夏 源 李 丹 楊戴博 黎 剛 李 昆

（中國核動力研究設計院核反應堆系統(tǒng)設計技術重點實驗室，四川 成都 610213）

0 引言

隨著海洋事業(yè)的不斷進步與軍事現(xiàn)代化的需求，艦船得到了廣泛的應用，航運業(yè)促進了我國經(jīng)濟的快速發(fā)展。 艦船朝著智能化與自動化的方向快速前進，艦船系統(tǒng)體量結構越來越復雜，各模塊的維護和保障成本不斷提高，對艦船進行定期檢測與及時的維護十分重要[1]。 艦船結構體系主要為以電力系統(tǒng)為核心推進運行，支持其內(nèi)部其他系統(tǒng)同時進行負載，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)展的全電力推進和高能裝置的應用需求，綜合電力系統(tǒng)將艦船各個供電系統(tǒng)實現(xiàn)一體化， 電壓等級逐漸上升，負載設備趨于大容量成為艦船電力系統(tǒng)發(fā)展的重要趨勢。

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)部且長周期顛簸狀態(tài)帶給艦船電力系統(tǒng)的運行環(huán)境相對惡劣，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，但在實際運作中的環(huán)境與人為因素仍會導致故障的發(fā)生[2]。 因此，監(jiān)測電力系統(tǒng)的運行工況，及時識別系統(tǒng)的故障，有助于在最短時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)中主要的原油機組為柴油機，柴油機具有大功率、 高可靠性以及低維護費用的優(yōu)點，故障診斷技術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)包括故障檢測與故障隔離。 故障檢測是通過傳感器將狀態(tài)信息轉換為電信號或其他物理量送入信號處理系統(tǒng)，得到反映系統(tǒng)或部件的運行狀態(tài)參數(shù)，檢驗目標的故障狀態(tài)，進而確認故障的區(qū)域位置；故障隔離是指通過確認故障區(qū)域明確更換的單位部件，對故障進行處理。 工業(yè)領域的故障診斷研究主要基于故障樹診斷、人工神經(jīng)網(wǎng)絡以及數(shù)學模型的方法。

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大項事件，逐級對故障事件進行排除，最終找到故障原因。 故障樹的建樹時間長，過程復雜，容易產(chǎn)生誤差。

與故障樹結構類似，專家診斷系統(tǒng)是故障診斷技術中研究最多、運用最廣的一種方法。 專家系統(tǒng)是基于知識的系統(tǒng)，采用知識表示與知識推理等技術完成通常由領域專家才能解決的復雜問題。 專家系統(tǒng)具備的要素包括領域專家知識、模擬專家思維以及達到專家級的水平，具有自主診斷與解決問題的能力。 但同樣面臨構建知識庫與推理機等難題。

人工神經(jīng)網(wǎng)絡是受生物學和神經(jīng)科學啟發(fā)的數(shù)學模型，通過對人腦的神經(jīng)元進行抽象，建立人工神經(jīng)元的連接拓撲結構，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，通過激活函數(shù)得到輸出結果，送入下一層神經(jīng)元節(jié)點。 人工神經(jīng)網(wǎng)絡通過訓練樣本調整各個節(jié)點權重參數(shù)，得到的理想的數(shù)學模型。 人工神經(jīng)網(wǎng)絡具備可以擬合任意函數(shù)的強大能力，可以與其他方法結合，是一種拓展性很強的建模方法，在工程實際中得到了一定的應用。 人工神經(jīng)網(wǎng)絡容易陷入過擬合，診斷精度較差，缺點還包括容易陷入局部極小點和收斂速度慢等，同時需要大量的訓練樣本進行計算。 建立數(shù)學模型的故障診斷方法需要對系統(tǒng)的運行機理具有深入的研究，該類方法中具有代表性的包括狀態(tài)估計法和過程參數(shù)估計法。 通過選擇合適的診斷模型，或適當?shù)倪^程參數(shù)的變化，如電壓、電流等，分析系統(tǒng)變量，建立相應的數(shù)學模型的動態(tài)方程，代入變量反映艦船的特性，從而及時準確地分析出故障的部位以及類型。 由于該類方法需要應用中數(shù)學模型的建立精確度較差，應用范圍不廣泛。

2 艦船系統(tǒng)中的故障診斷技術

艦船系統(tǒng)是一個龐大復雜的復合系統(tǒng)，主要構成包括電力系統(tǒng)，機電系統(tǒng)、機械系統(tǒng)以及液壓系統(tǒng)等，船舶系統(tǒng)的故障診斷技術研究以電力系統(tǒng)與原油機組柴油機為主。 本文主要從這兩個領域故障診斷技術在艦船中的應用進行敘述。

2.1 電力系統(tǒng)

艦船電力系統(tǒng)包括發(fā)電機組、配電裝置、輸電網(wǎng)絡以及用電負載等電力系統(tǒng)支撐艦船的所有電氣設備運作，是整個艦船系統(tǒng)的核心。 隨著綜合電力推進系統(tǒng)的發(fā)展，下一代艦船采用全電推進方式，對于艦船電力系統(tǒng)的運維也是一個新的挑戰(zhàn)。 艦船電力系統(tǒng)利用斷路器與保護繼電器對設備進行保護，采用基于電流增大而動作的原理的三段式電流保護方式、包括主保護、近后備保護以及遠后備保護。 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)更加復雜。 艦船電力系統(tǒng)診斷需要分析各個部件的模型，從實際系統(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。 在國內(nèi)目前一直處于理論研究階段，距離實用化還有一段很長的距離；國外電力系統(tǒng)的故障診斷技術研究已取得了重大突破，具有較為可靠的技術應用，但針對電力系統(tǒng)的故障診斷系統(tǒng)也沒有普及化的應用。 由于構造復雜，初期投入和后期維護、擴展成本較高，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處理，基于數(shù)學模型與基于人工智能的故障診斷[3]。

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

基于熱學模型的故障診斷，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，可以對艦船的實時動態(tài)系統(tǒng)進行監(jiān)測與診斷。 數(shù)學模型的精度較高，但由于建模過程復雜，在艦船的實際應用中也不具備通用性，未得到廣泛的應用。

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)絡等，未來可具有自主識別故障，進行處理的能力，是研究發(fā)展的重要領域，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，知識獲取方式逐漸轉變?yōu)橐园胱詣訛橹?，未來專家系統(tǒng)將可以實現(xiàn)自主獲取知識；現(xiàn)有技術對艦船對保護繼電器與電路繼電器的監(jiān)測無法全面覆蓋，也是一個重要的需求方向；為了提高故障診斷方法精度，故障診斷的發(fā)展應當是多種算法結合多樣信息，向增強可靠性、選擇性、快速性以及靈敏度的方向發(fā)展，達到視情維修的最終目的[4]。

2.2 柴油機

柴油機是電力推進系統(tǒng)的主要原動機，具有可靠性高、大功率、維護費用低等優(yōu)點。 柴油機是個復雜的機械結構， 組成一般包括自動控制系統(tǒng)燃油系統(tǒng)、冷卻系統(tǒng)、配氣系統(tǒng)、缸體與氣缸蓋組件、曲柄連桿機構以及啟動和充電系統(tǒng)等，是艦船動力系統(tǒng)中故障發(fā)生率最高的系統(tǒng)部件。

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

柴油機故障診斷研究早在20 世紀60 年代由國外率先展開，建立了柴油機模型，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、挪威等國家均迅速開展相關方向研究。 目前柴油機故障診斷系統(tǒng)的工程化應用包括日本三菱公司的船舶柴油機診斷系統(tǒng)，利用模糊推理技術進行監(jiān)測以及故障預測，挪威KYMA 公司開發(fā)的MPM 廣泛應用于船舶主機的監(jiān)測， 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的CAMODES系統(tǒng)等，均在柴油機的故障診斷方面得到了工程實際應用。 國內(nèi)對故障診斷技術研究起步較晚，取得了一定的科研成果，但相對于國外仍然差距很大，柴油機故障診斷距離工程實用化還有很長一段距離[5]。

柴油機的故障診斷技術目前主要基于經(jīng)驗和物理模型，但隨著物聯(lián)網(wǎng)、互聯(lián)網(wǎng)的大數(shù)據(jù)時代來臨，艦船朝著自動化、智能化方向發(fā)展，智能船舶是未來航運業(yè)的一個重要發(fā)展方向，故障診斷技術將以數(shù)據(jù)化作為發(fā)展趨勢。

基于數(shù)據(jù)驅動的故障診斷技術具有較高精度特點，通過測試與監(jiān)測輸出數(shù)據(jù)，預測設備的未來狀態(tài)，柴油機動力系統(tǒng)能夠獲取的參數(shù)信號包括熱工信號、振動信號、噪聲信號以及其他基于聲光技術獲取得到的信號。 基于數(shù)據(jù)驅動的故障診斷技術不用建立模型與依靠經(jīng)驗，但信息完整的特征向量的獲取依然存在一定的難度。

由于國內(nèi)的船舶柴油機故障診斷技術起步較晚，總體相比國外經(jīng)驗缺乏，理論支持與實際操作的經(jīng)驗落后，整體處于發(fā)展階段面臨的困難如船舶柴油機的一些物理量難以獲取，柴油機的物理模型構建還較為困難，缺乏相關機理的研究故障特征難以獲取，且不具備通用性； 診斷技術還處在對零散部件的研究上，相對落后；健康管理現(xiàn)狀還在定期檢查與人工維修階段，遠未達到視情維修的目的[6]。 未來的柴油機故障診斷技術將能夠實現(xiàn)在線診斷、智能化布設以及多源信息融合的監(jiān)測， 結合未來網(wǎng)絡化以及人工智能的趨勢，最終實現(xiàn)大規(guī)模的工程化應用。

3 結語

本文介紹了艦船電力系統(tǒng)與柴油機的故障診斷技術，對國內(nèi)外的研究現(xiàn)狀進行了介紹，分析了目前艦船電力系統(tǒng)與柴油機系統(tǒng)故障診斷技術當前的不足，對未來兩者故障診斷技術的發(fā)展趨勢進行了展望。