舰船耗散性管网系统受损评估方法
郝刚+金涛+周泽渊+于利峰
摘要：鉴于对舰船耗散性管网的监测有别于常压封闭管网，其相关参数变化的瞬时性使得对受损后管网的快速辨识与评估存在一定困难，建立舰船耗散性管网系统的静态模型。基于该模型，对舰船管网的运行进行模拟并获得相应节点的各模态数据集。利用模糊理论对管网的运行状态进行评估，并以模糊聚类的隶属度作为参数来评估管网受损情况及对破损点进行定位。测试表明：该方法能够简便、快捷、有效地对舰船耗散性管网受损进行定位和评估，并获得直观的评估结果。
关键词： 舰船管网； 耗散性系统； 受损评估
中图分类号： U672.7 文献标志码： A
Abstract： Because the monitoring of the ships dissipative pipe network is different from that of the atmospheric pressure closed pipe network， and instantaneous changes of relevant parameters make the fast identification and evaluation on the damaged pipeline difficult， the static model of the ships dissipative pipe network system is established. Based on the model， the running of the ship pipe network is simulated， and each mode data set of nodes is acquired. The fuzzy theory method is used to evaluate the running state of the pipe network， and the membership of the fuzzy clustering is adopted as a parameter to evaluate the damage of the pipe network and locate the damage point. The test results show that， by this method， the damage of the ships dissipative pipe network can be located and evaluated easily， quickly and effectively， and the visual evaluation result can be acquired.
Key words： ship pipe network； dissipative system； damage evaluation
0 引 言
艦船管网系统是现代舰船的重要组成部分，其由众多的节点和管路按照一定的排列方式组成，承担着全船流体介质的输送，对全船生命力有着重要的影响。[1]1982年5月4日，阿根廷空军的一枚价值20万美元的“飞鱼”空对舰导弹击中了价值2亿美元的英国“谢菲尔德”号驱逐舰，炸毁了其操作和探测中心，导致其一舷消防管网完全失效，火势无法控制，从而引发全船大火，最终该舰在拖航途中沉没。[2] 1987年5月17日，美国“佩里”级护卫舰“斯塔克”号（FFG-31）被伊拉克空军的两枚“飞鱼”空对舰导弹分别击中了住舱区和艏楼舰桥附近，舰上指挥通信系统被全部摧毁，甲板上消防主管线破损，随后全舰大火失控。火灾发生约50 min后损管分队才恢复消防总管的供水，1 h后舰艇主机被迫关闭。12 h的大火使得舰艇雷达舱、指挥舱被烧毁，37人死亡，21人受伤，事后美军为修复该舰花费了约1.42亿美元。[3]
随着船舶设备及系统的大型化、复杂化、集成化以及高速化发展，智能化管网管理系统的应用是下一代舰船发展的必然趋势。[4-5]为提高海军舰船损管自动化水平和削减舰船非战斗人员的数量，美国海军于20世纪90年代就启动了DC-ARM项目[6]。1998年，美国海军研究实验室在ex-USS Shadwell上对反射式管网控制系统进行了实弹测试，结果表明，耗散性舰船管网控制系统的应用能够提高舰船实战时的生存能力。在此基础上，该实验室在2006年提出对消防供水管路智能修复能力的改进计划，以提高管网受损区域重构可靠性[7]。美军基于以上实验开发的智能损管系统目前已经应用到最新下水的DDG-1000型新一代驱逐舰上，以获得免维护部署能力、更强的生命力和更高的自动化能力以及满足更少的人员配置需求，并具备可升级、可重构等特性。[8]
从实战应用看，与舰船消防管网类似的耗散性管网破损处置是舰船损管的核心任务。舰船耗散性管网的智能化管理是提升舰船生命力的关键。耗散性管网有别于常压管网，其参数随着工况的变化而无规律地变化，模态的多样性使得在正常使用情况下管网状态与在受损后爆管或者泄漏情况下管网的参数没有显著区别，而耗散性管网介质的漏损却直观影响到损管的效果。针对舰船耗散性管网破损的研究，周泽渊等[9]提出一种基于MAS的分布式智能管网漏损控制模型，通过传感器Agent采集到的数据独立判断管段状态建立漏损指标，通过模拟计算验证该模型能够提升舰船耗散性管网生命力。金涛等[10]提出基于压力驱动流量模型的摩阻因数与漏损因数联合优化模型，并结合多工况伪并行遗传算法求解模型，实现消防管网的漏损探测定位。PREEJI等[11]以分布式供水管网为模型，利用ArcMap 10和瞬态分析方法基于压力模拟结果建立风险评估等级，对供水管网爆管进行定位，并取得了较好的效果。从国内外研究现状看，管网受损与定位多针对输油管道或分布式供水管网，这种管网并非耗散式管网。海军工程大学金涛研究团队把舰船消防管网作为典型的耗散性管网，取其静态状态数据开展了一系列研究，但是目前研究仍处于理论探索和数据模拟阶段。本文基于模糊理论对静态舰船耗散性管网系统在正常使用情况下的各模态数据进行对比，并进行舰船耗散性管网受损评估。
1 舰船耗散性管网系统模型
采用静态分析计算的方法分析复杂舰船管网受损状态具有建模简单、捕捉异常点快的特征。[12] 首先建立复杂舰船管网模型，然后对其进行一定维度的简化。舰船环状管网模型（见图1）有3组输入和许多节点，每个节点有不同的属性。设置输入和节点的不同属性来模拟管网的运行。
对于环状管网系统，设置节点、管路和泵为研究对象，从时序角度看，三者与工作时间t和工况均相关。
若已知舰船管网系统的组成（如关键节点布置、管路布置、泵的选型与布置等），则基于表征管网特性的关键变量，建立管网分析的结构模型。在结构模型的基础上利用数学方法对各节点以及管路的工作状态进行分析存在难度，因此本文采用蒙特卡洛模拟法，基于舰船管网系统的静态结构，从数据层进行分析，从中获取合适的变量及参数来衡量系统的受损状态并对受损位置进行定位。
2 基于蒙特卡洛模拟法的舰船耗散性管网系统 舰船耗散性管网系统的运行模拟是一个离散事件系统，管网系统的运行状态与舰船的状态有关。离散事件系统指系统状态仅在离散时间点上发生变化的系统，引起系统状态变化的行为称为“事件”。这类系统是由事件驱动的，事件往往发生在随机时间点上，故称其为随机事件[13]。
对离散随机事件，蒙特卡洛模拟法有3种模拟方法：对不考虑系统运行时间和顺序的事件模型，使用非序贯（非时序）模式，随机抽取大量的样本对系统的运行状态进行模拟；对系统运行事件按照先后顺序分布的模型，使用序贯（时序）模式，即按照时间序列的迁移依次产生相应的随机样本对系统的运行状态进行模拟；对状态转移的模型系统，采用状态转移抽样法，得到一个与时间和状态都相关的样本对系统的运行状态进行模拟。[14]
舰船耗散性管网系统是一个相对复杂的系统，各节点运行状态受到舰船的工作任务和管网的健康状态的影响。对单次任务而言，管网运行状态具有相对独立性和随机性，且与时序性无关，因此选定非序贯（非时序）模式对舰船耗散性管网运行状态进行评估更为合理。
在不考虑各关键节点异性的情况下，假设系统由N个关键节点组成，i表示其中的第i个节点，ui表示第i个节点的运行状态，qi表示第i个节点在正常运行状态下的设计参数范围。在舰船耗散性管网系统中，每个节点的运行状态都是相对独立的，故有si=1， ui∈qi（节点运行状态正常）
0， uiqi（节点运行状态不正常） 在抽取一个节点运行状态后，对舰船耗散性管网运行状态进行分析，可得到各节点的运行状态评估结果为（u1，u2，…，ui，…，uN）。
通过与正常运行状态下qi的对比，可获得第k次抽样条件下舰船耗散性管网的运行状态矩阵Pk=（u1s1，u2s2，…，uisi，…，uNsN） 由上式可知，通过K次抽样，舰船耗散性管网的运行状态就可以用一个K×N的运行状态矩阵表示。在该运行状态矩阵的计算过程中，通过对运行状态的判断，剔除非正常运行点（si=0），保存正常运行点以及每次正常运行点的参数。在K次抽样中，ηi表示在[0，1]上均匀分布的随机数，各节点i的参数值采用线性同余发生器产生[15]，其递推公式为ηi=xi/m
xi=（axi-1+c′）mod m′式中：xi 为产生的伪随机数，x0为初值，m′为模数，a为系数（0通过上述方法，可以抽样得到舰船耗散性管网各节点在不同工作状况下的运行状态，再经过大量的随机抽样得到管网运行状态矩阵，用于对舰船耗散性管网系统运行情况进行评估。
3 基于模糊理论的舰船耗散性管网系统受损评估方法 通過蒙特卡洛模拟法，经过K次抽样，得到舰船耗散性管网的一个K×N的运行状态矩阵，即样本集合Y={y1，y2，…，yK}。采用模糊聚类方法将其分为c（c>1）类子集[16]。这使得目标函数J（U，V）在一定的约束条件下最小。
通过模糊聚类算法对样本数据分类，获得相应的聚类中心，通过计算测试样本偏离相应聚类中心的隶属度，判断样本点的所属分类。上文利用蒙特卡洛模拟法，通过大量的随机抽样得到管网运行状态矩阵。可以将该管网运行状态矩阵作为模糊聚类算法的样本数据，任意时刻管网的状态值作为测试样本，利用模糊聚类隶属度的判定，对舰船耗散性管网的运行状态进行评估。具体步骤如下：
步骤1 建立舰船管网模型，利用蒙特卡洛模拟法，通过设置各节点不同的运行状态，得到管网的运行状态矩阵，该矩阵即为样本数据集。
步骤2 样本数据集的标准化。样本数据集生成后，为消除由各节点运行状态的差异所造成的影响，采用线性函数转换方法对特征参数进行标准化处理：
步骤3 通过所得的归一化样本数据集，利用模糊理论，建立模糊聚类模型，找到各节点在正常运行状态下的聚类中心。
步骤4 利用归一化样本数据集所建立的模糊聚类模型对测试数据进行试算，并计算测试数据偏离正常运行状态下聚类中心的隶属度。
步骤5 根据隶属度分析，对舰船耗散性管网的运行状态进行评估，基于评估结果进行受损评估。
基于模糊理论的舰船耗散性管网运行状态评估流程见图2。
4 实例分析
选取舰船消防管网作为研究对象。舰船消防管网属于典型的耗散性复杂管网，该管网中相关参量能够反映管网系统的运行状态，如节点的用水量、节点的水头压力、摩阻因数等。[17]
实例分析的原型是ex-USS Shadwell实验船上的消防管网，为一个两层的空间管网，见图3。图3中：V表示智能阀（具有数据采集功能的阀），P表示消防水泵，F表示消火栓，N表示消防管道，R表示手动截止阀。舰船消防水水源取自海面，舰船消防水水泵为两主一备。设定各用户节点属性，用于模拟各舱段或者位置使用消防水的情况。在正常情况下，每个用户节点的实际用水量在0到设计用水量之间变化。 </a<m′），c′为增量（0≤c′
EPANET为美国国家环境保护局开发的开源有压管网模拟计算软件，可以获得水头、水量等多项指
EPANET示意图标。该软件具有友好的交互界面，能较快地完成管网系统的模拟，同时通过EPANET Toolkit接口与MATLAB连接，能够完成实时同步模拟。舰船消防管网系统EPANET示意图见图4，其中：V1，V2，…，V10为随机用水节点；P1和P2为消防水泵；PS为备用消防水泵。舰船消防管网各节点概况见表1。
利用蒙特卡洛模拟法对该舰船消防管网系统进行运行模拟，即使用随机抽样的方法设置实际用水量，在各种工况下模拟并获得各节点的压力值。通过采集消防管网系统运行状态下各节点压力值作为样本数据集，利用蒙特卡洛模拟法模拟2 000次，设置聚类中心个数c=2，计算各节点压力模糊聚类中心，见图5。
通过模糊聚类方法，得到舰船消防管网正常运行状态下各用水节点的压力检测值的模糊聚类中心。计算各节点压力检测值与正常运行状态下节点压力模糊聚类中心的隶属度情况，对舰船消防管网的运行状态进行评估。
设置V7作为异常节点，为模拟爆管，设置实际用水量稍大于设计用水量。通过MATLAB调用EPANET Toolkit计算各节点的压力值，并依此计算各节点的压力值相对于正常运行状态下节点压力模糊聚类中心的隶属度情况，计算结果见表2。因为关于舰船耗散性管网风险评估的参考资料较少，所以依据中国船级社2015年发布的指导性文件《船舶综合安全评估应用指南2015》，基于统计数据、模型试验或数值模拟的结果并结合专家的经验判断，建立风险模型和设定假定条件[18]。在此，根据节点隶属度进行管网受损风险评估，节点隶属度在[80%，100%]上则认为其受损风险低，在[50%，80%）上则认为其受损风险中等，在（0，50%）上则认为其受损风险高。
根据实例计算结果分析，当检测用水节点因爆管而导致实际用水量出现波动时，利用该方法用该节点压力相对于正常运行状态下节点压力模糊聚类中心的隶属度来对其进行表征。V7偏离正常运行状态下节点压力模糊聚类中心的用水量过多，说明其是受损风险较高的节点，V9和V10是受损风险中等的节点。
5 结束语
舰船耗散性管网受损评估是战时损管的重要组成部分，在实际处置过程中破损定位与风险评估的效率直接影响损管的效果。本文在舰船耗散性管网静态模型的基础上，提出了基于蒙特卡洛模拟法和模糊理论的破损定位与受损风险评估方法。实例计算说明：该方法能够简便、有效、快速地完成耗散性管网系统的运行状态评估和受损定位，为后续开发舰船耗散性管网损管自动控制系统提供理论参考。舰船耗散性管网因受攻击而发生破损是时间相对独立的离散事件，下一步将从离散事件系统的角度针对模型破损反应及危险事件处置开展相关研究。
参考文献：
[1] 刘婷. 舰船冷却水管网系统动力特性分析[D]. 武汉： 中国舰船研究院， 2014.
[2] MOON K. Self-reconfigurable ship fluid-network modeling for simulation-based design[D]. Georgia： Georgia Institute of Technology， 2010.
[3] 岳林. 联合船机电系统的舰船自主控制模型研究[J]. 舰船科学技术， 2015， 37（12）： 72-78.
[4] 曹辉， 马捷， 贾宝柱， 等. 基于分布式轮机复杂管网系统仿真与控制的研究[C]//2010 3rd International Conference on Power Electronics and Intelligent Transportation System. Shenzhen， China， 2010： 468-469.
[5] MOON K， MAVRIS D N. Modeling and simulation for damage analysis of intelligent， self-reconfigurable ship fluid system in early design phase[J]. Simulation Modeling Practice and Theory， 2011， 19（9）： 1983-2006.
[6] 浦金云， 侯岳， 陈晓洪. 国外舰船生命力评估与损管技术发展现状综述[J]. 中国舰船研究， 2013， 8（4）： 1-5.
[7] 闾晨光. 舰船水消防系统智能重构技术研究[D]. 武汉： 海军工程大学， 2007.
[8] 董晓明， 石朝明， 黄坤， 等. 美海军DDG-1000全舰计算环境体系结构探析[J]. 中国舰船研究， 2012， 7（6）： 7-15.
[9] 周泽渊， 金涛， 吴向君. 基于MAS的分布式智能管网漏损控制[J]. 海军工程大学学报， 2013， 25（5）： 95-99.
[10] 金涛， 周泽渊， 陈晓洪. 基于伪并行遗传算法的消防管网受损点定位方法[J]. 海军工程大学学报， 2016， 28（3）： 40-44.
[11] PREEJI J M， SUMAM K S. Pipe burst risk assessment using transient analysis in surge 2000[J]. Aquatic Procedia， 2015（4）： 747-754.
[12] 刘婷， 张京伟. 基于AutoPIPE的舰船管网系统静动态特征分析[J]. 中国水运， 2013， 13（11）： 107-109.
[13] 潘丰旻， 江明， 周加文. 基于NS2的优先级队列管理算法设计[J]. 重庆工商大学学报， 2014， 31（11）： 45-49.
[14] 陈小青. 基于蒙特卡洛模拟的电网调度运行风险评估研究[D]. 长沙： 湖南大学， 2013.
[15] 曾畅， 方强， 吴军， 等. 蒙特卡洛模拟法在复杂系统可靠性仿真中的应用研究[J]. 四川兵工学报， 2015， 36（9）： 65-68.
[16] 吴军， 郝刚， 邓超， 等. 基于模糊C-均值聚类的轴承性能衰退评估方法[J]. 计算机集成制造系统， 2015， 21（4）： 1047-1048.
[17] 周泽渊， 黄钢， 金涛. 舰船管网漏损探测与定位方法[J]. 舰船科学技术， 2014， 36（10）： 124-128.
[18] 中国船级社. 船舶综合安全评估应用指南2015[EB/OL]. http：//www.ccs.org.cn/ccswz/font/fontAction！article.do？ articleId=ff8080814ddae8cc014de18edfb5002c.
（編辑 赵勉）
摘要：鉴于对舰船耗散性管网的监测有别于常压封闭管网，其相关参数变化的瞬时性使得对受损后管网的快速辨识与评估存在一定困难，建立舰船耗散性管网系统的静态模型。基于该模型，对舰船管网的运行进行模拟并获得相应节点的各模态数据集。利用模糊理论对管网的运行状态进行评估，并以模糊聚类的隶属度作为参数来评估管网受损情况及对破损点进行定位。测试表明：该方法能够简便、快捷、有效地对舰船耗散性管网受损进行定位和评估，并获得直观的评估结果。
关键词： 舰船管网； 耗散性系统； 受损评估
中图分类号： U672.7 文献标志码： A
Abstract： Because the monitoring of the ships dissipative pipe network is different from that of the atmospheric pressure closed pipe network， and instantaneous changes of relevant parameters make the fast identification and evaluation on the damaged pipeline difficult， the static model of the ships dissipative pipe network system is established. Based on the model， the running of the ship pipe network is simulated， and each mode data set of nodes is acquired. The fuzzy theory method is used to evaluate the running state of the pipe network， and the membership of the fuzzy clustering is adopted as a parameter to evaluate the damage of the pipe network and locate the damage point. The test results show that， by this method， the damage of the ships dissipative pipe network can be located and evaluated easily， quickly and effectively， and the visual evaluation result can be acquired.
Key words： ship pipe network； dissipative system； damage evaluation
0 引 言
艦船管网系统是现代舰船的重要组成部分，其由众多的节点和管路按照一定的排列方式组成，承担着全船流体介质的输送，对全船生命力有着重要的影响。[1]1982年5月4日，阿根廷空军的一枚价值20万美元的“飞鱼”空对舰导弹击中了价值2亿美元的英国“谢菲尔德”号驱逐舰，炸毁了其操作和探测中心，导致其一舷消防管网完全失效，火势无法控制，从而引发全船大火，最终该舰在拖航途中沉没。[2] 1987年5月17日，美国“佩里”级护卫舰“斯塔克”号（FFG-31）被伊拉克空军的两枚“飞鱼”空对舰导弹分别击中了住舱区和艏楼舰桥附近，舰上指挥通信系统被全部摧毁，甲板上消防主管线破损，随后全舰大火失控。火灾发生约50 min后损管分队才恢复消防总管的供水，1 h后舰艇主机被迫关闭。12 h的大火使得舰艇雷达舱、指挥舱被烧毁，37人死亡，21人受伤，事后美军为修复该舰花费了约1.42亿美元。[3]
随着船舶设备及系统的大型化、复杂化、集成化以及高速化发展，智能化管网管理系统的应用是下一代舰船发展的必然趋势。[4-5]为提高海军舰船损管自动化水平和削减舰船非战斗人员的数量，美国海军于20世纪90年代就启动了DC-ARM项目[6]。1998年，美国海军研究实验室在ex-USS Shadwell上对反射式管网控制系统进行了实弹测试，结果表明，耗散性舰船管网控制系统的应用能够提高舰船实战时的生存能力。在此基础上，该实验室在2006年提出对消防供水管路智能修复能力的改进计划，以提高管网受损区域重构可靠性[7]。美军基于以上实验开发的智能损管系统目前已经应用到最新下水的DDG-1000型新一代驱逐舰上，以获得免维护部署能力、更强的生命力和更高的自动化能力以及满足更少的人员配置需求，并具备可升级、可重构等特性。[8]
从实战应用看，与舰船消防管网类似的耗散性管网破损处置是舰船损管的核心任务。舰船耗散性管网的智能化管理是提升舰船生命力的关键。耗散性管网有别于常压管网，其参数随着工况的变化而无规律地变化，模态的多样性使得在正常使用情况下管网状态与在受损后爆管或者泄漏情况下管网的参数没有显著区别，而耗散性管网介质的漏损却直观影响到损管的效果。针对舰船耗散性管网破损的研究，周泽渊等[9]提出一种基于MAS的分布式智能管网漏损控制模型，通过传感器Agent采集到的数据独立判断管段状态建立漏损指标，通过模拟计算验证该模型能够提升舰船耗散性管网生命力。金涛等[10]提出基于压力驱动流量模型的摩阻因数与漏损因数联合优化模型，并结合多工况伪并行遗传算法求解模型，实现消防管网的漏损探测定位。PREEJI等[11]以分布式供水管网为模型，利用ArcMap 10和瞬态分析方法基于压力模拟结果建立风险评估等级，对供水管网爆管进行定位，并取得了较好的效果。从国内外研究现状看，管网受损与定位多针对输油管道或分布式供水管网，这种管网并非耗散式管网。海军工程大学金涛研究团队把舰船消防管网作为典型的耗散性管网，取其静态状态数据开展了一系列研究，但是目前研究仍处于理论探索和数据模拟阶段。本文基于模糊理论对静态舰船耗散性管网系统在正常使用情况下的各模态数据进行对比，并进行舰船耗散性管网受损评估。
1 舰船耗散性管网系统模型
采用静态分析计算的方法分析复杂舰船管网受损状态具有建模简单、捕捉异常点快的特征。[12] 首先建立复杂舰船管网模型，然后对其进行一定维度的简化。舰船环状管网模型（见图1）有3组输入和许多节点，每个节点有不同的属性。设置输入和节点的不同属性来模拟管网的运行。
对于环状管网系统，设置节点、管路和泵为研究对象，从时序角度看，三者与工作时间t和工况均相关。
若已知舰船管网系统的组成（如关键节点布置、管路布置、泵的选型与布置等），则基于表征管网特性的关键变量，建立管网分析的结构模型。在结构模型的基础上利用数学方法对各节点以及管路的工作状态进行分析存在难度，因此本文采用蒙特卡洛模拟法，基于舰船管网系统的静态结构，从数据层进行分析，从中获取合适的变量及参数来衡量系统的受损状态并对受损位置进行定位。
2 基于蒙特卡洛模拟法的舰船耗散性管网系统 舰船耗散性管网系统的运行模拟是一个离散事件系统，管网系统的运行状态与舰船的状态有关。离散事件系统指系统状态仅在离散时间点上发生变化的系统，引起系统状态变化的行为称为“事件”。这类系统是由事件驱动的，事件往往发生在随机时间点上，故称其为随机事件[13]。
对离散随机事件，蒙特卡洛模拟法有3种模拟方法：对不考虑系统运行时间和顺序的事件模型，使用非序贯（非时序）模式，随机抽取大量的样本对系统的运行状态进行模拟；对系统运行事件按照先后顺序分布的模型，使用序贯（时序）模式，即按照时间序列的迁移依次产生相应的随机样本对系统的运行状态进行模拟；对状态转移的模型系统，采用状态转移抽样法，得到一个与时间和状态都相关的样本对系统的运行状态进行模拟。[14]
舰船耗散性管网系统是一个相对复杂的系统，各节点运行状态受到舰船的工作任务和管网的健康状态的影响。对单次任务而言，管网运行状态具有相对独立性和随机性，且与时序性无关，因此选定非序贯（非时序）模式对舰船耗散性管网运行状态进行评估更为合理。
在不考虑各关键节点异性的情况下，假设系统由N个关键节点组成，i表示其中的第i个节点，ui表示第i个节点的运行状态，qi表示第i个节点在正常运行状态下的设计参数范围。在舰船耗散性管网系统中，每个节点的运行状态都是相对独立的，故有si=1， ui∈qi（节点运行状态正常）
0， uiqi（节点运行状态不正常） 在抽取一个节点运行状态后，对舰船耗散性管网运行状态进行分析，可得到各节点的运行状态评估结果为（u1，u2，…，ui，…，uN）。
通过与正常运行状态下qi的对比，可获得第k次抽样条件下舰船耗散性管网的运行状态矩阵Pk=（u1s1，u2s2，…，uisi，…，uNsN） 由上式可知，通过K次抽样，舰船耗散性管网的运行状态就可以用一个K×N的运行状态矩阵表示。在该运行状态矩阵的计算过程中，通过对运行状态的判断，剔除非正常运行点（si=0），保存正常运行点以及每次正常运行点的参数。在K次抽样中，ηi表示在[0，1]上均匀分布的随机数，各节点i的参数值采用线性同余发生器产生[15]，其递推公式为ηi=xi/m
xi=（axi-1+c′）mod m′式中：xi 为产生的伪随机数，x0为初值，m′为模数，a为系数（0通过上述方法，可以抽样得到舰船耗散性管网各节点在不同工作状况下的运行状态，再经过大量的随机抽样得到管网运行状态矩阵，用于对舰船耗散性管网系统运行情况进行评估。
3 基于模糊理论的舰船耗散性管网系统受损评估方法 通過蒙特卡洛模拟法，经过K次抽样，得到舰船耗散性管网的一个K×N的运行状态矩阵，即样本集合Y={y1，y2，…，yK}。采用模糊聚类方法将其分为c（c>1）类子集[16]。这使得目标函数J（U，V）在一定的约束条件下最小。
通过模糊聚类算法对样本数据分类，获得相应的聚类中心，通过计算测试样本偏离相应聚类中心的隶属度，判断样本点的所属分类。上文利用蒙特卡洛模拟法，通过大量的随机抽样得到管网运行状态矩阵。可以将该管网运行状态矩阵作为模糊聚类算法的样本数据，任意时刻管网的状态值作为测试样本，利用模糊聚类隶属度的判定，对舰船耗散性管网的运行状态进行评估。具体步骤如下：
步骤1 建立舰船管网模型，利用蒙特卡洛模拟法，通过设置各节点不同的运行状态，得到管网的运行状态矩阵，该矩阵即为样本数据集。
步骤2 样本数据集的标准化。样本数据集生成后，为消除由各节点运行状态的差异所造成的影响，采用线性函数转换方法对特征参数进行标准化处理：
步骤3 通过所得的归一化样本数据集，利用模糊理论，建立模糊聚类模型，找到各节点在正常运行状态下的聚类中心。
步骤4 利用归一化样本数据集所建立的模糊聚类模型对测试数据进行试算，并计算测试数据偏离正常运行状态下聚类中心的隶属度。
步骤5 根据隶属度分析，对舰船耗散性管网的运行状态进行评估，基于评估结果进行受损评估。
基于模糊理论的舰船耗散性管网运行状态评估流程见图2。
4 实例分析
选取舰船消防管网作为研究对象。舰船消防管网属于典型的耗散性复杂管网，该管网中相关参量能够反映管网系统的运行状态，如节点的用水量、节点的水头压力、摩阻因数等。[17]
实例分析的原型是ex-USS Shadwell实验船上的消防管网，为一个两层的空间管网，见图3。图3中：V表示智能阀（具有数据采集功能的阀），P表示消防水泵，F表示消火栓，N表示消防管道，R表示手动截止阀。舰船消防水水源取自海面，舰船消防水水泵为两主一备。设定各用户节点属性，用于模拟各舱段或者位置使用消防水的情况。在正常情况下，每个用户节点的实际用水量在0到设计用水量之间变化。 </a<m′），c′为增量（0≤c′
EPANET为美国国家环境保护局开发的开源有压管网模拟计算软件，可以获得水头、水量等多项指
EPANET示意图标。该软件具有友好的交互界面，能较快地完成管网系统的模拟，同时通过EPANET Toolkit接口与MATLAB连接，能够完成实时同步模拟。舰船消防管网系统EPANET示意图见图4，其中：V1，V2，…，V10为随机用水节点；P1和P2为消防水泵；PS为备用消防水泵。舰船消防管网各节点概况见表1。
利用蒙特卡洛模拟法对该舰船消防管网系统进行运行模拟，即使用随机抽样的方法设置实际用水量，在各种工况下模拟并获得各节点的压力值。通过采集消防管网系统运行状态下各节点压力值作为样本数据集，利用蒙特卡洛模拟法模拟2 000次，设置聚类中心个数c=2，计算各节点压力模糊聚类中心，见图5。
通过模糊聚类方法，得到舰船消防管网正常运行状态下各用水节点的压力检测值的模糊聚类中心。计算各节点压力检测值与正常运行状态下节点压力模糊聚类中心的隶属度情况，对舰船消防管网的运行状态进行评估。
设置V7作为异常节点，为模拟爆管，设置实际用水量稍大于设计用水量。通过MATLAB调用EPANET Toolkit计算各节点的压力值，并依此计算各节点的压力值相对于正常运行状态下节点压力模糊聚类中心的隶属度情况，计算结果见表2。因为关于舰船耗散性管网风险评估的参考资料较少，所以依据中国船级社2015年发布的指导性文件《船舶综合安全评估应用指南2015》，基于统计数据、模型试验或数值模拟的结果并结合专家的经验判断，建立风险模型和设定假定条件[18]。在此，根据节点隶属度进行管网受损风险评估，节点隶属度在[80%，100%]上则认为其受损风险低，在[50%，80%）上则认为其受损风险中等，在（0，50%）上则认为其受损风险高。
根据实例计算结果分析，当检测用水节点因爆管而导致实际用水量出现波动时，利用该方法用该节点压力相对于正常运行状态下节点压力模糊聚类中心的隶属度来对其进行表征。V7偏离正常运行状态下节点压力模糊聚类中心的用水量过多，说明其是受损风险较高的节点，V9和V10是受损风险中等的节点。
5 结束语
舰船耗散性管网受损评估是战时损管的重要组成部分，在实际处置过程中破损定位与风险评估的效率直接影响损管的效果。本文在舰船耗散性管网静态模型的基础上，提出了基于蒙特卡洛模拟法和模糊理论的破损定位与受损风险评估方法。实例计算说明：该方法能够简便、有效、快速地完成耗散性管网系统的运行状态评估和受损定位，为后续开发舰船耗散性管网损管自动控制系统提供理论参考。舰船耗散性管网因受攻击而发生破损是时间相对独立的离散事件，下一步将从离散事件系统的角度针对模型破损反应及危险事件处置开展相关研究。
参考文献：
[1] 刘婷. 舰船冷却水管网系统动力特性分析[D]. 武汉： 中国舰船研究院， 2014.
[2] MOON K. Self-reconfigurable ship fluid-network modeling for simulation-based design[D]. Georgia： Georgia Institute of Technology， 2010.
[3] 岳林. 联合船机电系统的舰船自主控制模型研究[J]. 舰船科学技术， 2015， 37（12）： 72-78.
[4] 曹辉， 马捷， 贾宝柱， 等. 基于分布式轮机复杂管网系统仿真与控制的研究[C]//2010 3rd International Conference on Power Electronics and Intelligent Transportation System. Shenzhen， China， 2010： 468-469.
[5] MOON K， MAVRIS D N. Modeling and simulation for damage analysis of intelligent， self-reconfigurable ship fluid system in early design phase[J]. Simulation Modeling Practice and Theory， 2011， 19（9）： 1983-2006.
[6] 浦金云， 侯岳， 陈晓洪. 国外舰船生命力评估与损管技术发展现状综述[J]. 中国舰船研究， 2013， 8（4）： 1-5.
[7] 闾晨光. 舰船水消防系统智能重构技术研究[D]. 武汉： 海军工程大学， 2007.
[8] 董晓明， 石朝明， 黄坤， 等. 美海军DDG-1000全舰计算环境体系结构探析[J]. 中国舰船研究， 2012， 7（6）： 7-15.
[9] 周泽渊， 金涛， 吴向君. 基于MAS的分布式智能管网漏损控制[J]. 海军工程大学学报， 2013， 25（5）： 95-99.
[10] 金涛， 周泽渊， 陈晓洪. 基于伪并行遗传算法的消防管网受损点定位方法[J]. 海军工程大学学报， 2016， 28（3）： 40-44.
[11] PREEJI J M， SUMAM K S. Pipe burst risk assessment using transient analysis in surge 2000[J]. Aquatic Procedia， 2015（4）： 747-754.
[12] 刘婷， 张京伟. 基于AutoPIPE的舰船管网系统静动态特征分析[J]. 中国水运， 2013， 13（11）： 107-109.
[13] 潘丰旻， 江明， 周加文. 基于NS2的优先级队列管理算法设计[J]. 重庆工商大学学报， 2014， 31（11）： 45-49.
[14] 陈小青. 基于蒙特卡洛模拟的电网调度运行风险评估研究[D]. 长沙： 湖南大学， 2013.
[15] 曾畅， 方强， 吴军， 等. 蒙特卡洛模拟法在复杂系统可靠性仿真中的应用研究[J]. 四川兵工学报， 2015， 36（9）： 65-68.
[16] 吴军， 郝刚， 邓超， 等. 基于模糊C-均值聚类的轴承性能衰退评估方法[J]. 计算机集成制造系统， 2015， 21（4）： 1047-1048.
[17] 周泽渊， 黄钢， 金涛. 舰船管网漏损探测与定位方法[J]. 舰船科学技术， 2014， 36（10）： 124-128.
[18] 中国船级社. 船舶综合安全评估应用指南2015[EB/OL]. http：//www.ccs.org.cn/ccswz/font/fontAction！article.do？ articleId=ff8080814ddae8cc014de18edfb5002c.
（編辑 赵勉）
