船用柴油机配件、船舶自动化设备一站式采购维修平台。www.ship023.com
200O 12 集美大学（自然科学版）h】ma】()。 5没有。 [文章编号] 1007-7405 (2000) 04-O022-05 船用柴油机故障在线诊断仿真技术研究 蔡振雄, 黄家良, 翁泽民 (集美大学船舶工程系, 福建厦门) [摘要] ] 提出对船用柴油机主要部件的易损部件的运行性能进行微机自动检测，并与正确值进行比较，达到在线故障自动诊断的目的。 在此基础上，将仿真和神经网络技术直接应用到柴油机故障在线诊断系统中，建立船用柴油机症状和故障样本集作为神经网络故障诊断的专家知识库，实现船用柴油机在线智能诊断。柴油机故障，从而提高故障诊断的及时性和准确性，减少误诊。 [关键词] 船用柴油机； 在线监控； 智能诊断； 模拟技术； 神经网络技术【CLC号】； TK418 [文件识别码] A 简介 早期，船舶工程师一般采用一些常规方法来诊断船用柴油机的故障。 采用普通仪器、仪表、试验和看、摸、听、闻等传统简单手段，对故障柴油机及系统进行离线经验诊断。 这种方法不仅对工程师的素质要求较高，而且导致故障诊断速度慢、质量差。 随着科学技术水平的提高和微型计算机的普及，为离线和在线故障诊断提供了物质基础，使离线和在线诊断的实现成为可能。
船用柴油机故障在线诊断在线诊断是指为了保证大型重要设备安全可靠运行柴油机增压器故障诊断，需要自动、连续、定期地采集和分析监测信号船舶柴油机配件，及时对故障做出诊断。发生的情况。 建立在线故障监测系统，可以有效提高故障诊断的准确性，缩短故障诊断时间，促进维护方式从预防性维护向预测性维护转变。 在线故障诊断分为手动在线故障诊断和自动在线故障诊断。 手动在线诊断是20世纪70年代中期左右开发和应用的技术。 监测系统用于自动监测柴油机在运行过程中的内外运行参数，并将监测信号输入计算机进行计算分析。 同时结合发动机日记记录和工程师的观察。 测试，对柴油机的技术状况进行早期预测，对部分部件进行趋势分析，为定期维护提供信息。 对于需要快速故障定位和故障模式识别的船用柴油机来说，手动在线诊断速度太慢且准确度较差。 【收到日期】2O0O一叩一10 【基金项目】交通运输部跨世纪优秀专业技术人才培养专项资助项目【作者简介】蔡振雄（1952），男，副教授，从事现代船舶轮机技术管理与故障诊断 研究时期 蔡振雄等：船用柴油机故障在线诊断仿真技术研究'23 无论故障的在线手动诊断还是在线自动诊断，目的都是为了有效识别故障柴油机是否存在故障，关键问题是建立故障识别标准（专家系统数据库），即如何判断柴油机是否存在故障。
经验表明，柴油机的性能参数如压力、温度、噪声、转速、流量泄漏、振动等，都可以作为故障判断的依据。 为了达到自动诊断的目的，需要引入微处理器油机的关键件、重要件、易损件等部位来设置故障诊断点，并与这些建立完整的数据库（专家系统）。正确的性能参数信号值数据库）； 采用微机自动检测诊断点的诊断信号，检测结果由计算机自动与数据库中的正确信号值进行比较。 若检测信号在正确范围内，则说明柴油机正常，无故障； 如果超过范围船舶配件，则说明有故障。 计算机推断出故障点的位置，并通过显示设备和报警设备告知外界，以便发动机管理人员及时处理。 该方法的硬件原理如图1所示。故障诊断技术的另一个重要组成部分是系统测试软件。 系统软件由白巡程序、信号序列、巡检检测度、对比程序、显示报警程序等组成，可实时在线监测船用柴油机的工作状态，完成自动在线故障诊断任务。 仿真技术在在线诊断中的应用2.1柴油机运行故障的计算机模拟现代船用柴油机正向大型化、高压化、高经济性发展，使得故障征兆和故障原因更加复杂。 专家系统是建立在该领域专家的实践基础上的，知识库的积累需要很长时间。 随着数值计算技术的快速发展，模拟柴油机在各种工况下的工作过程已经成为可能，可以对发动机进行燃烧分析和性能分析与仿真。
不仅可以用于计算无故障情况下的各种工况的过程参数，还可以用于模拟某些柴油机增压系统、气缸活塞部件、燃烧系统和燃油系统的故障。 然后，根据特征参数，参照相应的规范，运用各种知识和经验来识别机器状态，诊断早期故障，判断故障的位置、原因和程度，预测机器技术的发展趋势。状态，从而为确定维护决策提供技术依据。 文献[2, 3]开发的船用二冲程涡轮增压柴油机工作性能预测程序不仅可以模拟某一气缸故障，还可以模拟某些故障气缸的工作状态和性能。 模拟涡轮增压柴油机在给定工况和设定故障条件下的工作过程和运行性能，获取该故障和工况下发动机的运行参数，建立相应的故障样本集，实现船用柴油机故障诊断。 2.2 柴油机运行故障诊断策略 HJ 用于故障诊断的方法称为故障诊断策略。 故障诊断策略包括被测系统是否存在故障迹象以及故障的性质。 故障诊断实际上是根据测量获得的某些故障特征以及系统故障源与故障特征之间的映射关系，找出系统故障源的过程。 人工神经网络作为一种自适应模式识别技术，可以通过自身的学习机制自动形成所需的决策区域。 利用通过特征选择模拟计算得到的状态参数，找到对故障反射最敏感的特征信号作为神经网络的输入向量，建立故障模式训练样本集，对网络进行训练； 当网络训练完成后，对于每一个新输入的状态信息，网络都会快速提供分类结果。
基于神经网络的故障诊断仿真步骤为：首先对柴油机的工作过程进行仿真计算，得到给定工况在设定故障和无故障情况下的过程参数，通过预处理提取症状集数据，并将其归一化为网络输入模式； 第二步，用已知的样本集训练网络，然后实时输入症状向量进行测试，得到工作状态的网络输出模式； 然后对网络输出进行后处理，得到诊断结果，即故障的位置及其严重程度，为进一步处理（如趋势分析或提出处理措施）提供依据。 2.3 网络输入变量的归一化处理数据的预处理是为了使变换后的数据更容易为神经网络训练和学习，因为原始数据的幅度不同，差异太大。 如果不进行处理，测量值的大波动会垄断神经网络的学习过程，无法反映小测量值的变化。 而且，网络调整每个权重的大小，以确保它能够学习变量的相对重要性。 如果输入变量的幅值相差很大，当网络完成学习时，权重的大小也会相差很大。 事实上，很多学习算法对权值的范围都有限制，无法适应如此大范围的数据变化。 为此，需要对输入数据进行归一化处理，使网络的所有值都在一个不太大的范围内，从而降低网络训练的难度。 对船用柴油机的工作过程进行模拟后，得到给定工况和设定故障下工艺参数的实测值。 同时计算该工况下无故障情况下各位置的参数值作为基准值。
对实际测量值与参考值之间的偏差进行处理以获得用于诊断的症状集数据，并将其归一化为网络的输入模式。 2.4 柴油机故障诊断实例 如上所述，在船舶实际使用过程中，由于使用条件的变化、操作和维护不当、柴油机及其增压系统的阻塞和损坏，会导致发动机性能恶化，严重时出现故障会发生，从而影响船舶的正常运营。 为了及时处理和排除故障，必须准确判断柴油机性能恶化的原因。 使用人工神经网络方法时，需要提供一组发动机症状和故障样本作为专家知识库。 本程序根据不同航区和船舶航行时的实际情况，在不同环境温度和不同柴油机负载工况下，模拟计算给定故障状态下柴油机工况的性能参数，建立船舶柴油机症状和故障样本集，作为神经网络故障诊断系统的专家知识库。 根据船用低速增压柴油机工作过程的理论分析和实际运行经验，可确定各子系统主要部件发生故障的可能原因为故障变量，即输出变量； 同时，可以将用于区分各种故障的症状变量确定为网络输入变量。 因此，采用某船用二冲程增压柴油机工作性能预测程序，对出货量最大的MAN-B&WL-MC柴油机的工作过程进行数值模拟计算，对其各部件的故障进行模拟计算。涡轮增压系统，并获得各种迹象。 变量与其基线值的偏差。
仿真实验结果可以确定故障原因与故障症状之间的关系，从而建立涡轮增压器系统的症状/故障样本集。 用于模拟计算增压系统故障的变量包括：空气滤清器堵塞、增压器效率下降、中冷器传热恶化、涡轮防护格栅堵塞、涡轮过流部分堵塞、余热锅炉流动阻力增大或气缸进气及蔡振雄等：船舶柴油机故障在线诊断仿真技术研究 症状/故障样本集的正确判定是神经网络准确诊断故障的关键。 涡轮增压系统的1个故障对应1个样本。 为了进一步诊断故障的严重程度，对每个故障变量取2个样本，目标值分别为0.5 1。 为了反映机组运行负荷范围内症状与故障的对应关系，给出了额定负荷（100%MCR）、部分负荷（90%MCR、75%MCR）和半负荷四种工况的样本。 （50% MCR）。 考虑到远洋船舶的航行范围属于无限航区，将大气环境温度分为三段，即283~294K、294~306K、306~318K。 分别以288K、3OOK、312K为样本中心，通过大量仿真计算，得到相应的样本集（样本总数为108），用于训练径向基函数RBF神经网络诊断模型，从而实现船舶柴油机运行故障的诊断。 网络测试结果和分析表明，给定故障的输入症状分别为I级（严重故障）和I级（中度故障）。 使用训练好的RBF网络测试：1）发动机负荷变化，大气环境温度不变； 2）环度也发生变化。
网络对给定故障工况的诊断识别率非常高，几乎达到100%。 可见该诊断方法是成功的、快速的、有效的。 它不仅对柴油机故障模式具有较高的识别率，而且可以检测出严重的故障。 同时，当每个输入变量偏离样本值10%或其中一个变量偏离样本值较大时（例如个别传感器故障或数据处理错误），进行仿真实验实施。 它们的输出向量与目标向量一致。 非常接近，不会影响整体的输出模式，即对征兆信号的噪声不敏感，说明这样的网络具有很强的容错能力和抗干扰能力。 结论在线自动故障诊断是一项新兴技术，可广泛应用于对可靠性和可维护性要求较高的场所。 笔者将该技术应用到船舶自动化机舱中，对柴油机故障进行巡逻检测报警和工况预测。 可以及早诊断故障并进行适当的修复。 这不仅可以防止突发事故，保证维护安全，而且可以降低维护成本，提高设备利用率，带来巨大的经济效益和社会效益。 我们也将进一步开展该领域的研究工作柴油机增压器故障诊断，使船用柴油机故障诊断技术更加实用化、智能化。 [参考文献] [1]， clH。 船舶动力装置技术诊断[M]. 陈民阳译. 大连：大连海事大学出版社，1992．9．[2]翁泽民，黄绍珠． 大功率船用二冲程涡轮增压柴油机运行性能预测[J].
集美航海研究所，1994，12（2）：1-7。 [3] 翁泽民，黄绍珠，蔡振雄，等。 船用涡轮增压柴油机运行性能故障模拟计算[J]集美航海学院学报，1998. 16(4):1-6 [4] 黄家良，翁泽民，张俊东，等。 大型低速柴油机增压系统故障诊断研究[J]. 大连海事大学，2O9O(1)：9-13。 [5]满益新型船舶机械维修技术[M]大连：大连海事大学出版社，-87． 集美大学(自然科学版)第5期--xlong,-liang,-rain(I)叏【. d" 血.~ty,X/.中国) Absad:. ariI
----------------------------
这是船舶柴油机配件采购平台。
微信客服
微信公众号
