorithm

YU Chun

(China Classification Society, Beijing 100007, China)

Based on the situation that hull thickness measurement data hasn’t been effective utilized, a kind of neural network based corrosion analysis and prediction method was put forward, providing assessment and decision support for ship health management. According to the basic principle and modeling method of neural network algorithm, the solutions to key issues were investigated, such as establishing the data structure based on the thickness measurement, the selection of neural network input parameters, and the analysis and prediction of corrosion condition. The display and analysis functions of hull visible model connected with the data of thickness measurement were programmed and applied in real ship thickness measurement successfully to get analysis conclusion and suggestions. Based on the above method, a data structure was established, providing a certain technical basis for ship comprehensive analysis and risk assessment.

thickness measurement; neural network algorithm; prediction

10.3963/j.issn.1671-7953.2017.02.012

2016-06-13

于淳(1984—)，男，碩士，工程師

U661.5

A

1671-7953(2017)02-0054-04

修回日期：2016-08-18

研究方向:入級(jí)船舶檢驗(yàn)管理