船舶柴油发电机智能化故障诊断技术研究

研究的目的和意义

　柴油发电机是用途十分广泛的发电设备，是技术密集型的产品，舰船电站、移动电站及各种应急电站几乎都是由柴油发电机组组成。基于柴油机热效率高、功率范围大、机动性好、尺寸和质量小等优点，目前大部分船舶都用其作为推进主机和发电机组的原动机。船舶动力装置中电气设备很多，用于发电的燃油数量仅次于推进主机，居第二位。及时发现、诊断柴油发电机故障，对柴油发电机易损部件进行备份，并采取有效的措施，可加柴油发电机工作时的安全性和可靠性，降低柴油发电机维修费用，减少由此带来的损失，对防止突发事故具有重大的现实意义。

柴油发电机故障诊断方法概述

　故障诊断技术最早于20世纪70年代初在美国问世，30多年来，故障诊断技术不断吸收科技发展的新成，诊断的理论与应用有了很大的发展和进步，它涉及系统论、控制论、信息论、检测与估计理论、计算机科学等多方面的内容，成为集数学、物理、力学、化学、电子技术、信息处理、人工智能等基础学科以及各相关专业学科于一体的新兴交叉学科。

　柴油发电机的故障诊断近年来取得了长足进展，总结出来的诊断方法也很多，目前国内外在柴油发电机诊断中主要使用的诊断方法主要有如下几种：

1. 基于故障树的方法

　故障树分析(Fault Tree Analysis,简称FTA)是用于大型复杂系统可靠性、安全性分析和风险评价的一种方法。

　它是一种自上而下逐层展开的演绎法分析方法。它以系统最不希望发生的事件为顶，向下逐层找出导致该系统事件发生的各种因素(包括硬件、软件人为因素)。然后以一种特殊的倒立树状逻辑因果图(即故障树)来表示其中的逻辑关系，并对系统中发生的故障事件，进行由总体到部分按树状逐级细分的分析。其目的是判断基本故障，确定故障原因、故障影响和故障发生概率。

　故障树分析法既可以用于对整个系统进行定性分析，也可以用于对系统进行定量分析，即应用数理逻辑找到故障树的结构函数，确定顶事件发生的概率和时间的重要程度。

　故障树分析法还可以让故障树分析者对系统有更深入的认识，对有关系统结构、功能、故障及维修保障的知识更加系统化。

2. 基于模型的方法

　在过去的十多年里，基于模型的方法作为智能诊断系统的主要的研究方向之一，已经取代了基于案例的方法。模型是实际被诊断系统的近似描述。基于模型的诊断方法即利用从实际系统或器件中得到的观察结果和信息，通过模型对故障进行预测。基于模型的方法采用的是多级方式，首先用高级模型对系统整体进行初级诊断，再利用详细模型对部分进行诊断，如此逐渐循环诊断，直到找到故障。

3. 基于振动信号的时域、频域分析方法

　该方法是目前应用最广泛的柴油发电机故障诊断方法。由于发电用柴油机是一种高转速的往复式动力机械，无论是在其工作过程中还是性能监测中，缸盖振动信号是反映柴油机内部各部件之间关系的极其敏感的参数，它是缸内气体燃爆压力、进排气门落座冲击和进排气门开启气流冲击等诸多因素综合造成的。振动时域特征参数主要有峰值、均值、均方幅值、方差、标准差、三次距、四次距、波形因子、脉冲因子、裕度因子等。这些特征参数由于测量比较直接，可以用于在线监测，同时也可作为其它各种诊断方法的特征提取参数，辅助诊断。

　频域分析主要是通过某种变换，将振动信号从时域变换到频域，然后再进行特征提取的一种方法。

4. 油液分析诊断法

　油液分析法是这样一种方法：综合利用油品化验、铁谱分析、含铁量检查，通过对润滑油中磨粒浓度、磨粒形状及大小的变化、油质的变化、含铁量的变化进行整体磨损状态分析，来判断柴油机的磨损状态及故障状态。 油液分析主要分为两大类：一类是油液本身物理化学性能的分析;另一类是油液中不洁物质的分析技术，包括铁谱分析、光谱分析和颗粒计数法等。在具体实施中，油液分析提取信息十分方便，可以避免声振技术存在的频谱干扰等不足。

5. 基于神经网络的分析方法

　基于神经网络的故障诊断技术，就是通过对故障实例和诊断经验的训练学习，用分布在网络内部的连接权值来表达所学习的故障诊断知识的技术。它具有对故障模式的联想记忆、模式匹配和相似归纳能力，从而实现故障与征兆之间复杂的非线性映射关系。

6. 基于专家系统的分析方法

　专家系统是指利用领域专家的专业知识进行推理去解决专业的高难度的实际问题的智能系统。故障诊断专家系统作为专家系统中的一个分支，是人们根据长期的实践经验和大量的故障信息知识，设计出的一种智能计算机程序系统，以解决难以用数学模型来精确描述的系统故障诊断问题。

　专家系统的核心主要包括以下几部分：知识库、知识获取部分、推理机、解释部分。

　在知识表达方面，大多数诊断型专家系统都是以产生式规则或框架式进行知识表达。

　在诊断推理方面，着重于对推理逻辑和推理模型的研究。模糊逻辑作为一种降低系统复杂性的方法近期在专家系统的推理逻辑中得到了广泛的应用。值得注意的是，最近有学者提出了基于模型的知识库的理论，这也就使推理机制发生了根本改变，如神经网络模型、定性物理模型、可视觉模型等，这无疑给人工智能领域注入了新的活力。

　对于船舶柴油发电机故障诊断专家系统的研究，从国内外开发的众多系统来看，都是在注重上述特点的同时，充分突出了对基于数字信号处理的深层诊断知识的研究。

7. 基于遗传算法的分析方法

　遗传算法模拟了达尔文的“适者生存，优胜劣汰”的自然进化论与孟德尔的遗传变异理论。是由Michigan大学Holland教授1975年在他的专著Adaptation in Natural and Artificial 首次提出。遗传算法与传统算法有很多不同之处，主要体现在遗传算法适应性强，其使用的算子是随机的。如交叉、变异和繁殖等算子不受确定性规则的控制。但这种搜索也不是盲目的，而是向全局最优解方向前进。直接使用适值函数进行适值计算，而不需要求优化函数的导数.使一些不可求导的优化函数也可用遗传算法优化;遗传算法具有较强的鲁棒性，它能同时搜索解空间的多个点，从而使之收敛于全局最优解，而不至于陷入局部最优解;另外它还具有智能性和并行性，利用遗传算法的方法，可以解决那些结构尚无人能理解的复杂问题。由于上述特点，建立合理的模型，可以将遗传算法用于设备的状态监测和故障诊断之中。

　遗传算法应用于故障诊断从目前来看，一种是直接应用于故障诊断之中，主要用于提取特征向量，为诊断的后续处理准备;另外，研究得较多就是将其与其他的诊断方法相结合应用。

8. 灰色关联度分析法

　灰色系统理论是1982年由华中理工大学邓聚龙教授创立并发展起来的，以其新颖的思路和广泛的适用性在理论与工程界引起广泛的注意，并迅速在社会、经济及工程等许多领域获得广泛应用。

　灰色理论用于船舶柴油发电机故障诊断的原理是把柴油发电机系统看成是一个复杂的灰色系统，利用存在的己知信息去推知含有故障模式的不可知信息的特性、状态和发展趋势。对未来的发展做出预测和决策。其过程即是一个灰色过程的白化过程。灰色理论在故障诊断中的应用包括灰色系统建模、关联分析、灰色模型预测等。利用灰色系统可以实现故障的预测，其准确率高，计算量小，易于微机实现。

　该方法的学习过程涉及人工干预较少，只需收集到一定数量典型状态的样本经过简单运算，即可构成典型状态模式向量。同其他的学习方法如人工神经网络方法相比，其学习方法不仅编程简单，便于调试，而且再学习容易实现。实践证明，灰色关联度分析法对大型复杂机械设备的故障诊断是十分有效的。该方法是一种很有潜力的船舶柴油发电机故障诊断方法。

9、多模式组合故障诊断方法

　当前主要的故障诊断技术如专家系统诊断技术、遗传算法诊断技术、神经网络诊断技术和模糊诊断技术等都有自身的优势，也有其自身不可克服的缺陷和弱点。然而，随着科学技术的发展，现代设备和系统的复杂度成几何级数在增长，对故障诊断技术的要求也越来越高，任何单一的故障诊断技术已难以适应现代复杂系统故障诊断的需要。要解决这些问题，必须在诊断方法上有所突破。一条行之有效的发展道路是：对现有较成熟的故障诊断技术通过一定的方式组合成一种新型诊断技术，以提高快速诊断、快速排故能力，满足当前对故障诊断方法上的新要求。

　我们定义多模式组合诊断技术如下：将两种或者两种以上的故障诊断技术通过一定的方式组合起来，运用一定的诊断推理机制，充分发挥各种故障诊断技术的优点，弥补单项故障诊断技术的固有缺陷，进行综合故障诊断的技术。

　因此，多模式组合诊断技术通用性和鲁棒性强，能够加快诊断速度，降低误诊率，尤其适合于复杂系统的故障诊断，具有很大的工程实用价值。

　本文由伊藤动力整理编写，转载请注明出处：//www.modaip.com/Article/cbcyfdjznhgzzdjsyj_1.html