大型船舶柴油机动力装置节能减排技术研究节选

魏跃

[摘 要]谈及故障诊断技术，近年来人们普遍热衷于采用热力参数、磨粒及声振等监测技术手段。由于传统的诊断方法存在较大的局限性和不稳定性，实现更为科学合理的智能诊断是管理者们的迫切需求。随着人工神经网络分析技术、模糊聚类分析技术和专家系统等高新技术不断被人们提出并在实际中运用，使得柴油机智能故障诊断技术朝着多学科、多门类信息相互融会贯通的综合性学科方向发展逐步成为了必然。

[关键词]柴油机；智能故障诊断；专家系统；神经网络

中图分类号：U177 文献标识码：A 文章编号：1009-914X（2017）15-0052-01

1 船舶柴油机常见故障

1.1 船舶柴油机的齿轮磨损

齿轮对船舶柴油机设备的运行起着关键作用，因此当船舶柴油机输出端齿轮箱中的齿轮发生故障的时候，整个船舶柴油机设备也会因此停止运转。而船舶柴油机中的齿轮发生故障的主要原因，是因为长时间的使用导致齿轮老化然后出现缺口或者是断裂的情况，一般把这种因老化产生的问题归结为疲劳磨损以及磨料磨损。而当船舶柴油机设备中的齿轮出现衔接不当，或者是齿轮中的副材料不匹配等情况时，船舶柴油机的设备就会出现类似擦伤、刮伤这样的问题。因此为了更好地解决相关问题，就需要技术人员对症下药，才能及时、有效的解决。

1.1.1针对船舶柴油机设备的擦伤或者是刮伤这两种设备磨损，就需要技术人员避免固体杂物进入柴油机设备中，并保持柴油机中润滑油系统的干净整洁，对存在的杂物能够做到及时、有效的清理。

1.1.2当船舶柴油机设备中的齿轮长时间运作，再加上齿轮之间的磨合度不够，以及润滑油没有及时供应时，柴油机的齿轮面就会出现剥落，更严重的还会导致压碎。因此为了解决这个问题，就需要注重船舶柴油机中齿轮的选料。适度的提高副材料的密度和硬度，从而增加齿轮能够承受的负荷度，然后还需要为齿轮及时的提供优质润滑油，使齿轮中的轮滑油能够维持齿轮运转的需要。

1.2 主机启动困难

1.2.1启动压缩空气压力不足，达不到转速。需要检查启动空气系统是否有漏气；或者排气阀漏气，当压缩空气进入气缸，在压缩冲程中环节，压缩空气从排气阀泄漏，导致压缩温度达不到油雾燃点。我们可以通过研磨或机加工的方式恢复排气阀与阀座良好的接触面。

1.2.2燃油系统故障。主要有喷油器堵塞或雾化不良、高压油泵齿条卡死在停油的位置或高压油泵柱塞咬死在上止点位置。我们可以通过拆检清洁柱塞、针阀偶件，发现损伤，及时更换。

1.3 柴油机运行气缸出现异常敲击声音

柴油机运行过程中出现异常敲击声主要原因有两种，一是缸内运动部件松动、间隙超标等原因，造成零部件间的相互撞击；另一种是燃烧故障造成的敲缸，如喷油定时过早、喷油器雾化不良或漏油导致燃烧滞后而产生的敲缸。由于以上两种敲击声产生的机理不同，可通过听诊法，并结合相关参数来判断，或者通过排除法按故障发生的可能性从高到低逐项拆检排除，直至发现问题所在。发现松动零部件的，需按扭力要求重新上紧，如是燃烧方面的原因，需检查喷油提前角是否符合要求、检查雾化器的喷油效果及雾化器的密封状态，如发现问题，及时调整或更换备件。

2 故障诊断技术

船舶电子设备工作的稳定性对于船舶自动化控制系统稳定工作具有重要意义。舰船电子设备故障主要是针对电气设备中可能存在的断路、短路等情况时所引发的一系列故障，由于在整个舰船电气自动化系统中节点数量众多，而且装备本身往往比较复杂，实际情况中往往会存在多个元件同时断路或者短路的情况，给实际的故障诊断增加了很大难度。通常意义上来说，故障诊断是在一定的环境下，通过一定地技术手段判定系统内出现功能错误的部件，广义上的故障诊断技术还包括了对故障的预判。船舶故障诊断主要包含以下步骤：

（1）对船舶电子设备的状态特征信号进行检测；

（2）对检测的状态特征信号进行分析处理，并提取故障特征；

（3）综合所有的诊断信息判断船舶电子设备的工作状态，最终实现对船舶电子设备的故障诊断。

在以上故障诊断过程中所检测的电子设备特征信号有2种：一种是能量表现出来的信号，如温度、电流、电压、振动、噪声等；另外一种是感官可知的信号，如烟、雾、锈蚀、裂纹等。为了实现电子设备故障的自动诊断，需要使用各类传感器对这些特征信号进行采集，将这些特征信号转换为特定的电压、电流、频率等能够处理的电信号。

BP神经网络是一种比较特殊的神经网络，其输出量为0-1之间的连续值，并且它是前馈型的，输入和输出之间为任意非线性映射。在确定了BP网络结构之后，利用输入输出样本集对其进行训练，即对网络的权值和阈值进行学习和调整，以使网络实现给定的输入输出的映射关系。

使用特定的装置或者算法对这些提取的特征信号进行处理是船舶电子设备故障诊断的核心。这个过程属于人工智能技术的范畴，本文使用基于BP神经网络的算法，但是将其应用到船舶电子设备故障诊断上存在以下问题：

（1）神经网络算法的计算量非常大，需要依托于计算机强大的计算能力，虽然当前嵌入式技术发展很快，但是直接运行仍然有压力；

（2）很难进行实时性处理。当前有很多公司研制专业的神经网络芯片，但是造价非常高，且应用受到非常大的限制。

3 基于信息计算处理的诊断技术

3.1 信号处理分析诊断

针对不同型号柴油机，依据其故障信号非线性、非平稳特性的特点，产生诸如性能参数法，可依据柴油机的性能参数（气压、油温、功率等）变化来辨别柴油机各部件是否正常运行。1）振动分析法，对柴油机各部件运行状态进行判断，主要依据是缸盖表面的振动信号变化情况，此法现已成熟，具有实时监控、便于监测的优点；2）噪声分析法，故障判断主要依据柴油机运行时发出的各种声响；3）介质分析法，通过对柴油机中润滑油品质的分析来判断故障位置，具体可用光谱法、铁谱法等进行分析。这里的核心技术是对信号的处理过程，虽然信号的采集和分析具有便于操作的优势，但从信号中剥离有用信息仍存在相当的难度，这会对诊断结果的准确性产生一定的影响。

3.2 灰色系统理论诊断法

该理论属于控制论与其他学科交织的理论观点，其实也是多学科互溶的综合性技术。它认为已知和未知信息同时存在，并且在该系统中用白色表示已知信息，黑色表示未知信息，处于两者之间模棱两可不能准确判断的信息用灰色表示。这样构造的一个完整系统为灰色系统。利用灰色理论来诊断柴油机故障，就是把柴油机系统视为完整的灰色系统，通过已知信息来找出某种特征，这种特征可以反映出系统内部联系因素，量化后再处理、分析和建模，由此故障规律浮出水面，可以大胆预测出故障的具体程度和危害。其推理可视为灰色系统的去黑白化过程。灰色系统的优点主要体现在通过小规模计算即具有精准预测能力。

3.3 人工神经网络诊断技术

人工神经网络可被认作一种信息处理系统，它模拟人类大脑结构功能，近似于生物神经网络以实现信息传播与储存。人工神经网络能较好地处理不确定的矛盾甚至错误信息，主要得益于其类似人脑的高速并行信息处理能力和自学习、记忆联想能力。人工神经网络与传统技术比较可以更快获取新知识，实现在线、离线学习。并且其具有灵活的网络训练模式，很强的容错性及推广能力等优点。在神经网络中，故障征兆为输入神经元，故障原因为输出神经元。在诊断实现的这一过程中，此系统网络的应训练一定要选择的故障样本，用来确定参数和网络结构。训练完成以后，再通过一组给定的实际故障征兆来使故障模式进行分类，以达到征兆集与故障集之间的非线性映射关系。

4 结论

目前看来，柴油机智能故障诊断技术大部分暂且停留于理论研究，真正实践可行尚少，其实操运用的难点在于知识库庞大、故障分析有限、深浅知识結合不好、自动获取知识能力差、系统过于复杂、故障与征兆之间关系不确定、机舱环境的恶劣导致采集数据值产生偏差等。因此，在线专家诊断、网络知识分享、多学科混合诊断的技术方向必然是柴油机智能故障诊断技术发展的必由之路。

参考文献：

[1] 冯长宝，韩忠伟，孙沫莉.遗传算法和神经网络在船舶柴油机故障诊断中的应用[J].舰船科学技术，2016，06：40-42.