寧昶雄, 張雪琴, 嚴新平, 歐陽武

(1.武漢理工大學 船海與能源動力工程學院, 湖北 武漢 430063; 2.國家水運安全工程技術研究中心 可靠性工程研究所, 湖北 武漢 4 300632; 3.武漢理工大學 交通與物流工程學院, 湖北 武漢 430063)

自21世紀以來,船舶電力推進系統的發(fā)展達到了空前的繁榮,特別是將電機與水力部件一體化、取消傳動環(huán)節(jié)的先進電力直驅推進裝置,因其功率密度大、布置多樣、機動靈活、高效節(jié)能、環(huán)保低噪等顯著優(yōu)點,目前廣泛應用在破冰船、郵輪、科考船、鉆井平臺等船舶上[1]。我國在2021年發(fā)布的《十四五規(guī)劃和2035年遠景目標綱要》[2]中再次強調了海洋裝備智能化綠色化的戰(zhàn)略目標,隨著“碳達峰”及“碳中和”長期愿景的提出,船舶電力直驅推進裝置正在迎來前所未有的發(fā)展空間和廣闊舞臺。電力直驅推進裝置是船舶動力系統的核心做功單元,其可靠性、安全性直接決定了船舶航行安全。吊艙推進器、輪緣驅動推進器等電力直驅推進裝置一般懸吊在船體之外,面臨著狀態(tài)未知、故障獲悉滯后、故障危害嚴重等問題?！爸袊圃?025”計劃中將智能運維規(guī)劃為重要發(fā)展戰(zhàn)略,其核心支撐技術包括了狀態(tài)監(jiān)測和故障診斷,具備對推進裝置的狀態(tài)感知和健康認知能力也是未來船舶無人化、智能化的重要基礎。

狀態(tài)監(jiān)測手段不足、失效模式不明確、無法預測故障等問題將會很大程度限制了電力直驅推進裝置的應用和大功率化的發(fā)展。具備健康管理功能是先進電力直驅推進裝置發(fā)展的必然趨勢。2017年ABB推出了其工業(yè)數字化解決方案AbilityTM,并為我國自主建造的極地科考破冰船“雪龍2號”提供電力推進健康狀態(tài)管理系統[3],結合其智能傳感器對船舶的主要設備進行監(jiān)測、診斷和提供維護建議。總體而言,目前專門針對船舶電力直驅推進裝置狀態(tài)監(jiān)測及智能運維的研究,國內外少有報道。將電力直驅推進裝置拆分成若干核心部件,從核心部件出發(fā),尋找與其結構形式和工況相似的對象,從監(jiān)測和診斷技術中找到參考也是一個重要研究途徑。本文首先將電力直驅推進裝置按照結構形式來劃分介紹,分析其特點及常見的失效模式;其次整理電力直驅推進裝置各部件的狀態(tài)監(jiān)測和智能診斷技術的研究現狀;最后對該領域存在的問題做出分析,并展望了未來具體的研究方向。

1 電力直驅推進裝置的特點分析

吊艙式[4]和輪緣式[5]是2種主要的船舶電力直驅推進裝置。吊艙式是當下備受推崇的一種結構形式,其電機被安裝在吊艙內,電機轉子直接與螺旋槳相連,由全回轉機構實現360°的矢量推進,目前絕大部分新造郵輪采用圖1(a)所示推進器。國內已有數家單位相繼研制出兆瓦級吊艙推進器樣機,并開展了示范應用。由招商局郵輪制造有限公司、上海中車漢格船舶與海洋工程有限公司、南京高精傳動設備制造集團有限公司、武漢理工大學聯合研制的7.5 MW中壓吊艙推進器已進入制造階段;如圖1(b)所示,輪緣驅動推進器采用新型的電力直驅推進技術,將驅動電機、螺旋槳、軸承和導管等集成一體,螺旋槳安裝在電機轉子環(huán)內,電機定子安裝在導管內,通電時定子驅動鑲嵌有永磁鐵的轉子旋轉從而帶動螺旋槳產生推力,可以進一步提高功率密度和降低噪聲。武漢理工大學與海軍工程大學、廣州海工船舶設備有限公司聯合開展輪緣推進器關鍵技術研究,成功研制出了多種規(guī)格輪緣驅動推進器,如圖2所示,部分推進器采用了對轉輪緣驅動技術、磁液雙懸浮軸承技術和超耐磨減振軸承技術等,獲得了全國首個輪緣推進器CCS認證證書,這些推進器在純電池動力集裝箱船、科考船、拖輪、旅游船、無人水質監(jiān)測船、無人燈光艇等船舶中得到應用。

圖1 船舶電力直驅推進裝置的結構形式Fig.1 The structure of marine integrated electric propulsion devices

圖2 武漢理工大學與廣州海工聯合研制的輪緣推進器Fig.2 Rim-driven thruster jointly developed by Wuhan University of Technology and Guangzhou HG Marine Co., Ltd.

綜合這2種電力直驅推進裝置共同具有的核心部件,可歸納為電機、軸承和密封、螺旋槳及殼體(或導管),這些部件的失效將極大降低推進裝置的安全性,甚至可能使船舶在航行過程中失去動力。梳理這些部件的故障模式是提出狀態(tài)監(jiān)測、故障診斷技術的基礎。

1.1 電機系統

感應電機因其結構簡單、制造成本低、可靠性高的特點而在船舶推進電機上廣泛應用,其又可分為異步電機和同步電機,在大功率交流推進系統中,各國基本趨向于使用同步電機。永磁電機的定子結構與感應電機相似,但轉子替換成了永磁體,因此無勵磁損耗以及集電環(huán)、電刷相關的損耗,實現了更高的轉矩密度和效率,輪緣推進器主要采用這種電機。

上述電機的故障模式主要包括機械故障、電氣故障和磁故障,具體可分為:1)定子損壞導致一個或多個繞組開路或者短路;2)異步電機的轉子導條或端環(huán)斷裂;3)轉子的靜態(tài)、動態(tài)或混合偏心;發(fā)生在輪緣電機中還會導致護套損傷;4)軸承或齒輪的失效;5)同步電機轉子勵磁繞組短路;6)永磁電機的永磁體退磁、損傷[6-8]。

實際工業(yè)應用中定子故障在中高壓大型感應電機故障中占比最大[9],此外軸承故障也是常見的電機故障。逆變器和控制器與電機共同組成電機系統,在沒有冗余和容錯控制的情況下,任何一個部分發(fā)生故障都會導致系統失效。逆變器中的功率開關器件和直流母線電容的開路、短路是主要故障模式[10],而各種拓撲結構和容錯結構的應用,可提高逆變器的可靠性。控制器由中央處理器和配套電路組成,處理器根據電流信號、位置信號、控制程序和指令對逆變器進行控制,而位置傳感器的信號異常和損壞是控制器主要的故障模式[11]。輪緣推進電機采用無位置傳感控制技術,位置預測精度不夠導致控制難度大。

1.2 軸承和密封

無論是吊艙推進還是輪緣推進,軸承都是其中的關鍵部件。徑向軸承用于支撐螺旋槳軸、螺旋槳及其附件的重量,推力軸承需要承載螺旋槳產生的推力并傳遞至整個船體。吊艙電力推進裝置使用油潤滑軸承,優(yōu)點為技術較成熟、承載力大、潤滑效果好,但也常出現滑油泄漏和燒瓦的問題。這種軸承主要失效模式為:磨損、擦傷、膠合、燒瓦、疲勞、腐蝕、氣蝕。在實際使用中,占比最高的前4個故障原因為滑油不干凈、滑油不足、安裝誤差、對中不良和載荷過大等。

水潤滑軸承是輪緣驅動推進裝置的核心部件,但由于水的粘度低,其承載能力相比油潤滑下降很大,摩擦副之間容易產生異常磨損。目前針對水潤滑軸承的研究以軸承高分子復合材料、承載機理和減振降噪等內容為主[12-13],對于其故障診斷的專題報道較少。文獻[14]總結了水潤滑徑向軸承的故障模式,包括有疲勞、膠合、磨損、燒蝕、氣蝕、壓痕6種,但總體而言,船舶推進系統水潤滑軸承的故障模式和機理尚未完全揭示清楚。

滾動軸承是吊艙電力推進裝置常用軸承形式之一。ISO 15243國際標準對滾動軸承的故障模式及原因等做了明確的分類和規(guī)定[15],但針對船舶電力推進器中滾動軸承的失效形式報道較少,鑒于風電機組的結構和工況與推進器類似,其軸承的主要故障模式可供參考:塑性變形、潤滑劑失效、電弧腐蝕、磨損、安裝不當[16]。

吊艙電力推進裝置需要安裝密封防止外部海水或內部滑油泄漏。推進系統常用的密封包括皮碗密封、氣胎密封、機械密封、填料密封等,也是吊艙電力推進裝置的核心技術之一,多屏障唇形密封結構和油氣調節(jié)系統方案是較為先進方案。密封失效模式主要為磨損和泄漏,主要原因包括:摩擦磨損、軸系振動、軸傾斜、密封面高溫、雜質侵入[17]。

1.3 螺旋槳

螺旋槳是電力推進器產生推力的主要部件。由于長期浸泡在水中,工作環(huán)境惡劣,受力復雜多變,尤其是葉梢處線速度大、厚度薄,發(fā)生損壞的可能性高。在輪緣推進器中,由于螺旋槳根部安裝在轉子內壁,槳葉葉梢處于旋轉中心,線速度低,可靠性有所提高。目前螺旋槳的研究主要涉及理論設計與優(yōu)化、空泡、尾流、噪聲等,根據實際應用情況統計,螺旋槳故障模式主要包括:纏繞故障、接觸摩擦、斷裂、變形、鳴音、氣蝕等。

2 電力直驅推進裝置狀態(tài)監(jiān)測技術

電力直驅推進裝置故障診斷的前提是獲取可靠的狀態(tài)信息數據,這依賴于先進的傳感和信號分析技術,并根據閾值指標和退化趨勢初步判斷設備有沒有故障。本文梳理了集成電力推進器主要部件的狀態(tài)監(jiān)測技術,如圖3所示。目前集成電力推進器成熟的監(jiān)測系統較少,ABB推出了AbilityTM平臺結合智能傳感器實現了對吊艙推進器中的電機和軸承關鍵健康指標的無線遙測。

圖3 船舶電力直驅推進裝置主要部件的狀態(tài)監(jiān)測技術Fig.3 Condition monitoring technology for main components of marine integrated electric propulsion devices

2.1 電機、逆變器及控制器

反映電機健康狀態(tài)的參數包括電參數、振動、溫度、磁場等,為了獲取這類信號,目前應用較多的監(jiān)測手段可概況為:

1)振動監(jiān)測:振動監(jiān)測是在旋轉機械上應用最廣泛的一種非侵入式監(jiān)測技術,通過振動傳感器來提取振動信號,可從中提取大量與電機健康狀態(tài)相關的特征[18-20]。但集成電力推進器中空間小、各部件振動信號的耦合程度高,傳感器的布置和信號的解耦是難點;

2)電參數監(jiān)測:電流和電壓作為電機的電參數,可通過供電系統或專用傳感設備獲取,各種故障模式的特征都在電參數信號中有所反映[21-22],這是最易于實現的監(jiān)測手段;

3)電磁場監(jiān)測:正常情況下,感應電機氣隙中的磁通量隨時間和空間呈正弦變化,當電機出現故障則會導致磁通量的分布產生偏離[23]。通過監(jiān)測電機的軸向磁通量可以分析出定子匝間短路、轉子斷條、偏心及軸承等的故障[24]。但是集成電力推進器中大量電力電子元器件會產生大量電磁干擾,對監(jiān)測效果的影響需要評估;

4)溫度監(jiān)測:電機定轉子和軸承等的故障會導致異常溫升,傳統監(jiān)測手段通常將熱電偶安裝在繞組中,近些年發(fā)展出了無傳感器的定子溫度監(jiān)測方法和轉子溫度無線遙測方法[25-26]。除了點測溫方法,熱成像可以對電機整體溫度分布進行測量并標記出最高溫度點的位置[27],該方法通常作為輔助監(jiān)測手段;

5)氣隙扭矩監(jiān)測:定子繞組不平衡和轉子損壞時,電機氣隙中會出現扭矩諧波,不同的故障會在氣隙轉矩中產生特定頻率,由于無法直接測得氣隙扭矩,通常與仿真結果相比較來確定故障的存在,但可表征的故障類型有限[28]。

逆變器和控制器的健康狀態(tài)通常反映在回路的電參數信號中,無需額外的監(jiān)測手段。此外,將聲發(fā)射技術引入到推進電機中,通過安裝壓電傳感器采集應力波來識別電機轉子、定子和軸承的機械故障,具備故障定位和早期故障的監(jiān)測能力,還可側面反映電氣故障,但容易受到環(huán)境噪聲的影響[29],尤其集成電力推進器中各部件集成度較高,之間的聲干擾不可忽視。由于輪緣推進器取消了密封裝置,永磁電機直接置于水環(huán)境中,定轉子表面會覆蓋有金屬或高分子防水護套(圖4)。護套損傷可能導致水滲入到定轉子中,嚴重時會使電機短路損毀。目前尚缺乏可靠的輪緣推進電機護套損傷原位監(jiān)測手段,研究人員也嘗試利用超聲技術進行護套損傷定位和損傷程度識別,超聲C掃描[30]、激光超聲[31]、螺旋導波[32]等需進一步論證。此外,光纖光柵(fiber bragg grating,FBG)超聲光纖傳感技術[33]、分布式光纖技術也為輪緣推進電機狀態(tài)監(jiān)測提供了思路。

圖4 輪緣推進電機防水護套安裝狀態(tài)Fig.4 Installation status of the waterproof sheath of the rim-driven motor

2.2 軸承和密封

集成電力推進器軸承的健康狀態(tài)與其潤滑狀態(tài)關聯緊密,各種損傷的出現會導致振動、溫度、壓力等參數產生異變。從性能角度看,監(jiān)測技術可概況為:

1)振動監(jiān)測:振動監(jiān)測被廣泛應用于滾動軸承[34]狀態(tài)判別,通過頻譜分析、小波變換等現代信號處理手段,提取特征信息用于故障診斷[35]。與滾動軸承相比,集成電力推進器中使用的滑動軸承自身故障模式與振動特征之間的映射關系尚不明確[14],大多從轉子系統角度來識別系統故障,例如根據軸心軌跡的形狀來判斷不平衡、不對中、油膜渦動等故障[36]。此外多源信息融合是滑動軸承故障診斷的研究熱點[37];

2)溫度監(jiān)測:溫度屬于緩變信號,當軸承的故障或極端工況出現一段時間后,溫度會表現出異常。這種特點導致其對于早期故障的表征不敏感,但由于軸承具有一定的容錯能力而且測溫技術較可靠且實施成本低,常被用于燒瓦等故障監(jiān)測。監(jiān)測方法通常為熱電偶、熱成像[38]和光纖傳感[39]等;

3)磨損監(jiān)測:磨損直接決定了設備的使用壽命。目前,油液監(jiān)測是閉式潤滑軸承最常見的磨損監(jiān)測手段[40],但難以應用于使用開式水潤滑軸承的輪緣推進器中。此外,聲發(fā)射技術也可用于滾動軸承[41]和機械密封的磨損監(jiān)測[42-43],對材料表面的剝落、斷裂、分層等的識別具有優(yōu)勢。該技術被引入滑動軸承中,結合智能算法對磨損識別具有較高精度[44];

4)液膜厚度和壓力監(jiān)測:液膜厚度可直接反應軸承的潤滑狀態(tài)和機械密封端面間隙大小[45],潤滑膜厚的測量方法主要有電渦流法[46]、電阻法[47]、電容法[48]、超聲法[49]、光纖法[50]等;根據潤滑膜的壓力分布還可以判斷軸承是否存在偏載情況[51],該方法在滾動軸承上尚無應用。

2.3 螺旋槳

螺旋槳安裝在船體外部且不可視,其狀態(tài)監(jiān)測是一個經典難題,通常采取對螺旋槳軸的振動和電機電參數的監(jiān)測[52]間接反映槳葉的健康狀態(tài)。Song等[53]提出監(jiān)測水聲信號提取其中螺旋槳的特征頻率,通過計算和試驗驗證了該方法在低信噪比的情況下仍具有較好識別能力,并表示在未來可以用于槳葉的故障診斷。針對飛機槳葉的監(jiān)測手段也可以提供參考,如將微型振動傳感系統[54]或光纖應變傳感器[55]安裝于槳葉上。

3 電力直驅推進裝置故障診斷技術

目前,針對船舶電力推進裝置故障部件的診斷方法可分為基于模型和基于信號處理的傳統診斷方法和智能診斷方法3類,如表1所示。其中基于模型的診斷方法起步最早[56],根據故障部件的監(jiān)測信息與其仿真模型輸出信息之間的殘差值來實現故障診斷[57]。但是船舶電力直驅推進裝置屬于多變量動態(tài)系統,電機、螺旋槳和軸承等關鍵部件相互耦合,難以建立準確的數學模型和部件的失效模型,對于復雜失效模式的診斷,該方法很難付諸實施。相比之下,基于信號處理的方法不需要具體的數學模型,只依賴電流、振動和聲音等信號就可以獲得故障特征,具有快速和高效的優(yōu)點。如今小波分析[58]、經驗模態(tài)分解[59]、包絡分析[60]等信號技術已被廣泛應用于船舶推進裝置的故障診斷領域。但船舶集成電力推進器不同于傳統的軸系推進,其系統集成化和自動化程度更高,各部件間的關系更加復雜,單靠信號處理技術無法做出快速準確的判斷,其故障特征的評估仍要依靠經驗豐富的研究者。

表1 船舶電力直驅推進裝置診斷方法對比Table 1 Comparison of diagnostic methods for marine integrated electric propulsion devices

隨著各種狀態(tài)監(jiān)測技術成功應用于船舶電力推進器,服役過程中產生的海量運行數據中蘊含了各部件的健康信息。如圖5所示,電力推進裝置的狀態(tài)監(jiān)測系統將采集的數據輸入故障診斷系統中來進行故障模式的識別,以實現“知”曉電力推進裝置是否產生了故障,產生了何種故障。智能診斷方法不拘泥于復雜的解析模型和故障機理層面的探索,利用數據挖掘技術,獲取推進裝置各部件監(jiān)測數據與各類故障之間隱含的非線性映射關系。同時合理且有深度的數據挖掘能獲取細節(jié)化的故障特征,進而發(fā)現船舶電力直驅推進裝置部件潛在的早期微小故障,具有較高的工程實用價值[61]。本文從故障診斷的角度出發(fā),重點分析目前主流的幾種智能診斷方法在船舶推進裝置上的研究和發(fā)展,包括專家系統、模糊邏輯和機器學習。

圖5 船舶電力直驅推進裝置故障診斷方法分類Fig.5 Classification of fault diagnosis methods for marine integrated electric propulsion devices

3.1 專家系統

專家系統作為智能診斷方法中早期代表,是一種基于規(guī)則和推理方法來解決復雜問題的計算機系統。通過歸納總結船舶電力推進裝置各部件的故障類型、容錯控制,將相應的領域眾多專家經驗集于一體,形成知識庫和推理機來代替大部分不重復的腦力勞動。文獻[62]針對船舶電機部件以故障樹的形式構建了一個3層知識庫結構,第1層判斷電機類型,第2層記錄特定機器的故障癥狀,第3層確定每種癥狀的可能原因和維護措施。通過引入權重因子來根據歷史數據改進故障樹,確保電機的維修時間和成本最小化。文獻[63]針對由螺旋槳引起的推進裝置故障的問題構建了基于遠程故障診斷的專家系統。如當增壓系統發(fā)生故障時,會檢查是否因為電機螺旋槳不匹配導致主機轉速下降,排氣溫度升高;當軸承發(fā)生異常振動時,會檢查是否螺旋槳存在磨損、空蝕、變形、斷裂、質量不均勻、水動力不平衡等問題,或者是否由于船艉的不均勻流場導致螺旋槳產生激勵力,造成軸和船舶振動。專家系統不需要大量的歷史數據,利用經驗知識解決復雜的專業(yè)問題。這也導致目前的應用主要在船舶電機和螺旋槳上,因為該對象應用廣泛、失效案例豐富,而水潤滑軸承的專家系統則尚未見報道。鑒于電力直驅推進裝置部分失效模式尚不明確,一旦出現知識庫之外的新故障,專家系統既沒有對應的規(guī)則推理又缺乏自學習的能力,在實際應用中存在一定的局限性。

3.2 模糊邏輯

模糊邏輯也是一種發(fā)展較早的智能診斷方法,當船舶電力推進器部件的故障現象比較模糊時可借助隸屬函數和模糊關系建立故障模式和特征信息的不確定關系。文獻[64]中收集了船舶推進器螺旋槳-軸的實驗故障信號作為模糊邏輯的輸入,引入遺傳算法自動生成最優(yōu)模糊神經結構,極大地縮短了診斷時間。模糊邏輯和專家系統的結合被廣泛地應用于故障診斷研究[65],將電機[66]、軸承[67]、螺旋槳[52]等核心部件的特征向量存放在事實數據庫。規(guī)則知識庫中以模糊集的方式存放不確定的專家知識,通過特征向量與規(guī)則庫之間的模糊匹配,進而識別出故障類型。在面對不精確的數據、模糊的故障現象和原因時,模糊邏輯更具靈活性和容錯性。同時其依賴于專家經驗知識,診斷結果是由模糊規(guī)則和模糊集推理得出,相較于單純的專家系統來說,降低了對專家知識的需求,但對于缺乏相關知識的新研裝備,應用仍具有一定的局限性。因此,在診斷如船舶電力直驅推進裝置的多部件耦合集成系統時,如何根據先驗知識選擇合適的模糊規(guī)則和模糊集至關重要。

3.3 機器學習

機器學習的主要思想是借助電力直驅推進裝置運行過程中正常數據和故障數據,以數據驅動的方式獲得診斷模型。人工神經網絡(artificial neural network, ANN)是機器學習故障診斷中最常用的分類器之一,主要應用于船舶推進器電機[68]、軸承[69]等關鍵部位的診斷,故障決策時不需要專家經驗,整個過程更加自主化。然而,ANN的建立需要在大量樣本數據的基礎上,但集成電力推進器結構緊湊,空間狹窄,現階段無法布置太多傳感器,因此,關鍵部位單一的數據來源限制了網絡的診斷能力。此外ANN收斂速度慢,泛化能力差,當樣本選擇不當,實船數據與訓練數據庫不匹配時,實時診斷存在困難。

支持向量機(support vector machine, SVM)作為一種相對較新的智能算法,克服了ANN收斂速度慢,易陷入局部最優(yōu)的缺點。目前,針對實際應用中船舶推進裝置難以獲得大量故障樣本的問題,文獻[70]提出了一種SVM和連續(xù)小波變換(continue wavelet transform, CWT)結合的診斷方法,使用非常窄的尺度從特定的頻帶中提取電機啟動過程中振動信號的細節(jié)特征,與ANN相比該方法實現簡單且診斷精度較高。通常訓練集由歷史運行數據構成,電力直驅推進裝置的正常數據遠多于故障數據,文獻[71]將基于模型的方法和SVM方法相結合來解決不同類別的訓練樣本不平衡的問題,建立船舶推進裝置的仿真模型,利用改進后的SVM對仿真數據進行定量的故障檢測。SVM在處理小樣本,非線性數據的分類時更具優(yōu)勢,但由于船舶電力直驅推進裝置內部高溫、高濕、高鹽的惡劣的環(huán)境,以及螺旋槳和電機帶來的非定常激勵力的影響,傳感器所監(jiān)測的信號中干擾因素較多。單一的SVM受低信噪比樣本、不平衡樣本以及模型參數的影響很大,和其他人工智能技術的結合,是彌補其局限性的發(fā)展方向之一。

深度學習以其強大的自學習能力成為目前智能診斷的熱點,各種深度學習算法已應用于推進器部件的故障診斷中。如深度置信網絡(deep belief networks, DBN)具有自適應地提取原始數據的故障特征的能力,在船舶軸系故障診斷中,其克服了背景噪聲、電路元器件零點漂移等干擾因素實現了故障類型的自動識別[72]。針對船舶集成推進裝置微小故障不易發(fā)現,淺層機器學習算法難以有效識別故障特征等問題,文獻[73]將軸承故障特征提取和分類環(huán)節(jié)融合到一個學習體中,利用一維卷積神經網絡(one dimension-convolutional neural networks, 1D-CNN)直接提取原始數據的有效特征,并設計了一維全局均值池化層代替?zhèn)鹘y的全連接層,減少了參數量和診斷時間,更加適用于微小故障的快速診斷。同時,船舶電力直驅推進裝置工況復雜多變,淺層機器學習算法存在一種模型只能針對一類特定工況的問題,文獻[74]將膠囊網絡(Caps-Net)與卷積網絡(convolutional neural networks, CNN)相結合,建立了一種具有強泛化性的模型。利用不含池化層的CNN提取原始圖像的重要特征,將基于動態(tài)路由算法的膠囊網絡作為分類器,實現在不同工況下電機的多故障智能檢測。此外,深度遷移學習在處理變工況、小樣本情況下的故障診斷問題極具優(yōu)勢,可通過縮小源域和目標域的分布差異,實現診斷模型的遷移[75],有潛力解決試驗室模型難以工程化應用的問題。

相比ANN、SVM這些淺層的機器學習算法,深度學習無需任何先驗知識,可以直接在采集的信號上迭代學習提取特征,實現端對端的故障診斷。同時,深度學習模型的可移植性強,在不同問題領域具有良好的適用性和泛化能力,是未來船舶電力直驅推進裝置智能診斷的一個重要方向。目前,深度學習在船舶電力推進裝置的故障診斷中仍處于起步階段,主要圍繞船舶軸承、電機和逆變器[76]等單個部件開展的試驗研究。船舶電力直驅推進裝置樣本量少且樣本不平衡的現狀是限制深度學習方法在實際船舶中應用的重要因素。如何將故障診斷模型從試驗室轉化到實船領域,深度遷移學習為其提供了解決思路。

4 存在的問題與對策建議

電力直驅推進裝置智能運維研究的核心問題之一是如何實現對其健康狀態(tài)的感知,這又包括了3個問題,首先明確健康指標,其次是如何“感”,再是如何“知”,分別取決于故障模式和機理分析、狀態(tài)監(jiān)測技術、故障診斷技術。

目前對集成電力推進器故障模式和機理的認識還停留在單個部件層面,各損傷模式之間的相互影響規(guī)律研究仍存在許多空白。此外輪緣推進器在國內還處于研發(fā)和推廣階段,其主要部件故障模式和機理的研究尚未報道,仍需開展大量的理論和試驗研究。

針對電力直驅推進裝置的特點,目前狀態(tài)監(jiān)測方向存在以下3個問題:

1)推進器集成化程度高,內部空間狹小,集成電力推進器整體被吊裝在船艙外部,這使得傳感器的布置難度增加,可布置的傳感器數量減少,可監(jiān)測性下降;

2)傳感器的工作環(huán)境惡劣,狹窄的推進器內部存在高溫、高濕、高鹽的環(huán)境,部分傳感器需要浸泡在海水、泥沙水中,對傳感器本身的防護性和可靠性提出了更高的要求。同時,電力推進系統中大量的電力電子元器件會對傳感器信號產生電磁干擾;

3)由于電力直驅推進裝置中電機、軸承、螺旋槳的安裝緊湊,電機的不平衡磁拉力、螺旋槳的非定常水動力等之間互相干擾,導致各部件的振動信號高度耦合,增加了后續(xù)診斷的難度。

為了解決電力直驅推進裝置狀態(tài)監(jiān)測中的技術難題,本文提出了在未來需要重點關注的研究方向:

1)傳感設備應朝著小型化、集成化、智能化的范式發(fā)展,在零部件的設計制造階段就實現其狀態(tài)參數的獲取,與部件融為一體形成智能裝備,對其全生命周期健康狀態(tài)進行監(jiān)測,同時單個傳感器應具備多種狀態(tài)參數的采集能力,盡可能在傳感設備有限的情況下獲取更多的參數;

2)針對電力直驅推進裝置對傳感器可靠性以及信號傳輸可靠性的高要求,如何將光纖傳感、超聲無損監(jiān)測等對電磁干擾不敏感、易于實現分布式傳感網絡的監(jiān)測技術應用于電力推進器是重要發(fā)展方向之一;同時,基于5G的物聯網技術為解決信號傳輸易受干擾的問題提供了思路;

3)發(fā)展先進的信號處理技術,針對多部件耦合信號進行分離,引入數據清洗技術,同時結合多維度不同類型的信息融合技術,對數據進行預處理,可提高信號的有效性。

智能診斷依賴于數據的種類、數量、質量等,對電力直驅推進裝置智能診斷的難點總結為:

1)由于傳感設備的安裝空間有限,可能存在樣本采集來源單一、樣本量少的問題;

2)傳感設備的工作環(huán)境惡劣,易導致傳感器零點漂移或信噪比差,同時各部件之間運行存在相互干擾,導致采集的信號耦合成分多,需要降低診斷對數據擾動的敏感性;

3)目前尚沒有電力直驅推進裝置的故障數據集,故障模式和故障機理還有待進一步揭示?；趯崪y數據的故障診斷存在樣本不平衡、模型訓練不充分,易發(fā)生欠擬合和過擬合等問題;

4)電力直驅推進裝置實際服役環(huán)境復雜多變,目前基于實驗室條件的模擬工況和狀態(tài)信號離推進裝置實際服役狀態(tài)有較大差別,這會影響服役時的故障診斷精度。

總的來說,電力直驅推進裝置的智能診斷還面臨許多問題,近些年對深度遷移學習的研究為解決這些難題提供了解決思路,該方法在不同工況、小樣本情況下診斷極具優(yōu)勢,可以將試驗室條件下的診斷模型遷移到實際工程中。

5 結論

1)船舶電力直驅推進裝置中的水潤滑推力軸承、輪緣電機護套的故障模式和機理尚不明確,缺乏失效案例和故障數據集的統計,直接影響故障診斷研究開展和模型準確性。

2)電力直驅推進裝置的特殊性導致其狀態(tài)監(jiān)測系統尚未成熟,嵌入式智能傳感、光纖傳感、超聲無損監(jiān)測等測試技術為電力直驅推進裝置狀態(tài)監(jiān)測提供了思路。

3)智能診斷方法各有優(yōu)劣,但在實際推進器中應用仍存在許多難題,其中深度遷移學習針對這些問題極具優(yōu)勢,是重點研究方向。具備全壽命周期健康感知的集成電力推進系統是未來發(fā)展趨勢。