船舶動力裝置智能故障診斷技術分析

導語：船舶動力裝置智能故障診斷技術分析一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：動力裝置是船舶運行的核心裝置，動力裝置能否正常運轉將會直接影響到船舶航行期間的穩定性與安全性，科學有效的故障診斷技術正是保障動力裝置安全運轉的關鍵。通過對船舶動力裝置展開分析，并結合實際對智能故障診斷技術提出個人看法，希望為智能故障診斷技術在船舶動力裝置中的應用帶來參考，進而讓船舶的航行效果得到進一步提高。

關鍵詞：船舶；動力裝置；智能故障診斷技術

船舶動力裝置作為支撐船舶行業的關鍵，隨著科技發展船舶動力裝置變得越來越復雜，復雜性偏高的船舶動力裝置在發生故障后，其維修、診斷難度也在增大。通過合理利用智能故障診斷技術對船舶動力裝置進行故障診斷與監測，能夠在一定程度上提高船舶動力裝置的運行安全性。因此，有必要對智能故障診斷技術在船舶動力裝置中的運用進行研究。

1智能故障診斷技術國內外研究現狀

1.1信號獲取

1）熱工參數信號。爆發壓力、排溫等熱工參數會反映出設備各個部件的運行情況，在對排氣系統堵塞等異常故障判斷時，可以利用該信號來進行診斷。外國學者Rubio等在監測了柴油機運行的同時完善了對應的數據庫，而我國專家駱康明等則規劃設計出了熱工參數智能檢測儀，該設備能夠在運行期間針對船舶動力裝置開展信號的自動檢測。2）振動信號。船舶動力裝置能夠通過柴油機機體振動、表面局部振動等方式來完成對燃油系統、配氣機構等零部件的故障診斷，利用振動信號所開展的診斷具有速度快、精度高等優勢。對于船舶動力裝置而言，振動信號可以在早期故障預報以及故障在線監測中發揮出應有的價值。國外學者利用雅典加速度傳感器針對氣缸振動信號開展了故障特征分析，在分析中發現了振動信號在不同狀態下存在振動頻率上的巨大差異。國內學者則結合振動信號傳遞提出了振動傳感器的布置優化模式，這也為船舶動力裝置的故障診斷提供了幫助。3）其他信號。采用激光診斷的方式能夠實現對柴油機缸內燃燒過程的全面監測，而柴油機效率損失等異常問題則能夠利用瞬時轉矩來進行判斷。智能故障診斷系統能夠利用的各種信號有很多，只要能夠合理進行信號利用，就能夠讓船舶動力裝置的故障分析準確性得到大幅提高。通過多種物理信號對船舶動力裝置狀態的影響進行監測，可以在一定程度上為智能算法的運用奠定基礎，進而保證船舶動力裝置的故障檢測質量。

1.2故障特征提取

1）振動信號特征提取。國外學者Charles等采用快速傅里葉變換對曲軸的扭轉振動信號故障特征進行了提取，其他國外學者同樣發現了提取振動信號故障特征的方法[1]。通過采用超限學習機來實現故障特征的分類，能夠讓異常故障診斷變得更加簡單。國內學者同樣對故障特征有所研究，如暢志明等便以EEMD為核心對柴油機氣門間隙開展了故障特征提取。2）特征提取的作用。故障特征提取能夠為船舶動力裝置故障判斷帶來非常多的幫助，無論實時故障預測還是故障分析，都可以通過提取故障特征的方式來加強對于故障情況的了解。而且基于故障特征提取還可以對智能故障診斷技術做出進一步優化。就目前而言，國內外學者在故障特征提取這一領域已經獲得了令世界矚目的成就，很多研究成果都能夠適用于船舶航行時的復雜工況，很多研究仍處于驗證階段，想要在實船故障診斷中加強對于故障特征提取的利用，還需要對相關研究進行實踐與優化。

1.3故障識別與故障預測

1）故障識別。學者Kowalski等以極限學習機算法為核心專門提出了柴油機智能故障診斷方法，這種診斷方法可以在船舶柴油機中進行使用，還可以在保證響應速度的同時有效提高故障診斷時的準確性[2]。國內學者蔣一然等通過結合遺傳算法與神經網絡，同樣提出了相關的智能故障診斷方法，國內外都針對故障識別開展了深入研究，這意味著智能故障診斷可以多種方式來進行，只要找到合適的智能故障診斷模式，就能夠讓船舶動力裝置的故障診斷效果得到保障。2）故障預測。故障預測是故障監測模式，通過針對運行狀態來進行檢測能夠實現對設備故障情況的判斷。諸如神經網絡、形態濾波等都可以作為國內外學者實現故障預測的重要參考。通過在研究期間持續推陳出新，令故障預測時的效率與響應速度不斷提高，進而讓船舶在航行期間獲得更多保障。

2船舶動力裝置智能故障診斷技術應用

2.1以智能算法為核心的船舶動力裝置故障診斷平臺

1）以云平臺為主的數據監測系統。數據信號的獲取是船舶動力裝置進行智能故障診斷的先決條件，通過采用衛星通信的云平臺，能夠實現對船舶動力裝置運行情況的遠程監管，降低計算機計算存在的制約性。在此期間，通過組建完善的數據監測體系，還能夠為船舶提供數據備份與共享，進而加速對智能故障診斷技術的完善。2）數據庫。數據是船舶推行智能故障診斷的關鍵與重要資源。對于船舶而言，船舶動力裝置所產生的數據具有非常多的重要信息，機械健康狀況完全能夠在船舶動力裝置數據中有所體現。在完善智能故障診斷平臺時，需要關注狀態監測數據庫，以此來加強對數據挖掘技術的應用。而且數據庫還能夠實現數據信息共享，因此船舶動力裝置必須借助數據庫讓智能故障診斷技術真正實現實船應用。3）數據挖掘。智能故障診斷系統會對船舶動力裝置機械運行狀態進行監測，監測期間所產生的數據是實現故障診斷的核心。當監測數據達到一定規模后，便要通過數據挖掘的方式來實現對數據信息的篩選，船舶機械工況將有可能因為其他隨機因素而受到干擾，此時的數據中往往存在非常多的無效數據，而數據挖掘則是保證數據信息有效性的一種方式。從長遠角度出發，數據挖掘將成為大數據時代智能故障診斷今后的發展方向，因此必須提高對于數據挖掘技術的認知，以此來讓智能故障診斷變得更好[3]。4）自學習故障診斷平臺。機械設備在長期運行期間，不同工況下的運行參數往往存在非常強的耦合性，很難通過人工識別的方式來確定故障特征參數，即便利用傳統理論、經驗分析等方式來針對故障信號特征進行提取，也很難保證信號提取效果。通過云平臺不斷積累機械設備的運行參數，則能夠潛移默化地增加數據樣本。智能算法通過對平臺的數據信息進行分析與識別，可以讓數據信息的準確性有所提高。除此之外，還可以通過訓練神經網絡等方式來實現機械故障情況的智能判斷。5）船舶動力裝置狀態監測。通過故障診斷平臺進行船舶動力裝置的狀態監測，能夠結合運行情況來實現故障問題預測。通過提前掌握大致的故障信息，能夠在一定程度上將故障問題消除在發生之前。船舶動力裝置故障監測是智能故障診斷的重要環節，狀態監測可以有效降低人力、物力的消耗，并規避風險問題的發生。6）模型、數據故障診斷的融合。在專家系統中，知識庫數據多數都來自于專家以及運維人員所積累的寶貴經驗。這部分數據信息存在較為明顯的非結構化傾向，在實船操作中，很難真正得到應用。若選擇針對專家數據信息來開展總結與歸納，或者利用智能算法將內容總結到云平臺數據庫，可以讓智能診斷系統后續的故障特征提取工作變得更加簡單。

2.2智能故障診斷系統需求

1）軟硬件分離。對于智能故障診斷系統而言，為了保證運行質量，必須保證軟件運行期間不受終端硬件變化所帶來的影響，用戶若需要對硬件設備進行更換，只要通過簡單的裝配便可以重新運行軟件功能，軟硬件分離可以在一定程度上提高系統靈活性，避免因為捆綁硬件而影響到系統的正常運行。2）可定制系統分析診斷功能。船舶動力裝置非常復雜，不同的設備其振動診斷模式存在明顯差異性，智能診斷系統需要允許用戶自行添加、刪除設備信息，通過對系統振動測點、工藝測點進行合理調整，能夠讓系統運行變得更加具有個性化。在此期間，系統可以針對分析診斷模塊來開展組態，組態結束后通過系統打包發布來提高系統價值[4]。3）海量數據管理。大型船舶的動力裝置在開展故障診斷，振動測點往往多而復雜，只有長時間對船舶數據進行保存才能夠有效掌握設備的實際運行情況，進而讓設備狀態監測以及故障診斷的處理變得更加簡單。通過對海量數據進行管理優化，能夠讓船舶的所有數據信息發揮出極高的價值。4）系統權限管理。權限管理包括系統登錄、密碼等管理內容，該功能的主要作用是提高數據信息安全性，確保智能故障診斷系統得以穩定運行。系統根據使用方管理要求的不同將會給崗位用戶提供對應等級的工作權限，以此來保證不同等級工作人員的正常工作。5）遠程訪問。授權用戶在局域網內可以實現遠程訪問與管理，必要時還可以通過Web來完成對動力裝置運行狀態的判斷。除此之外，系統運行期間必須具有這足夠的擴展性，這樣便可以在科技變得更加發達后及時完成對系統的優化與升級。

2.3故障診斷系統設計

1）系統組態分析。結合系統結構能夠完成對Web、監測等子系統的規劃設計，其中Web子系統能夠有效提供人機互動界面，而監測子系統隨著可以實現對FFT、軸心軌跡等方面的分析，不同的子系統的功能相互關聯且獨立。船舶動力裝置存在大批量旋轉機械設備，所有設備的監測診斷都具有明顯差異，智能化故障診斷系統需要針對不同的設備提供對應的監測方案與分析診斷工具。傳統狀態監測與診斷系統會針對具體設備進行布置與跟蹤，無法適應船舶動力裝置所面對各種復雜環境。通過組態軟件的方式來進行系統的柔性化開發，讓軟件更加適應外部環境變化，工控組態軟件的組態模式有表格、組態字法等，不同的方法存在非常大的差異性，只有結合實際需求來選擇適合的組態方法才能夠滿足用戶的需求。表格法具有直觀性，而組態字法則更加復雜，因為要針對具有特定含義的二進制字節來實現組態，所以很難保證組態效果。在船舶動力裝置中，通過將組態表格法與階梯圖法相結合，能夠讓組態效果達到最佳，船舶動力裝置對于故障診斷系統的需求。系統在設計期間可以將相同生產流程設備當作同一單元，以此來實現集中監測管理。組態期間要優先針對單元進行組態，通過添加、刪除機組設備等方式來生成數據庫表并交付至最終用戶，然后針對測點開展組態，測點組態可以對設備振動、工藝測點進行管理，管理后所生成的數據表更加適用于用戶的實際情況。2）系統實現。通過智能故障診斷系統能夠實現對船舶動力裝置關鍵設備的統一管理，例如主推進汽輪機、發電機組等關系到船舶運行安全問題的核心設備都可以在系統中完成統一管理，這種集中管理模式不僅能夠讓船舶動力裝置在運轉期間及時發現故障，還能夠實現對設備各項運行數據的存儲與管理，進而實現對設備運行趨勢的合理分析。設備狀態的有效評估能夠讓設備運行穩定性得到保障[5]。

3結語

智能故障診斷能夠實現對系統智能化、自動化的診斷，降低故障問題所造成的影響。通過對船舶動力裝置智能故障診斷進行研究，可以有效提高船舶運行質量與安全性。相信隨著更多人了解到智能故障診斷的重要性以及方法，船舶動力裝置的故障診斷一定會更加完善。

參考文獻：

[1]古天龍,孫鎮海,賓辰忠,等.基于多尺度卷積神經網絡的滾動軸承智能診斷算法[J/OL].機械設計與制造:1-4[2021-11-16]

[2]王輝,徐佳文,嚴如強.基于深度寬卷積Q網絡的行星齒輪箱故障智能診斷方法[J/OL].儀器儀表學報:1-13[2021-11-16].

[3]趙維興,熊楠,寧楠,等.基于多源信息融合的電網多層智能故障診斷方法[J].南方電網技術,2021,15(09):9-15.

[4]馬海洲,丁愛萍.人工智能技術在船舶動力裝置故障診斷中的應用[J].艦船科學技術,2021,43(12):109-111.

[5]蔣佳煒,胡以懷,方云虎,等.船舶動力裝置智能故障診斷技術的應用與展望[J].中國艦船研究,2020,15(01):56-67.

作者：尹毅 單位：江南造船集團有限責任公司