引言：为了保证船舶运行的安全性，实现对于船舶整个动力系统的控制，需要对动力系统进行特别的设计，以便保证船舶动力系统控制的稳定性以及安全性。为了实现对于动力机械状态的实时监测，需要将各种监测方法融为一体，开拓模块化思路，设计一套与船舶动力系统相匹配的监测系统，可以通过对VMD技术的合理应用，实现对于动力机械系统状态的监测。
优化VMD技术对于动力机械状态监测系统中的作用
VMD技术能够在应用的过程中识别动力系统的多种状态量，对于动力机械的工作频率进行估计，如利用VMD技术对自适应维纳滤波器组进行分解，计算累积误差，提升变分问题的求解速度，为动力机械的监测提供保障。
1.1更新动力机械状态的监测方法
动力机械是船舶重要的组成部分，其是一个复杂的技术综合体，通过对于该系统的应用，能够保证船舶航行的稳定性，因此需要利用VMD技术对动力机械状态进行监测。常规的船舶动力机械涵盖了发动机以及液压系统，因其所发挥的效果不同，所采用的监测方法也具有一定的差异性。如要想实现对于发动机的监测需要利用瞬时转速监测技术[1]。物体在运动时会发出不同程度的震动，通过对振动幅度的监测实现对船舶动力机械状态的预判。在VMD技术的帮助下，则可以利用VMD技术构建震动传感网络结构，通过接收发动机状态的信号，实现对于发动机运行状态的监测。
1.2梳理监测系统的设计思路
为了能提升船舶动力机械状态监测的有效性，在监测系统中添加了VMD技术，使得监测系统的设计思路得到了更新。在系统的研发阶段，主要是基于模块化的设计思路，设计船体结构，重新构建机电装置以及导航系统的位置。动力机械的应用能够将各个机电系统进行一体化的结合，使得各个机电系统都能够置于动态监测系统中。在开发阶段，则可以在VMD技术的帮助下，引入时间维度和逻辑维度，得到动力机械运行的状态曲线。就动力机械状态的监测情况来看，获取准确的数据是实现监测的重点。所谓的数据源主要指的是通过获取动力机械的动态参数，更新模块设计，提升内容监控的模块化程度。将整个监测系统划分成多个不同的模块，基于结构的模块化特点，调整监测系统规模[2]。如在对油液黏度设备进行监测的过程中，就可以直接利用在线油液黏度监测系统实现对于设备状态的监测。
1.3提升动力机械状态监测系统的有效性
在对动力机械状态监测系统进行开发的过程中，需要利用VMD技术对其进行分析，以便能够加快求解的速度。在VMD技术的帮助下，实现对于动力机械状态的监测，需要通过对动力机械工作状态的高效分析，掌握动力机械运行的工作数据，使其反馈至控制系统中，实现对于动力机械状态监测系统的实时监督。同时，在动力机械系统的工作环境中，考虑到环境因素对其的影响，设定全新的系统，通过对动力机械状态的具体分析，将约束条件转换为变分问题，利用VMD技术进行求解，从而得出更为精准的动力监测结果。
1.4实现对于总目标的拆解
在对动力机械状态监测目标进行分析的过程中，其关键在于建立一个全新的目标，并逐级落实总目标，实现对于总目标的分解。利用VMD技术通过对总目标的分解，将其拆分成为多个分目标，进而对每个分目标进行动态监测，提升分目标实行的具体性，使得分目标得以协调发展。在整个动力机械状态监测系统中会涉及到较多的因素，每个因素的关系具有一定的复杂性，因此要想实现对于多种因素的管理，应当使得监测系统的运行达到最优，在构建监测系统时就需要在VMD技术的帮助下，设定不同的监测分目标，以便能够与多个复杂因素相对应。
1.5快速地获取解析信号
在VMD技术的帮助下，在动力机械系统对变分问题进行构造时，可以通过获取中心频率以及宽带信息，将变分问题描绘成多个求解函数，建设该状态下的监测模型，使得每个模态预估值的总和达到最小。再将约束条件作为原始的输入信号，在变分问题的构造下，利用希尔波特变换，获得全新的解析信号，从而获得一个新的中心频率。同时，为了能够有效提升动力机械的监测精度，需要将约束条件置于VMD技术中，利用乘法算子交替方向法，获得新的拉格朗日鞍点，得到全新的模态函数，为建设动力机械监测系统模型提供数据支撑。
动力机械状态监测系统中VMD技术的优化方式
基于参数的优化方式能够保证VMD技术在应用过程中发挥稳定的效用，因为VMD技术本质上就是一种算法，所以通过对其的优化，能够使得动力机械状态系统在构建模型的过程中重构信号，发挥VMD技术的支撑作用。
2.1模糊熵法
模糊熵法主要指的是在样本熵算法中加入模糊函数，从而实现对于度量时间的重新排序。通过衡量新模式估计序列排序的复杂性。模糊熵法主要依靠模数隶属度函数，进行均值化处理，以便提升阈值判断的精确度。将给定长度设置为R，利用模糊熵算法能够得到序列e，基于对向量的排序，从对应元素中得到最大的相似值，得出模糊隶属度函数的指数形式，并利用边界度计算出相似容限，待至空间维数增加后，重新定义模糊熵，得出最终的评价函数。
2.2优化中心频率混叠商算法
基于VMD算法特性可知，模态分量是中心频率的排列参照，模态分量使得中心频率得以按照从高到低的序列进行排布，当需要进行分解时就利用模态函数中数值相接近的中心频率确定模态是否存在混叠思想，进而实现对于混叠的判断。在该思想的指导下，得出最终模态数，在进行预分解的过程中，通过对各个模态函数中心频率进行两两作差，得出最小差值，当中心频率相接近时，则表示模态数值与中心频率的数值相接近，中心频率的混叠阈值大约在10-20%的范围内。基于模态分量分布以及中心频率的分布特性，确定最终的分解需求。
2.4优化求和模糊熵算法
模糊熵法主要是利用模糊思想代替单位阶跃函数，以便能够实现软阈值度量的效果。基于模糊熵法提出的诉求，对惩罚因子进行优化，能够在R个模态分量下得出总的模糊熵，将求和模糊熵作为评价指标。总熵值越大，意味着动力机械状态处于越混乱的状态。
结语：总而言之，在船舶运行的过程中，在VMD技术的帮助下，能及时发现动力机械的潜在问题，为船舶航行的稳定性提供保障。另外，在VMD技术的帮助下，能使得现有的监测方法与监测系统结合，提升问题分析的效率。
参考文献：
[1]阳复建,高进有.优化VMD技术在动力机械状态监测系统中的应用[J].舰船科学技术,2020,42(14):100-102.
[2]严新平,杨琨. 可监测性与数字诊断技术[M].武汉理工大学出版社:数字制造科学与技术前沿研究丛书, 201801.196.
第一作者简介：林蓁（1992），男，学士学位，工程师。
研究方向：轮机工程，电子邮箱：383438147@qq.com
通讯作者：胡琪玮（1995），男，硕士学位，助理工程师13651975648，上海市中山南一路168号1309室（200011）， 13651975648 marichp@163.com。
第三作者：胡智方（1998），男，硕士学位，助理工程师
研究方向：轮机设计与研究021-63161688-1309，工作单位：中国船舶及海洋工程设计研究院 地址：上海市中山南一路168号1309室（200011）
