基于优化模型及多重数据处理的舰船污损监测法

张子龙，朱晓军，闵少松

(海军工程大学，湖北 武汉 430033)

维修理论

基于优化模型及多重数据处理的舰船污损监测法

张子龙，朱晓军，闵少松

(海军工程大学，湖北 武汉 430033)

针对目前舰船污损监测受环境和航行状态限制而无法实现连续监测的问题，提出了一种基于优化模型并对数据进行多重处理的舰船污损监测法。首先对轴功率与航速关系监测模型进行优化，将现有一维模型提高到更大航速区间内成立的二维模型。然后采集相关数据，根据其采集条件进行数据筛选及数据修正的多重处理，提高监测的连续性。其次建立污损阀值，与计算结果对比分析得到监测结论。最后将实船应用的监测结论与船体污损情况对比，验证了该方法的可行性和有效性。

舰船污损监测；优化模型；多重数据处理

近年来，水下清洗逐渐成为解决舰船污损问题的重要技术手段，为提高舰船的在航率、续航力，恢复舰船的隐蔽性和反潜探测能力发挥了重要作用。水下清洗目前的首要关键问题就是寻找污损生物出现后尚未产生较大影响且易于清洗的时机[1]。目前利用轴功率航速关系是污损监测是量化污损程度，确定清洗时机的重要方法之一。

文献[2]及文献[3]在建立扭矩常量与螺旋桨滑脱比的监测模型中引入了螺旋桨敞水性征曲线的特征，建立了基于转矩系数与进速系数线性关系的监测模型，简化了模型的建立过程，但该模型只在小段航速区间内成立。同时现有排除干扰因素的方法主要是对航行数据进行筛选，但由于实际航行中很少遇到满足条件的海况，导致每次有效监测的时间间隔较长，影响了监测的连续性。本文在现有监测法基础上以提高监测连续性为目标，建立适用范围更广的监测模型，提出能够缩短监测间隔的多重数据处理办法。

1 污损监测原理

1.1 监测模型的建立与优化

舰船摩擦阻力随着污损程度加深而增加，表现在具体舰船性能参数上就是同样航速下的轴功率相应增加。因此利用该原理，根据轴功率与航速关系构建监测模型。对于不能直接测得轴功率的舰船，文献[4]认为Kq与J在常用航速附近呈线性关系，由此通过转换Kq与J的表达式，建立轴功率与航速关系的一维线性方程：

(1)

其中的C1与C2为常数，和外部环境、船体状态无关。推导出轴功率航速关系方程将有利于计算过程的自动化。从公式(1)看出，获得额定轴转速n及航速V后就可以推导出实际轴功率，形成轴功率航速曲线。

由于该方法只在固定航速附近成立，当舰船航速处在该航速区间之外时，模型的监测有效性就会大幅下降。由此通过对较大航速区间内的Kq值拟合，建立SHP/n3与V/n的二维方程：

(2)

其中的C3、C4和C5是在整个进速系数取值范围内拟合得到，使二维方程在较大航速范围内都能更精确地预报理论轴功率。文献[5]提出将舰船海试中建立的轴功率航速关系作为基准模型。之后实际航行中，各时刻建立的轴功率航速关系监测点将与基准模型对比分析，根据相同航速下的轴功率增加量确定污损情况。同时将海试中的相关条件作为建模条件即：数据采集环境处于海况小于2级、风小于3级、标准装载、匀速、直航条件。只有采集条件符合建模条件的数据才能用于建立监测点。

1.2 污损情况判断标准

污损情况根据污损面积比例和污损等级确定，污损等级从FR0至FR100，数值越高表明污损越严重。其中FR40表示钙质污损开始生长，是船体需要清洗的标志。当轴功率的增加值达到一定比例，表明污损的船体污损等级达到FR40，已经需要进行清洗。英国海军通过大量舰艇试验后认为：经济航速下，轴功率增加18%～30%就应当进行除污。经济航速下，轴功率增加18%表明难以清除的钙质污损开始生长，此时为最佳清洗时机；轴功率增加30%意味着钙质污损生长较为严重，超出该值再清洗船体将造成防污漆损伤。

2 数据采集与多重数据处理

实际应用监测理论的过程中，需要大量采集数据并对数据进行多重处理以排除外部环境与航行状态干扰，整个流程如图1所示。

图1 多重数据处理

2.1 数据采集

实际航行过程中，外部环境和航行状态的很多因素都会干扰监测[6]。干扰因素中外部环境方面包括风、浪、海流、水深；航行状态方面有装载和舰船操纵，其中舰船操纵包括舵运动、舰船加速、减速、轴转速差、扭矩差等。综合以上情况考虑，需要采集的各项数据及其意义如表1。

表1 数据采集项目

2.2 数据多重处理

2.2.1 第一次数据筛选

根据数据的采集条件进行筛选，只留下采集条件符合建模条件的数据直接用于建立监测点。由于外部环境及航行状态相似，通过这些参数建立起的监测点排除了干扰因素，只留下污损对舰船性能的影响。根据海试相关要求，第一次数据筛选条件如表2所示。

表2 第一次数据筛选条件

2.2.2 第二次数据筛选

实际航行中很少遇到符合筛选条件的外部环境，因此需要对不符合建模条件的参数进行修正以充分利用第一次筛选后的剩余数据。但是目前对风阻力及波浪阻力增值等方面的计算在高海况条件下难以达到较理想的精度，所以再次对剩余参数进行筛选。第二次筛选的条件在考虑计算方法满足精度要求的前提下，尽量涵盖航行过程中可能出现的外部环境，具体条件如表3。

表3 第二次数据筛选条件

2.2.3 数据修正

所有可能产生干扰的数据项中，轴转速、主机功率和螺旋桨螺距等可控因素通常易于满足建模条件要求。但是其他因素中，风、浪是不可控的因素，在航行过程中变化量可能非常大；对于不具有航向稳定性的船舶而言，则不能保证舵角固定不变；对于非战斗舰艇如补给舰、运输船等，不同航态下的装载变化也非常大。因此，数据修正主要是对风、浪、舵角和装载4项参数依次进行修正，具体步骤如下[7-9]。

步骤1:因为基准模型并未排除空气阻力，而是保留了3 m/s风速以下的风阻力，所以修正风阻力时，同样应该保留一部分因舰船航行而产生的空气阻力。修正的风阻力Raa为：

(3)

式中：Ca为空气阻力系数；ρa为空气密度；At为水线以上部分在横剖面上的投影面积；va为风速；α1为风向与舰船航向的夹角。

步骤2：对波浪中阻力增值的修正有许多种方法，如基于切片理论的波阻预报方法、基于三维时域理论的波阻预报方法等。但是这些预报方法计算十分复杂，无法进行实时计算修正。第24届ITTC会议上Kreitner提出了一个简单的计算波浪阻力增值的计算公式：

ΔRw=ΔRT(0.667+0.333cosα2)，

(4)

式中:ΔRT为顶浪航行时的阻力增值；ξw为波高；B为船宽；CB为方形系数；ρ为海水密度；L为船长；α2为航向与浪向的角度(顶浪状态为0°)；ΔRw为α2角下的波浪阻力增值。

以上2个公式在波高不超过2 m时预报具有一定的准确性。另一方面，该公式的2 m波高限制正好满足第2次筛选条件中对海况不超过4级的要求。所以采用该方程在满足一定精度的要求下，尽量涵盖了航行过程中可能遇到的海况。

步骤3:基准模型保留了0°舵角时的阻力，所以在修正舵角造成的阻力增值时，应该保留舵本身引起的阻力，舵的阻力增值ΔD的计算公式如下：

(5)

式中:A为舵叶面积;α为舵角;Vave为舵的进流速度。

步骤4：计算出以上3种阻力后，将其换算为轴功率增值，以得到除装载外均得到修正的轴功率SHP1。同一舰船在不同装载条件下，可以近似认为该船海军部系数相同，进而采用海军部系数法对装载进行修正：

(6)

式中：Δ1与V1为SHP1对应的排水量与航速；V2为实测航速；Δ2为实际排水量。

通过上式得到满足所有建模条件下的轴功率SHP2。SHP2将与V2建立起有效的轴功率航速监测点。第2次数据筛选后的剩余数据经过以上步骤的修正并最终建立监测点，这些监测点将补充第1次数据筛选后建立的监测点之间的空白，缩短每次监测的时间间隔，提高监测的连续性。

3 验证分析

为验证监测模型及数据处理方法的有效性，本文采集了1 000 吨级油船在2013年8～10月间的部分航行数据，通过数据应用得出监测结论，最后与船体实际污损对比分析。该船船体的主要参数如表4。

表4 船体参数

航行数据主要通过该油船的航海日志和航泊日志获得。由于部分参考数据如轴扭矩、主机耗油量等记录不全，没有进行采集，实际航行数据如表5。其中风和浪的来流方向与航向夹角作为风向、浪向角。

表5 实际航行数据

通过监测模型计算出实际轴功率后进行修正，再对比海试过程中的轴功率以得出监测结论。不同条件下的轴功率如表6。

表6 不同条件下的轴功率

从表6中可以发现，相同航速下，轴功率至少增加了80%以上，并且随着航行时间的增加污损更加严重。根据污损判断标准，认为该船污损等级远远超过FR40。该船在水下清洗前勘验过程中，发现水线以下船体、螺旋桨和艉轴等都大面积覆盖钙质污损，同本文所得监测结论一致，各部位污损情况如表7。

表7 各部位污损情况

4 结束语

为提高监测连续性，本文对现有的污损监测模型及数据处理方法进行改进，使得监测方法能够涵盖航行过程中遇到的大部分海况。通过应用包含4级海况条件下的航行数据，得出监测结论并与实际船体污损情况对比。结果表明监测结论与船体实际污损情况符合，表明了本文中监测方法的可行性和有效性。

不同船型不同航速条件下，污损对轴功率的影响有待进一步研究。此外，由于对风、浪等方面的数据采集有时依靠人的主观经验，导致修正这些因素时精度难以保证，如何进一步提高修正过程的精度是本文继续研究的一个主要方向。

[1] Walker M, Atkins I. Surface ship hull and propeller fouling management[C]. The Royal Institution of Naval Architects. Bath,2007.

[2]Telfer, E V. The practical analysis of merchant ship trials and service performance[R]. Trans: NEC Institute, 1926.

[3]Bustard E E. The propeller as a power meter or speed log[C]. CIMarE and SNAME Joint Meeting, Toronto, 1978.

[4]Logan K P. Using a ship’s propeller for hull condition monitoring[C]. ASNE Intelligent Ships Symposium IX, Philadelphia, 2011.

[5]Robert D R, Reid E. A condition and performance monitoring system with application to U.S. navy ship operations[C]. Naval Ship Maintenance And Modernization Symposium, 1985:29-38.

[6]Aas-Hansen M. Monitoring of Hull Condition of Ships[D]. Trondheim: Norwegian University of Science and Technology, 2010.

[7]盛振邦，刘应中. 船舶原理下册[M]. 上海：上海交通大学出版社, 2003.

[8]Specialist Committee on Powering Performance of 24thITTC. Full Scale Measurements Speed and Power Trials Analysis of Speed/Power Trial Data, 2005:6-7.

[9]李舜杰, 刘东风. 舰船轴功率测量与应用研究[J]. 中国修船, 2010, 23(5): 14-16.

2013-12-25

改善生态环境

营造绿色家园

Aiming at the problem that fouling monitoring is non-continuous because of the limit of environment and status of sailing, this paper presented a method of fouling monitoring based on an optimal model and data multiprocessing. First optimized the model of relationship between shaft power and ship speed, improved the one dimensional model into a two dimensional model which established in a wide speed range. Then screened out the suitable data and corrected these data to improve the continuity of fouling monitoring. Established a fouling standard which compared with the results of monitoring. At last, a contrastive analysis is done between the conclusion of fouling monitoring and fouling situation on real ship, proving the practicability and the effectiveness.

ship fouling monitoring;optimal model;data multiprocessing

U672

10.13352/j.issn.1001-8328.2014.02.018

张子龙(1989-)，男，山东曲阜人，在读硕士研究生，研究方向为船舶与海洋工程。