第852章 國產新型護衛艦

 “燃機本身倒是沒什麼問題。”

 林青回答道：

 “體積、重量、輸出功率、平均故障間隔還有油耗這些都在最開始的設計指標範圍之內，只有噪音和振動水平，為了和油耗妥協所以稍微大了一些，不過再怎麼大，比起柴油機來還是強出好幾個檔次了……”

 “目前的主要問題跟那兩艘052其實是一樣的，咱們的海軍過去幾乎沒裝備過全燃動力軍艦，所以無論是艦員還是船廠，對於燃機的保養、檢修、維護都還不是很適應。”

 “尤其是每次航行結束之後，或者出現故障的時候，因為燃氣輪機相比柴油機更復雜，所以檢查和維修消耗的時間大概要多出大概兩到三倍，不過這些都可以通過訓練逐漸克服……”

 其實總結起來就是，雖然不太愛壞，但如果壞了就比較麻煩。

 聽到這裡，常浩南突然靈光一閃，看向一直跟在身後的雷志興和劉方平：

 “咱們之前給lng船開發的那套設備狀態監測和故障自動診斷（ecm&fd）系統，應該可以移植到這艘護衛艦上來？”

 之前常浩南在開發出可用的流形學習算法之後，第一個想到的應用場景就是風險和故障診斷。

 只不過這需要大量傳感器提供數據，以2000年的技術水平而言，飛機，至少中小型飛機很難滿足這種要求。

 所以就首先把這套系統用在了lng船上——

 蒸發氣完全再液化系統會影響到整船的結構設計，即便對於存在安全冗餘的gas-transport液貨艙來說，仍然要面臨一定風險。

 而如果把包括液貨艙、動力系統和船體結構在內的整船核心數據都接入到新系統裡面，就可以提前對這種風險進行預估。

 比如船上的某個閥門因為年久失修或者安裝不到位等原因出現了失效風險，就會對上下游，乃至全船的管道壓力數據產生一定影響。

 在過去，只靠人工核查的話，很難從大量數據干擾中找到這種影響。

 往往要等到閥門真的失效了才能亡羊補牢。

 但在有了數據提取能力之後，有針對性的提前預防就成為了可能。

 而類似的系統，似乎完全可以在經過簡單調試之後，就安裝在軍艦上面。

 像lng船那樣應用到全船或許成本太高，但只用於動力系統問題並不大。

 這樣一來，檢修過程所消耗的工時必定會大大減小，出現故障的風險也會相應降低。

 從全壽命週期的成本來看，絕對是血賺不虧。