夏 源 李 丹 楊戴博 黎 剛 李 昆

（中國(guó)核動(dòng)力研究設(shè)計(jì)院核反應(yīng)堆系統(tǒng)設(shè)計(jì)技術(shù)重點(diǎn)實(shí)驗(yàn)室，四川 成都 610213）

0 引言

隨著海洋事業(yè)的不斷進(jìn)步與軍事現(xiàn)代化的需求，艦船得到了廣泛的應(yīng)用，航運(yùn)業(yè)促進(jìn)了我國(guó)經(jīng)濟(jì)的快速發(fā)展。 艦船朝著智能化與自動(dòng)化的方向快速前進(jìn)，艦船系統(tǒng)體量結(jié)構(gòu)越來越復(fù)雜，各模塊的維護(hù)和保障成本不斷提高，對(duì)艦船進(jìn)行定期檢測(cè)與及時(shí)的維護(hù)十分重要[1]。 艦船結(jié)構(gòu)體系主要為以電力系統(tǒng)為核心推進(jìn)運(yùn)行，支持其內(nèi)部其他系統(tǒng)同時(shí)進(jìn)行負(fù)載，電力系統(tǒng)是艦船系統(tǒng)的核心環(huán)節(jié)。 為滿足艦船的現(xiàn)代化發(fā)展的全電力推進(jìn)和高能裝置的應(yīng)用需求，綜合電力系統(tǒng)將艦船各個(gè)供電系統(tǒng)實(shí)現(xiàn)一體化， 電壓等級(jí)逐漸上升，負(fù)載設(shè)備趨于大容量成為艦船電力系統(tǒng)發(fā)展的重要趨勢(shì)。

相比陸地環(huán)境，海洋環(huán)境的特殊性使艦船內(nèi)部電力裝備需要集中于狹小的空間內(nèi)部且長(zhǎng)周期顛簸狀態(tài)帶給艦船電力系統(tǒng)的運(yùn)行環(huán)境相對(duì)惡劣，系統(tǒng)的故障率提高。 雖然目前艦船的電力系統(tǒng)具有很高的可靠性，但在實(shí)際運(yùn)作中的環(huán)境與人為因素仍會(huì)導(dǎo)致故障的發(fā)生[2]。 因此，監(jiān)測(cè)電力系統(tǒng)的運(yùn)行工況，及時(shí)識(shí)別系統(tǒng)的故障，有助于在最短時(shí)間將故障造成的損失最小化，提高艦船的整體安全性。

艦船電力系統(tǒng)中主要的原油機(jī)組為柴油機(jī)，柴油機(jī)具有大功率、 高可靠性以及低維護(hù)費(fèi)用的優(yōu)點(diǎn)，故障診斷技術(shù)也是艦船科技中的重要研究方向。

1 故障診斷方法

故障診斷系統(tǒng)包括故障檢測(cè)與故障隔離。 故障檢測(cè)是通過傳感器將狀態(tài)信息轉(zhuǎn)換為電信號(hào)或其他物理量送入信號(hào)處理系統(tǒng)，得到反映系統(tǒng)或部件的運(yùn)行狀態(tài)參數(shù)，檢驗(yàn)?zāi)繕?biāo)的故障狀態(tài)，進(jìn)而確認(rèn)故障的區(qū)域位置；故障隔離是指通過確認(rèn)故障區(qū)域明確更換的單位部件，對(duì)故障進(jìn)行處理。 工業(yè)領(lǐng)域的故障診斷研究主要基于故障樹診斷、人工神經(jīng)網(wǎng)絡(luò)以及數(shù)學(xué)模型的方法。

故障樹是一種基于人類思維模式的失效分析方法，通過將系統(tǒng)故障模式分類為幾個(gè)大項(xiàng)事件，逐級(jí)對(duì)故障事件進(jìn)行排除，最終找到故障原因。 故障樹的建樹時(shí)間長(zhǎng)，過程復(fù)雜，容易產(chǎn)生誤差。

與故障樹結(jié)構(gòu)類似，專家診斷系統(tǒng)是故障診斷技術(shù)中研究最多、運(yùn)用最廣的一種方法。 專家系統(tǒng)是基于知識(shí)的系統(tǒng)，采用知識(shí)表示與知識(shí)推理等技術(shù)完成通常由領(lǐng)域?qū)＜也拍芙鉀Q的復(fù)雜問題。 專家系統(tǒng)具備的要素包括領(lǐng)域?qū)＜抑R(shí)、模擬專家思維以及達(dá)到專家級(jí)的水平，具有自主診斷與解決問題的能力。 但同樣面臨構(gòu)建知識(shí)庫(kù)與推理機(jī)等難題。

人工神經(jīng)網(wǎng)絡(luò)是受生物學(xué)和神經(jīng)科學(xué)啟發(fā)的數(shù)學(xué)模型，通過對(duì)人腦的神經(jīng)元進(jìn)行抽象，建立人工神經(jīng)元的連接拓?fù)浣Y(jié)構(gòu)，包括輸入層、隱藏層與輸出層。輸入層神經(jīng)元接收輸入信號(hào)，通過激活函數(shù)得到輸出結(jié)果，送入下一層神經(jīng)元節(jié)點(diǎn)。 人工神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練樣本調(diào)整各個(gè)節(jié)點(diǎn)權(quán)重參數(shù)，得到的理想的數(shù)學(xué)模型。 人工神經(jīng)網(wǎng)絡(luò)具備可以擬合任意函數(shù)的強(qiáng)大能力，可以與其他方法結(jié)合，是一種拓展性很強(qiáng)的建模方法，在工程實(shí)際中得到了一定的應(yīng)用。 人工神經(jīng)網(wǎng)絡(luò)容易陷入過擬合，診斷精度較差，缺點(diǎn)還包括容易陷入局部極小點(diǎn)和收斂速度慢等，同時(shí)需要大量的訓(xùn)練樣本進(jìn)行計(jì)算。 建立數(shù)學(xué)模型的故障診斷方法需要對(duì)系統(tǒng)的運(yùn)行機(jī)理具有深入的研究，該類方法中具有代表性的包括狀態(tài)估計(jì)法和過程參數(shù)估計(jì)法。 通過選擇合適的診斷模型，或適當(dāng)?shù)倪^程參數(shù)的變化，如電壓、電流等，分析系統(tǒng)變量，建立相應(yīng)的數(shù)學(xué)模型的動(dòng)態(tài)方程，代入變量反映艦船的特性，從而及時(shí)準(zhǔn)確地分析出故障的部位以及類型。 由于該類方法需要應(yīng)用中數(shù)學(xué)模型的建立精確度較差，應(yīng)用范圍不廣泛。

2 艦船系統(tǒng)中的故障診斷技術(shù)

艦船系統(tǒng)是一個(gè)龐大復(fù)雜的復(fù)合系統(tǒng)，主要構(gòu)成包括電力系統(tǒng)，機(jī)電系統(tǒng)、機(jī)械系統(tǒng)以及液壓系統(tǒng)等，船舶系統(tǒng)的故障診斷技術(shù)研究以電力系統(tǒng)與原油機(jī)組柴油機(jī)為主。 本文主要從這兩個(gè)領(lǐng)域故障診斷技術(shù)在艦船中的應(yīng)用進(jìn)行敘述。

2.1 電力系統(tǒng)

艦船電力系統(tǒng)包括發(fā)電機(jī)組、配電裝置、輸電網(wǎng)絡(luò)以及用電負(fù)載等電力系統(tǒng)支撐艦船的所有電氣設(shè)備運(yùn)作，是整個(gè)艦船系統(tǒng)的核心。 隨著綜合電力推進(jìn)系統(tǒng)的發(fā)展，下一代艦船采用全電推進(jìn)方式，對(duì)于艦船電力系統(tǒng)的運(yùn)維也是一個(gè)新的挑戰(zhàn)。 艦船電力系統(tǒng)利用斷路器與保護(hù)繼電器對(duì)設(shè)備進(jìn)行保護(hù)，采用基于電流增大而動(dòng)作的原理的三段式電流保護(hù)方式、包括主保護(hù)、近后備保護(hù)以及遠(yuǎn)后備保護(hù)。 海上故障診斷系統(tǒng)基于陸上電力系統(tǒng)的故障診斷系統(tǒng)原理，但艦船是一個(gè)狹小的空間環(huán)境，電力系統(tǒng)集發(fā)電、配電、輸電以及用電于一體相比陸地電力系統(tǒng)更加復(fù)雜。 艦船電力系統(tǒng)診斷需要分析各個(gè)部件的模型，從實(shí)際系統(tǒng)工程的角度出發(fā)考慮。

電力系統(tǒng)的發(fā)展至今已經(jīng)取得了一定成果。 在國(guó)內(nèi)目前一直處于理論研究階段，距離實(shí)用化還有一段很長(zhǎng)的距離；國(guó)外電力系統(tǒng)的故障診斷技術(shù)研究已取得了重大突破，具有較為可靠的技術(shù)應(yīng)用，但針對(duì)電力系統(tǒng)的故障診斷系統(tǒng)也沒有普及化的應(yīng)用。 由于構(gòu)造復(fù)雜，初期投入和后期維護(hù)、擴(kuò)展成本較高，不同的電力系統(tǒng)的診斷系統(tǒng)不同，沒有一定的普適性。

電力系統(tǒng)的故障診斷方法包括基于信號(hào)處理，基于數(shù)學(xué)模型與基于人工智能的故障診斷[3]。

基于信號(hào)處理的方法通過獲取電力系統(tǒng)的輸入、輸出，采用信號(hào)解析模型對(duì)信號(hào)進(jìn)行分析，檢測(cè)出故障。 如直接測(cè)量輸入輸出法通過對(duì)輸出變量閾值進(jìn)行設(shè)定判斷設(shè)備狀態(tài)，小波分析法通過對(duì)輸出信號(hào)進(jìn)行小波變換處理得到特征信號(hào)進(jìn)行診斷。 基于信號(hào)處理的方法的缺點(diǎn)包括部分器件如基礎(chǔ)元件的故障診斷難以完全覆蓋。

基于熱學(xué)模型的故障診斷，主要包括狀態(tài)估算的方法與參數(shù)估算的方法。 核心需要建立精確的物理模型，可以對(duì)艦船的實(shí)時(shí)動(dòng)態(tài)系統(tǒng)進(jìn)行監(jiān)測(cè)與診斷。 數(shù)學(xué)模型的精度較高，但由于建模過程復(fù)雜，在艦船的實(shí)際應(yīng)用中也不具備通用性，未得到廣泛的應(yīng)用。

基于人工智能的診斷方法， 主要包括故障樹、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)等，未來可具有自主識(shí)別故障，進(jìn)行處理的能力，是研究發(fā)展的重要領(lǐng)域，但目前還并不成熟。

目前艦船電力診斷系統(tǒng)還處于發(fā)展階段，仍存在有很多的不足，如專家系統(tǒng)的知識(shí)獲取方式早期主要為人工獲取，速度較慢，隨著近年來的智能化發(fā)展，知識(shí)獲取方式逐漸轉(zhuǎn)變?yōu)橐园胱詣?dòng)為主，未來專家系統(tǒng)將可以實(shí)現(xiàn)自主獲取知識(shí)；現(xiàn)有技術(shù)對(duì)艦船對(duì)保護(hù)繼電器與電路繼電器的監(jiān)測(cè)無法全面覆蓋，也是一個(gè)重要的需求方向；為了提高故障診斷方法精度，故障診斷的發(fā)展應(yīng)當(dāng)是多種算法結(jié)合多樣信息，向增強(qiáng)可靠性、選擇性、快速性以及靈敏度的方向發(fā)展，達(dá)到視情維修的最終目的[4]。

2.2 柴油機(jī)

柴油機(jī)是電力推進(jìn)系統(tǒng)的主要原動(dòng)機(jī)，具有可靠性高、大功率、維護(hù)費(fèi)用低等優(yōu)點(diǎn)。 柴油機(jī)是個(gè)復(fù)雜的機(jī)械結(jié)構(gòu)， 組成一般包括自動(dòng)控制系統(tǒng)燃油系統(tǒng)、冷卻系統(tǒng)、配氣系統(tǒng)、缸體與氣缸蓋組件、曲柄連桿機(jī)構(gòu)以及啟動(dòng)和充電系統(tǒng)等，是艦船動(dòng)力系統(tǒng)中故障發(fā)生率最高的系統(tǒng)部件。

柴油機(jī)的故障診斷技術(shù)研究往往集中于它的幾個(gè)子系統(tǒng)展開， 建立多個(gè)子系統(tǒng)之間的關(guān)聯(lián)度，采集子系統(tǒng)的特定工況下的運(yùn)行參數(shù)，結(jié)合其歷史運(yùn)行狀況，判斷柴油機(jī)的實(shí)際運(yùn)行工況。 故障診斷過程包括故障機(jī)理的研究，狀態(tài)信息的采集、信息處理等內(nèi)容。

柴油機(jī)故障診斷研究早在20 世紀(jì)60 年代由國(guó)外率先展開，建立了柴油機(jī)模型，模擬不同故障因子得到不同故障與故障程度下的參數(shù)變化。 美國(guó)在80年代研制出了故障診斷專家系統(tǒng)，之后日本、挪威等國(guó)家均迅速開展相關(guān)方向研究。 目前柴油機(jī)故障診斷系統(tǒng)的工程化應(yīng)用包括日本三菱公司的船舶柴油機(jī)診斷系統(tǒng)，利用模糊推理技術(shù)進(jìn)行監(jiān)測(cè)以及故障預(yù)測(cè)，挪威KYMA 公司開發(fā)的MPM 廣泛應(yīng)用于船舶主機(jī)的監(jiān)測(cè)， 取得了很好的效果， 其他如Sulza 公司研制的SEDS 系統(tǒng)以及澳大利亞阿德萊德大學(xué)的CAMODES系統(tǒng)等，均在柴油機(jī)的故障診斷方面得到了工程實(shí)際應(yīng)用。 國(guó)內(nèi)對(duì)故障診斷技術(shù)研究起步較晚，取得了一定的科研成果，但相對(duì)于國(guó)外仍然差距很大，柴油機(jī)故障診斷距離工程實(shí)用化還有很長(zhǎng)一段距離[5]。

柴油機(jī)的故障診斷技術(shù)目前主要基于經(jīng)驗(yàn)和物理模型，但隨著物聯(lián)網(wǎng)、互聯(lián)網(wǎng)的大數(shù)據(jù)時(shí)代來臨，艦船朝著自動(dòng)化、智能化方向發(fā)展，智能船舶是未來航運(yùn)業(yè)的一個(gè)重要發(fā)展方向，故障診斷技術(shù)將以數(shù)據(jù)化作為發(fā)展趨勢(shì)。

基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷技術(shù)具有較高精度特點(diǎn)，通過測(cè)試與監(jiān)測(cè)輸出數(shù)據(jù)，預(yù)測(cè)設(shè)備的未來狀態(tài)，柴油機(jī)動(dòng)力系統(tǒng)能夠獲取的參數(shù)信號(hào)包括熱工信號(hào)、振動(dòng)信號(hào)、噪聲信號(hào)以及其他基于聲光技術(shù)獲取得到的信號(hào)。 基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷技術(shù)不用建立模型與依靠經(jīng)驗(yàn)，但信息完整的特征向量的獲取依然存在一定的難度。

由于國(guó)內(nèi)的船舶柴油機(jī)故障診斷技術(shù)起步較晚，總體相比國(guó)外經(jīng)驗(yàn)缺乏，理論支持與實(shí)際操作的經(jīng)驗(yàn)落后，整體處于發(fā)展階段面臨的困難如船舶柴油機(jī)的一些物理量難以獲取，柴油機(jī)的物理模型構(gòu)建還較為困難，缺乏相關(guān)機(jī)理的研究故障特征難以獲取，且不具備通用性； 診斷技術(shù)還處在對(duì)零散部件的研究上，相對(duì)落后；健康管理現(xiàn)狀還在定期檢查與人工維修階段，遠(yuǎn)未達(dá)到視情維修的目的[6]。 未來的柴油機(jī)故障診斷技術(shù)將能夠?qū)崿F(xiàn)在線診斷、智能化布設(shè)以及多源信息融合的監(jiān)測(cè)， 結(jié)合未來網(wǎng)絡(luò)化以及人工智能的趨勢(shì)，最終實(shí)現(xiàn)大規(guī)模的工程化應(yīng)用。

3 結(jié)語

本文介紹了艦船電力系統(tǒng)與柴油機(jī)的故障診斷技術(shù)，對(duì)國(guó)內(nèi)外的研究現(xiàn)狀進(jìn)行了介紹，分析了目前艦船電力系統(tǒng)與柴油機(jī)系統(tǒng)故障診斷技術(shù)當(dāng)前的不足，對(duì)未來兩者故障診斷技術(shù)的發(fā)展趨勢(shì)進(jìn)行了展望。