崔建偉

（潞安集團(tuán)鐵路運(yùn)營公司， 山西 長治 046031）

引言

動力設(shè)備是整個(gè)系統(tǒng)設(shè)備的心臟，是整個(gè)系統(tǒng)的動力來源。柴油機(jī)在船舶、電力等諸多領(lǐng)域得到廣泛使用，并且其復(fù)雜程度、自動化水平不斷提高，這些因素都導(dǎo)致其故障的發(fā)生概率也不斷提高[1]。因此，必須重視柴油機(jī)的故障診斷與預(yù)警，以便快速對故障類別與發(fā)生部位進(jìn)行判定，從而減少事故，確保人的安全與最小經(jīng)濟(jì)損失。

1 柴油機(jī)故障簡介

柴油機(jī)隨著其性能的不斷提升，通常含有多個(gè)子系統(tǒng)，其零部件也較多，并且其工作環(huán)境通常較復(fù)雜，這些因素都導(dǎo)致其故障的種類多且發(fā)生概率較高[2]。在諸多故障中，異響是較為常見的一種，此時(shí)意味著機(jī)體內(nèi)部出現(xiàn)間隙過大且松動，這樣就極易在高速運(yùn)轉(zhuǎn)過程中發(fā)生零部件的損壞。常見的異響主要有以下六類：曲軸軸承處異響、連桿軸承處異響、活塞與氣缸處異響、活塞銷處異響、氣缸漏氣異響、發(fā)動機(jī)附件異響。

隨著傳感器技術(shù)與計(jì)算機(jī)技術(shù)的發(fā)展，當(dāng)前機(jī)械設(shè)備的故障診斷技術(shù)主要有以下四類[3-4]：振動測試、壓力測試、轉(zhuǎn)速測試與光譜、鐵譜測試。本文采用的是振動測試的方法，所有的診斷信息都是通過加速度、位移等傳感器獲取的。

2 故障診斷算法介紹

柴油機(jī)的故障類別與特征信號之間并非簡單的一一對應(yīng)關(guān)系，且所有的故障信號都湮沒在巨大的振動信號中，因此要實(shí)現(xiàn)對其故障的診斷預(yù)警就必須先從龐大的振動信號中提取出有用的故障信號，并進(jìn)一步對其進(jìn)行去噪、降維與強(qiáng)化等處理。

在對柴油機(jī)進(jìn)行信號采集過程中最重要的參數(shù)是轉(zhuǎn)速與采樣頻率。柴油機(jī)不同零部件、不同位置的諧振頻率不同，而故障信號在諧振頻率附近強(qiáng)度最大，因此需要尋找出最優(yōu)采樣轉(zhuǎn)速。本文所述方法采用遍歷轉(zhuǎn)速采集數(shù)據(jù)后通過軟件分析尋找諧振頻率的方法。采樣頻率的選擇必須滿足采樣定理，既要保證高于2 倍諧振頻率，又要保證數(shù)據(jù)量的充足，且需預(yù)留安全系數(shù)，因此本文選用13.6 kHz 作為采樣頻率。

獲取振動信號后，本文采用基于經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）與時(shí)間序列模型（AR）相結(jié)合的EMD-AR 方法來從中提取出特征信號，從而獲得EMD-AR 譜。鑒于柴油機(jī)結(jié)構(gòu)的復(fù)雜性以及故障類別的多樣性，其故障的發(fā)生原因通常是多種因素共同導(dǎo)致的，因此按前述EMD-AR 方法所提取到的特征信號在表征柴油發(fā)動機(jī)故障情況時(shí)通常都具有模糊性和隨機(jī)性，所以模糊診斷可以提高診斷的準(zhǔn)確率。將模糊推理系統(tǒng)（Fuzzy Reasoning System, FR） 與神經(jīng)網(wǎng)絡(luò)（Neural Network, NN） 相結(jié)合的模糊神經(jīng)網(wǎng)絡(luò)（FR-NN）系統(tǒng)中，既保留了FR 的學(xué)習(xí)能力，又保留了NN 的推理能力，能夠極大提升診斷預(yù)警的準(zhǔn)確率。

3 故障診斷預(yù)警系統(tǒng)

將基于前文所述算法的診斷預(yù)警系統(tǒng)作為子系統(tǒng)嵌入船舶柴油機(jī)的整機(jī)智能診斷系統(tǒng)中，該系統(tǒng)主要包含下頁圖1 所示硬件與軟件兩部分。其中，硬件系統(tǒng)主要完成振動信號的采集、傳輸、處理、存儲等預(yù)處理部分內(nèi)容，軟件系統(tǒng)負(fù)責(zé)前文所述特征信號的提取、故障診斷與預(yù)警功能。

軟件系統(tǒng)的核心模塊包含專家知識庫模塊、故障和預(yù)警報(bào)警處理模塊和故障診斷模塊。由于柴油機(jī)在不同功率時(shí)的振幅不同，且不同柴油機(jī)的負(fù)法與振幅關(guān)系具有隨機(jī)性，故而必須充分考慮上述因素，通過模糊神經(jīng)網(wǎng)絡(luò)算法的不斷學(xué)習(xí)，區(qū)分不同運(yùn)行狀態(tài)下振動信號的特征。

圖1 柴油機(jī)典型故障預(yù)警裝置構(gòu)成圖

通常柴油機(jī)曲軸箱與傳動箱殼體的振動信息既包含柴油機(jī)機(jī)身的整體振動信息，又包含各氣缸的振動信息，因此能夠較全面地反饋出柴油機(jī)的各部位的振動信息與振動狀態(tài)。

無故障狀態(tài)下曲軸箱殼體振動的振幅隨時(shí)間與相位的變化振幅是趨于穩(wěn)定的，此時(shí)柴油機(jī)整機(jī)的振動較為平穩(wěn)。與此類似，傳動箱殼體在無故障狀態(tài)下其振幅也較為平穩(wěn)，僅在點(diǎn)火相位附近出現(xiàn)沖擊振動，但其幅值對比缸體的振幅已明顯減小。

通常，柴油機(jī)的振動大小與其功率大小有關(guān)，功率越大，振動越強(qiáng)。此外，當(dāng)柴油機(jī)發(fā)生故障時(shí)，其殼體的振動會出現(xiàn)顯著增強(qiáng)，從而導(dǎo)致柴油機(jī)整機(jī)振動能量的顯著增強(qiáng)。傳動箱發(fā)生齒輪斷裂故障時(shí)曲軸箱殼體的振動趨勢圖如圖3 所示，其振動加速度顯著增大，且超過了警報(bào)閾值，并可以進(jìn)一步依據(jù)各個(gè)監(jiān)測點(diǎn)的振動情況來判定故障發(fā)生的位置，從而采取有效措施。圖4 為對振動信號按前文所述方法進(jìn)行降噪處理后的振動信號頻譜圖。

上述實(shí)際應(yīng)用可知，通過分析柴油機(jī)工作過程中的振動信號，可以有效實(shí)現(xiàn)柴油機(jī)的故障診斷與預(yù)警功能。

4 結(jié)論

將故障診斷算法作為模塊嵌入船舶柴油機(jī)整機(jī)的故障預(yù)警系統(tǒng)中，較好地實(shí)現(xiàn)了故障的識別、定位與預(yù)警功能，由此可見本文所述柴油機(jī)應(yīng)急故障診斷預(yù)警系統(tǒng)可滿足實(shí)際需求。