許雅婷

（江蘇現(xiàn)代造船技術(shù)有限公司，鎮(zhèn)江 212000）

隨著社會的高速發(fā)展，我國運輸業(yè)不斷發(fā)展。船舶運輸作為我國水路運輸?shù)闹饕绞?，對促進社會經(jīng)濟發(fā)展具有重要作用。近年來，船舶設(shè)備變得越來越智能化，內(nèi)部結(jié)構(gòu)也越來越復(fù)雜[1]。在這樣的社會背景下，人們對機械通風(fēng)的設(shè)計要求越來越高。尤其是在部分大型船舶中，若不及時通氣，可能會造成較大的經(jīng)濟損失，因為在船艙中存在氣流不均、梯度變化大的問題。船員在工作、生活的過程中，可能會面臨溫度偏高、油氣較重的困境，有氣流旋渦的風(fēng)險，導(dǎo)致船艙中的設(shè)備溫度持續(xù)升高，不利于工作的開展[2]。多傳感器信息融合技術(shù)是近年來出現(xiàn)的一項新興技術(shù)。它合理使用多個傳感器，能夠在時間和空間上進行互補，可以將其中的冗余信息作為故障診斷的依據(jù)[3]。當(dāng)前，傳感器類型越來越豐富，僅僅依靠操作員無法實現(xiàn)對多傳感器的有效管理，需要通過信息融合技術(shù)，合理分配有限的傳感器資源，保證信息融合的效果，實現(xiàn)對多傳感器的高效管理。D-S證據(jù)理論作為多傳感器信息融合技術(shù)的核心內(nèi)容之一，可以有效對傳播機械通風(fēng)機進行故障診斷?；诖?，將D-S證據(jù)理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合，用于診斷大型船舶機械通風(fēng)機的故障，進而更好地對其進行設(shè)計，提高工作效率的同時，為船員提供一個良好的工作環(huán)境。

1 相關(guān)理論分析

1.1 BP神經(jīng)網(wǎng)絡(luò)

反向傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)有輸入層、隱含層和輸出層。

首先，需要設(shè)置模型中的輸入層和輸出層，并設(shè)置其中的節(jié)點數(shù)。在輸入層，模型中的節(jié)點數(shù)受小波分析的影響。為了確定模型的特征，需進一步分解層次，可以將其分為故障類型和正常狀態(tài)[4]。

其次，需確定神經(jīng)網(wǎng)絡(luò)中的節(jié)點數(shù)目。因為隱含層和其他層都有著一定的關(guān)系，所以在具體的推理中可具體表示為

式中：k為隱藏層節(jié)點數(shù)目；m為輸入層節(jié)點數(shù)目；n為輸出層節(jié)點數(shù)目；b為修正常量。

最后，要確定模型中的激勵函數(shù)，可以描述模型中的變化關(guān)系。一般會將雙曲正切函數(shù)作為計算方法，具體公式為

1.2 D-S證據(jù)理論

D-S證據(jù)理論需要在費控集合上建立，可將這個集合定義為Θ，為識別框架。該集合的組成是一系列的窮舉基本命題[5]，在問題上的任意命題都需要在2Θ上。如果命題A是Θ的子集，那么m(A)＞0，可以將A看為證據(jù)焦元，將這些焦元看為核。

借助證據(jù)體對進行定義，具體公式為

式中：Bel(A)是對命題A的支持度。

在組合規(guī)則上，Bel可以看為模型Θ中的信任函數(shù)，m為可信任的分配函數(shù)，焦元為A1、A2、A3、…、AK。

1.3 小波分析

小波分析作為一種信號分析技術(shù)，通過數(shù)字化形成相應(yīng)的數(shù)字信息，可以分別對頻域和時域進行處理。作為其他分析方法的補充，它被廣泛應(yīng)用于許多領(lǐng)域。通過小波分析后，信號能量的計算公式為

在對大型船舶通風(fēng)機的工作狀態(tài)進行分解后，能夠獲取一部分小波能量，并將其作為診斷特征量。使用小波分析方法分析尺度差異性的小波系數(shù)和通風(fēng)機工作狀態(tài)向量，隨后進行歸一化處理，有

式中：E為在歸一化處理之后的特征向量，也可以看為大型船舶通風(fēng)機中的故障診斷向量。

2 D-S證據(jù)理論下的通風(fēng)故障

借助D-S證據(jù)理論對船舶通風(fēng)機故障進行診斷，需要先通過多個傳感器采集模型中的振動信號，并將其轉(zhuǎn)變成電信號，如圖1所示。

圖1 傳感器采集信號圖

通過小波分析可有效分解相關(guān)信號，在得到相關(guān)能量特征后，發(fā)現(xiàn)轉(zhuǎn)子不平衡是其中的主要能量特征。能量特征圖如圖2所示。

圖2 轉(zhuǎn)子不平衡能量特征

隨后對其中的樣本進行訓(xùn)練，建立BP神經(jīng)網(wǎng)絡(luò)模型，將所有傳感器的診斷結(jié)果進行融合，使用D-S證據(jù)理論診斷其中的故障，并輸出最后的結(jié)果。

3 船舶通風(fēng)機械故障診斷分析

分析船舶通風(fēng)機的振動特性，是進行通風(fēng)設(shè)計的前提條件，能夠有效監(jiān)測和分析振動。研究過程中發(fā)現(xiàn)，故障和能量特征關(guān)系密切，具體數(shù)據(jù)如表1所示。其中，f1為平衡故障，f2為葉片故障，f0為外圈頻率，fi為內(nèi)圈頻率，fb為特征頻率，ff為保持頻率。

表1 故障及能量特征關(guān)系表

在振動信號中，可以通過不同的頻率成分識別故障。選擇應(yīng)用3個傳感器，在信息融合的過程中發(fā)現(xiàn)了4個主要故障，分別為不平衡、不對中、機械松動、葉片松動?；诓煌膫鞲衅鲗ζ溥M行診斷，并計算傳感器中的函數(shù)值，借助D-S證據(jù)理論判斷故障。

基于BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，將已經(jīng)采集的信號進行歸一化處理，共得到8個特征，并作為BP神經(jīng)網(wǎng)絡(luò)的輸入點，因此可以將輸入的層數(shù)定義為8。傳感器在選擇信任分配函數(shù)時，可以將其定義為輸出層，共有4種基本故障，因此輸出的節(jié)點數(shù)為4。在隱含層節(jié)點中，本次試驗選擇9。

將表1的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，以通風(fēng)機中的不平衡故障為實證研究對象。為了保證故障診斷的安全性和有效性，使用BP神經(jīng)網(wǎng)絡(luò)分析3個傳感器的特征數(shù)據(jù)。不同的傳感器得到的信任度不同，如表2所示。

表2 信任分配結(jié)果表

應(yīng)用D-S證據(jù)理論后，可以有效將傳感器1和傳感器2融合。融合后的結(jié)果設(shè)定為k，通過公式計算，具體的融合結(jié)果如表3所示。BP神經(jīng)網(wǎng)絡(luò)診斷后，可獲取傳感器1和傳感器2的頻率特征。將這兩個數(shù)據(jù)集合融合于不平衡，得到的可信任分配為0.41、0.46，可見信任度明顯提高。

表3 傳感器1和傳感器2的融合結(jié)果

融合傳感器1和傳感器2后，還可以將其與傳感器3進行融合，如表4所示。

表4 傳感器1、傳感器2和傳感器3的融合結(jié)果

將所有的傳感器進行融合后，故障基本可信任度分配有所提高，可以有效診斷故障平衡進行有效應(yīng)用。

4 結(jié)語

單個傳感器在信息采集上存在較大的局限性，可能會影響故障診斷結(jié)果。本次研究借助多傳感器信息融合技術(shù)對大型船舶的通風(fēng)系統(tǒng)故障進行診斷，通過多傳感器收集大型船舶通風(fēng)機的狀態(tài)信號，使用小波分析提取相應(yīng)的特征向量，并通過BP神經(jīng)網(wǎng)絡(luò)統(tǒng)計單個傳感器診斷結(jié)果，最后使用證據(jù)理論進行多傳感器融合，發(fā)現(xiàn)其具有較高的診斷價值，可在一定程度上提高基本可信任度，為大型船舶通風(fēng)系統(tǒng)的正常運行提供了強有力的支持，也保證了船員正常的生活和工作，促進了經(jīng)濟和社會的發(fā)展。