船舶柴油机故障在线诊断仿真技术研究.docx

1、船舶柴油机故障在线诊断仿真技术研究船舶柴油机故障在线诊断仿真技术研究蔡振雄,黄加亮,翁泽民(集美大学轮机系,福建厦门361021)摘要提出了船用柴油机的主要部件、易损件的运行性能采用微机自动巡回检测,并与正确值比较的方法,来达到故障在线自动诊断的目的.在此基础上,把仿真以及神经网络技术直接应用于柴油机故障在线诊断系统,建立船用柴油机症状与故障样本集,作为神经网络故障诊断的专家知识库,以实现船用柴油机故障在线智能诊断,从而提高故障诊断的及时性和准确率,减少误诊.关键词船舶柴油机;在线监测;智能诊断;仿真技术;神经网络技术中图分类号 U664.121; TK418 文献标识码 A0引 言早期船舶轮

2、机员对船用柴油机的故障诊断,一般通过一些常规的普通仪表、仪器、化验并结合看、摸、听、闻等传统的简易手段对含有故障的柴油机及系统进行离线经验诊断.这种方法不仅对轮机员的素质有很高的要求,而且故障诊断的速度慢、质量差.随着科学技术水平的提高,微机的普及,为离线和在线故障诊断提供物质基础,使离线与在线诊断的实现成为可能.1 船用柴油机故障的在线诊断在线诊断是指对于大型、重要的设备为了保证其安全和可靠运行,需要对所监测的信号进行自动、连续、定时的采集与分析,对出现的故障及时做出诊断.建立在线故障监测和诊断系统,能有效提高故障诊断的准确率,缩短故障诊断时间,促进维修方式从预防性维修到预测性视情维修的转变

3、.故障在线诊断又分为人工在线故障诊断和自动在线故障诊断.人工在线诊断是70年代中期前后发展开发应用的技术,利用监测系统对柴油机运行时内外部工况参数进行自动监测,并将监测信号输入计算机进行计算分析,同时结合轮机日记记录、轮机员的观察测试,对柴油机技术状态进行早期预测,做一些部件的趋势分析,为定期的维护保养提供信息.人工在线诊断对要求快速故障定位,故障模式识别的船用柴油机来说,太慢且准确性较差无论对故障的在线人工诊断还是在线自动诊断,目的均是为了有效地识别故障,所以最关键的问题是要建立故障识别的判据(专家系统数据库),即如何判断柴油机含有故障.经验表明柴油机工作性能参数如压力、温度的大小高低、噪音

4、的大小、转速、流量漏泄、振动等,都可以作为故障判断的依据.为了达到自动诊断的目的,必须引入微处理机系统,对柴油机的关键件、重要件、易损件及其它部位设定故障诊断点,并将这些正确的性能参数信号值建立完整的数据库(专家系统数据库);利用微机对诊断点的诊断信号进行自动巡回检测,测试结果由计算机自动与数据库中的正确信号值进行比较.如果检测信号在正确范围内,则表明该柴油机正常无故障;如果超过范围,则说明有故障.由计算机推断故障点的位置,并通过显示设备和报警设备,告知外界,以便轮机管理人员及时处理.该方法由硬件原理组成如图1所示.故障诊断技术中另一个重要部分是系统测试软件.该系统软件由自检程序、信号转换程序

5、、巡回检测程度、比较程序、显示报警程序等组成,可以对船用柴油机进行实时在线监视其工作状态,完成自动在线故障诊断任务。2仿真技术在在线诊断中应用2.1柴油机运行故障计算机仿真现代船用柴油机正朝着大型化、高增压和高经济性发展,使得故障征兆与故障原因的关系更复杂,专家系统通过领域专家的实践积累知识库耗时较长.随着数值计算技术的迅猛发展,模拟柴油机各种运行工况下的工作过程已成为可能,能够实现对发动机进行燃烧分析及性能分析模拟.不仅可用来计算无故障下各种运行工况的过程参数,也可对柴油机某些增压系统、气缸活塞组件与燃烧系统、燃油系统等故障进行仿真.然后根据特征参数,参照相应规范,运用各种知识和经验,对机器

6、状态进行识别,对早期故障进行诊断,对故障的部位、原因和程度作出判断,对机器技术状态的发展趋势进行预测,为确定维修决策提供技术依据.文献2 , 3 开发的船用二冲程涡轮增压柴油机运行性能预测程序,不仅可以模拟一个气缸有故障,而且可以模拟某几个气缸有故障下的工作状态和性能.在给定工况和设置故障状态下对涡轮增压柴油机的工作过程和运行性能进行仿真,获得发动机在此故障和工况下各处运行参数,建立相应的故障样本集,并实现船用柴油机故障诊断.2.2柴油机运行故障诊断策略4用于故障诊断的方法称为故障诊断策略,故障诊断策略包括被测系统是否存在故障、识别故障的征兆和故障的性质.故障诊断实际上就是根据测量所获得的某些

7、故障特征,以及系统故障源与故障特征之间的映射关系,找出系统的故障源的过程.人工神经网络作为一种自适应的模式识别技术,能够通过自身的学习机制自动形成所要求的决策区域.把仿真计算所获得的状态参数,经过特征选择,找出对于故障反映最敏感的特征信号作为神经网络的输入向量,建立故障模式训练样本集,对网络进行训练;当网络训练完毕,对于每一个新输入的状态信息,网络将迅速给出分类结果.基于神经网络的故障诊断仿真步骤是:首先对柴油机工作过程进行仿真计算,获得给定工况在设定故障下和无故障下的过程参数,经预处理提取征兆集数据,归一化为网络输入模式;第二步用已知的样本集训练网络,再实时输入征兆向量进行测试,获得该工况网

8、络输出模式;然后对网络输出进行后处理获得诊断结果,即故障发生的位置及其严重程度,以提供作进一步处理(如趋势分析或提出处理措施)的依据。2.3网络输入变量归一化处理对数据的预处理就是要使得经变换后的数据对于神经网络更容易训练和学习,因为原始数据幅值大小不一,相差太大.如果不进行处理,大的测量值的波动就垄断了神经网络的学习过程,不能反映小的测量值的变化.而且网络是通过调整各权值的大小以保证能学习到变量相对的重要性,若输入变量之间幅值相差很大,使得网络完成学习时,权值之间的大小相差亦很大.事实上,许多学习算法对权值范围都有限制,不能适应如此之宽广的数据变化范围.为此,需通过把输入数据归一化到能使网络

9、所有权值都在一个不太大的范围之内,以此来减轻网络训练时的难度.在对船用柴油机工作过程进行仿真计算之后,获得给定工况和设置故障下的过程参数的测量值.同时计算该工况无故障下各处的参数值作为基准值.实测值与基准值的偏差经过处理,获得诊断用的征兆集数据,并经归一化为网络的输入模式.2.4柴油机故障诊断实例如前所述,实船使用中由于使用条件的变化、操作维修不当,柴油机及其增压系统的污阻、损坏等均会使发动机性能恶化,严重时会发生故障,从而影响船舶营运的正常进行.为了及时处理消除故障,必须准确判断出柴油机性能恶化的原因,当采用人工神经网络方法时,要求给出发动机症状与故障样本集,作为专家知识库.根据航区的不同和

10、船舶航行过程中的实际状况,在不同的环境温度及不同的柴油机负荷条件下,采用该程序对给定故障状态下的柴油机运行工况性能参数的模拟计算,建立船舶柴油机症状与故障样本集,作为神经网络故障诊断系统的专家知识库. 根据船用低速增压柴油机工作过程的理论分析和实际运行经验,可以确定各个子系统主要部件可能出现故障的原因,作为故障变量即输出变量;同时确定用于区别各种故障的征兆变量作为网络输入变量.因此,采用船舶二冲程增压柴油机运行性能预测程序,对装船量最多的MAN2B&W L2MC型柴油机工作过程进行数值模拟计算,对其涡轮增压系统各部件故障进行模拟计算,获得各征兆变量偏离基准值的偏差.仿真实验结果可以得出故障原因

11、与故障征兆之间的相互关系,以此建立涡轮增压系统的征兆/故障样本集.用于模拟计算增压系统故障的变量有:空气滤清器堵塞、增压器效率下降、中冷器传热恶化、透平保护格栅堵塞、透平通流部分堵塞、废热锅炉流阻增大或气缸进排气道堵塞征兆/故障样本集的正确确定是神经网络进行准确故障诊断的关键.涡轮增压系统一种故障对应一个样本,为进一步诊断故障的严重程度,对每一个故障变量取2个样本,其目标值分别为0.5和1.为了反映机组运行负荷范围的征兆与故障的对应关系,对额定负荷(100 %MCR)、部分负荷(90 %MCR、75 %MCR)和半负荷(50 %MCR)四种工况给出样本.因此这部分的样本数为36个.考虑到远洋船

12、舶的航行范围属于无限航区,因此把大气环境温度分为三段,即283 294K、294 306K、306 318K.并分别以288K、300K、312K为样本中心,通过大量的仿真计算,得出相应的样本集(总的样本数为108个),用于训练径向基函数RBF神经网络诊断模型,从而可以实现船舶柴油机运行故障的诊断.网络测试结果与分析表明,给定故障分别为级(严重故障),级(中等故障)的输入征兆量,用训练过的RBF网络测试: 1)发动机负荷变化,大气环境温度不变; 2)环境温度变化,如船舶航行在不同的海区,柴油机负荷不变; 3)柴油机负荷改变,同时环境温度也改变.网络对给定故障所在工况的诊断识别率很高,几乎达到1

13、00 % ,可见采用这种诊断方法是成功而且快捷有效的,不仅对柴油机故障模式有很高的识别率,并能对故障严重程度进行定量的预测.同时,对各输入变量偏离样本值10 %或其中某个变量偏离样本值较大时(例如个别传感器有故障或数据处理有误)进行仿真实验,它们的输出向量与目标向量很接近,不会影响总的输出模式,即对征兆信号的噪声不敏感,表明这样的网络有较强的容错和抗干扰能力3结束语故障在线自动诊断是一项新近发展起来的技术,可广泛应用在可靠性、可维性要求高的场合.笔者将此技术应用到船舶自动化机舱,对柴油机故障进行巡回检测报警和运行工况预测.能及早诊断故障,进行视情维修.这样不仅可以防止突发事故,保障机务安全,而且可以减少维修费用,提高设备的利用率,带来巨大的经济效益和社会效益.我们也将进一步开展这一领域的研究工作,使船用柴油机的故障诊断技术更加实用化,智能化