于淳

(中國船級社，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

于淳

(中國船級社，北京 100007)

針對船體測厚數(shù)據(jù)未能被有效利用的問題，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)測方法，為船舶的健康管理提供評估及決策支持。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)測等關(guān)鍵問題的實現(xiàn)方案，并在此基礎(chǔ)上開發(fā)船體可視化模型關(guān)聯(lián)測厚結(jié)果的展示、分析功能，應(yīng)用于實船測厚數(shù)據(jù)并形成有針對性的分析結(jié)論、決策建議。采用該方法對某船實際測厚數(shù)據(jù)進行分析，預(yù)測出該船型隨船齡的增長腐蝕嚴(yán)重的區(qū)域，并在3D模型中展示。

測厚；神經(jīng)網(wǎng)絡(luò)算法；預(yù)測

船體結(jié)構(gòu)腐蝕狀況的評估、檢測，是船舶維護保養(yǎng)、檢驗的重要內(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際船級社協(xié)會(IACS)的統(tǒng)一要求，通過測厚工作獲取[1]。就實際檢驗結(jié)果來看，測厚工作表格式復(fù)雜、數(shù)據(jù)量大，尤其是對于船齡較老的部分大型散貨船、油船，通過測厚等工作積累的船體結(jié)構(gòu)腐蝕數(shù)據(jù)量通常在10萬條以上。一方面，當(dāng)測厚點較多、數(shù)據(jù)繁雜時，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、檢驗等相關(guān)方未能通過數(shù)據(jù)對船體結(jié)構(gòu)狀況開展有效的評估分析；另一方面，各相關(guān)方對船舶積累形成的歷史測厚數(shù)據(jù)未能進一步利用，幫助開展相關(guān)的挖掘、預(yù)測，乃至幫助形成維護保養(yǎng)方面的決策建議。

針對上述現(xiàn)狀，本文通過選擇神經(jīng)網(wǎng)絡(luò)算法，提出一種針對營運中船體結(jié)構(gòu)的測厚數(shù)據(jù)分析、腐蝕趨勢預(yù)測的方式。同時，以實船為例，通過上述算法及方式建立數(shù)據(jù)模型，在歷史腐蝕狀況評估、腐蝕情況展示、趨勢預(yù)測、維護保養(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 功能的實現(xiàn)

根據(jù)IACS標(biāo)準(zhǔn)測厚格式，將電子版實船數(shù)據(jù)存儲在同一數(shù)據(jù)庫中，數(shù)據(jù)以測厚點為單位。

功能借助CATIA V5進行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,結(jié)合測厚工作內(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。通過上述模型與數(shù)據(jù)開發(fā)平臺與數(shù)據(jù)庫的接口，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，通過調(diào)用測厚數(shù)據(jù)，引入神經(jīng)網(wǎng)絡(luò)算法建立分析模型。隨著測厚工作的不斷增加，應(yīng)根據(jù)算法自適應(yīng)、反饋的特點監(jiān)控訓(xùn)練參數(shù)，適當(dāng)時予以調(diào)整，以保證功能結(jié)論的準(zhǔn)確性。

2 測厚數(shù)據(jù)結(jié)構(gòu)

目前，業(yè)界采用的數(shù)據(jù)格式見表1。

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

測厚數(shù)據(jù)的表結(jié)構(gòu)建立過程可簡要描述為：定義一張空數(shù)據(jù)表MtbTemp，其中設(shè)定5個主鍵：PS、TMJOBNO、TMNO、TMPARTID、SKETCHNAME。逐行解析測厚數(shù)據(jù)表，其中有以下數(shù)據(jù)項：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。將測厚數(shù)據(jù)文件中的以上數(shù)據(jù)項位置上的字符分別寫入到MtbTemp中，從而完成測厚數(shù)據(jù)的轉(zhuǎn)化。

表1 IACS通用測厚表格

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

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

3 輸入?yún)?shù)的選擇

除標(biāo)識測厚點屬性的參數(shù)外，在測厚工作中通常以板厚、測量厚度、腐蝕余量、腐蝕百分比、腐蝕磨耗極限評定一個測厚點所在區(qū)域的結(jié)構(gòu)狀況。按照IACS相關(guān)要求，當(dāng)測厚點整體腐蝕百分比超過額定范圍時，形成超差測厚點。通常，超差測厚點所在區(qū)域?qū)⒆鳛闄z驗與維護保養(yǎng)的重點關(guān)注對象。

基于上述工作要求，輸出層用以標(biāo)識腐蝕數(shù)值；輸入點選取板厚、測量厚度；在權(quán)重值的選取上，測厚點所在構(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。在學(xué)習(xí)與反饋開始前，各參數(shù)對應(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，見圖2。

根據(jù)測試數(shù)據(jù)在測試數(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)隨機拆分為兩個集，即一個定型集和一個測試集。定型集用于創(chuàng)建挖掘模型。測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，見圖3。

圖中：DAMAGE100為腐蝕百分比；DAMAGE為腐蝕值；DAMAGEMARK為測厚點所在結(jié)構(gòu)位置；INSAREA為所在艙室；GAUGE為測量厚度。另設(shè)置可選層屬性：板厚原始值、船型、船齡、油漆種類、測厚點所在構(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，將時間作為另一維度參與算法運行。

該模型的建立旨在分析及預(yù)測測厚結(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

在分析及預(yù)測模型中，所有維度初始權(quán)重值均為1，經(jīng)測試，在諸多維度中，測厚時間、艙室位置、艙室用途等對結(jié)果會產(chǎn)生較為顯著的影響。因此，在誤差的計算上，根據(jù)初始學(xué)習(xí)的結(jié)果進行迭代學(xué)習(xí)(迭代次數(shù)由測厚點的數(shù)目和測厚次數(shù)決定)后，得出對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)測厚的結(jié)論，得出的分析結(jié)果見圖4。

可見，隨著船齡的增長，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)置線性變化的時間維度后，建立預(yù)測模型。該模型可在已有腐蝕趨勢下，對艙室及構(gòu)件變化趨勢加以預(yù)測。相關(guān)方可通過設(shè)置維度值的權(quán)重，即測厚點的腐蝕百分比、構(gòu)件原始厚度、時間等影響預(yù)測結(jié)果。在現(xiàn)實中，這些屬性的修改即意味著修船時間的選擇，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)測厚工作的范圍，本文建立了測厚覆蓋的艙室模型，并通過測厚報告中標(biāo)識的結(jié)構(gòu)信息，整理為標(biāo)識字符串存入數(shù)據(jù)庫中。經(jīng)二次開發(fā)，將測厚點關(guān)聯(lián)至模型上。這種方式便于分辨測厚區(qū)域及腐蝕量較大的位置。圖5為測厚點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)測結(jié)果進行展示，并為船舶相關(guān)方提供后續(xù)的維護保養(yǎng)參考[7]。圖6中，某輪貨艙3D模型與其測厚數(shù)據(jù)關(guān)聯(lián)，并針對該艙近3次特檢的腐蝕值變化趨勢分顏色形成云圖。這種方式直觀、精確，便于跟蹤經(jīng)多次測厚后有關(guān)參數(shù)的變化趨勢。

6 結(jié)論

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

船體結(jié)構(gòu)是一個復(fù)雜的系統(tǒng)，引起結(jié)構(gòu)狀況變化、維護保養(yǎng)方法改變的因素有許多。對于測厚工作來說，其他人為因素、航行狀況的參數(shù)是否會對分析、預(yù)測的結(jié)果產(chǎn)生顯著影響，應(yīng)進一步進行研究。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、計算機系統(tǒng)的差異較大，不具備通用的數(shù)據(jù)獲取條件，這為預(yù)測模型的擴充增添了難度，也是當(dāng)前業(yè)界有待解決的問題。

本文提出的方案在為各相關(guān)方提供了一種分析預(yù)測辦法的同時，能夠幫助全面、詳細地掌控船體結(jié)構(gòu)狀態(tài)、保養(yǎng)檢驗工作狀態(tài)，能夠為進一步進行結(jié)構(gòu)計算、評估、決策等提供必要的數(shù)據(jù)基礎(chǔ)。方案的提出彌補了以往研究未將測厚數(shù)據(jù)進一步應(yīng)用于分析、預(yù)測的缺陷。如能在一定的數(shù)據(jù)積累后將同型船舶的測厚數(shù)據(jù)與修理、機海損、檢驗數(shù)據(jù)進一步關(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)測結(jié)論。

[1] 中國船級社.船體測厚指南[S].北京：中國船級社，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)研究與實現(xiàn)[J].計算機工程與應(yīng)用，2001(24)：131-136.

[3] 馮光.IACS CSR對船體結(jié)構(gòu)測厚修理的影響[J].中國修船，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)測的再勵學(xué)習(xí)[J].計算機工程，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.船舶航運管理中人為因素與風(fēng)險分析研究[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:入級船舶檢驗管理