研究的目的和意義

　柴油發(fā)電機是用途十分廣泛的發(fā)電設備，是技術(shù)密集型的產(chǎn)品，艦船電站、移動電站及各種應急電站幾乎都是由柴油發(fā)電機組組成。基于柴油機熱效率高、功率范圍大、機動性好、尺寸和質(zhì)量小等優(yōu)點，目前大部分船舶都用其作為推進主機和發(fā)電機組的原動機。船舶動力裝置中電氣設備很多，用于發(fā)電的燃油數(shù)量僅次于推進主機，居第二位。及時發(fā)現(xiàn)、診斷柴油發(fā)電機故障，對柴油發(fā)電機易損部件進行備份，并采取有效的措施，可加柴油發(fā)電機工作時的安全性和可靠性，降低柴油發(fā)電機維修費用，減少由此帶來的損失，對防止突發(fā)事故具有重大的現(xiàn)實意義。

柴油發(fā)電機故障診斷方法概述

　故障診斷技術(shù)最早于20世紀70年代初在美國問世，30多年來，故障診斷技術(shù)不斷吸收科技發(fā)展的新成，診斷的理論與應用有了很大的發(fā)展和進步，它涉及系統(tǒng)論、控制論、信息論、檢測與估計理論、計算機科學等多方面的內(nèi)容，成為集數(shù)學、物理、力學、化學、電子技術(shù)、信息處理、人工智能等基礎(chǔ)學科以及各相關(guān)專業(yè)學科于一體的新興交叉學科。

　柴油發(fā)電機的故障診斷近年來取得了長足進展，總結(jié)出來的診斷方法也很多，目前國內(nèi)外在柴油發(fā)電機診斷中主要使用的診斷方法主要有如下幾種：

1. 基于故障樹的方法

　故障樹分析(Fault Tree Analysis,簡稱FTA)是用于大型復雜系統(tǒng)可靠性、安全性分析和風險評價的一種方法。

　它是一種自上而下逐層展開的演繹法分析方法。它以系統(tǒng)最不希望發(fā)生的事件為頂，向下逐層找出導致該系統(tǒng)事件發(fā)生的各種因素(包括硬件、軟件人為因素)。然后以一種特殊的倒立樹狀邏輯因果圖(即故障樹)來表示其中的邏輯關(guān)系，并對系統(tǒng)中發(fā)生的故障事件，進行由總體到部分按樹狀逐級細分的分析。其目的是判斷基本故障，確定故障原因、故障影響和故障發(fā)生概率。

　故障樹分析法既可以用于對整個系統(tǒng)進行定性分析，也可以用于對系統(tǒng)進行定量分析，即應用數(shù)理邏輯找到故障樹的結(jié)構(gòu)函數(shù)，確定頂事件發(fā)生的概率和時間的重要程度。

　故障樹分析法還可以讓故障樹分析者對系統(tǒng)有更深入的認識，對有關(guān)系統(tǒng)結(jié)構(gòu)、功能、故障及維修保障的知識更加系統(tǒng)化。

2. 基于模型的方法

　在過去的十多年里，基于模型的方法作為智能診斷系統(tǒng)的主要的研究方向之一，已經(jīng)取代了基于案例的方法。模型是實際被診斷系統(tǒng)的近似描述?；谀Ｐ偷脑\斷方法即利用從實際系統(tǒng)或器件中得到的觀察結(jié)果和信息，通過模型對故障進行預測?；谀Ｐ偷姆椒ú捎玫氖嵌嗉壏绞?，首先用高級模型對系統(tǒng)整體進行初級診斷，再利用詳細模型對部分進行診斷，如此逐漸循環(huán)診斷，直到找到故障。

3. 基于振動信號的時域、頻域分析方法

　該方法是目前應用最廣泛的柴油發(fā)電機故障診斷方法。由于發(fā)電用柴油機是一種高轉(zhuǎn)速的往復式動力機械，無論是在其工作過程中還是性能監(jiān)測中，缸蓋振動信號是反映柴油機內(nèi)部各部件之間關(guān)系的極其敏感的參數(shù)，它是缸內(nèi)氣體燃爆壓力、進排氣門落座沖擊和進排氣門開啟氣流沖擊等諸多因素綜合造成的。振動時域特征參數(shù)主要有峰值、均值、均方幅值、方差、標準差、三次距、四次距、波形因子、脈沖因子、裕度因子等。這些特征參數(shù)由于測量比較直接，可以用于在線監(jiān)測，同時也可作為其它各種診斷方法的特征提取參數(shù)，輔助診斷。

　頻域分析主要是通過某種變換，將振動信號從時域變換到頻域，然后再進行特征提取的一種方法。

4. 油液分析診斷法

　油液分析法是這樣一種方法：綜合利用油品化驗、鐵譜分析、含鐵量檢查，通過對潤滑油中磨粒濃度、磨粒形狀及大小的變化、油質(zhì)的變化、含鐵量的變化進行整體磨損狀態(tài)分析，來判斷柴油機的磨損狀態(tài)及故障狀態(tài)。 油液分析主要分為兩大類：一類是油液本身物理化學性能的分析;另一類是油液中不潔物質(zhì)的分析技術(shù)，包括鐵譜分析、光譜分析和顆粒計數(shù)法等。在具體實施中，油液分析提取信息十分方便，可以避免聲振技術(shù)存在的頻譜干擾等不足。

5. 基于神經(jīng)網(wǎng)絡的分析方法

　基于神經(jīng)網(wǎng)絡的故障診斷技術(shù)，就是通過對故障實例和診斷經(jīng)驗的訓練學習，用分布在網(wǎng)絡內(nèi)部的連接權(quán)值來表達所學習的故障診斷知識的技術(shù)。它具有對故障模式的聯(lián)想記憶、模式匹配和相似歸納能力，從而實現(xiàn)故障與征兆之間復雜的非線性映射關(guān)系。

6. 基于專家系統(tǒng)的分析方法

　專家系統(tǒng)是指利用領(lǐng)域?qū)＜业?strong>專業(yè)知識進行推理去解決專業(yè)的高難度的實際問題的智能系統(tǒng)。故障診斷專家系統(tǒng)作為專家系統(tǒng)中的一個分支，是人們根據(jù)長期的實踐經(jīng)驗和大量的故障信息知識，設計出的一種智能計算機程序系統(tǒng)，以解決難以用數(shù)學模型來精確描述的系統(tǒng)故障診斷問題。

　專家系統(tǒng)的核心主要包括以下幾部分：知識庫、知識獲取部分、推理機、解釋部分。

　在知識表達方面，大多數(shù)診斷型專家系統(tǒng)都是以產(chǎn)生式規(guī)則或框架式進行知識表達。

　在診斷推理方面，著重于對推理邏輯和推理模型的研究。模糊邏輯作為一種降低系統(tǒng)復雜性的方法近期在專家系統(tǒng)的推理邏輯中得到了廣泛的應用。值得注意的是，最近有學者提出了基于模型的知識庫的理論，這也就使推理機制發(fā)生了根本改變，如神經(jīng)網(wǎng)絡模型、定性物理模型、可視覺模型等，這無疑給人工智能領(lǐng)域注入了新的活力。

　對于船舶柴油發(fā)電機故障診斷專家系統(tǒng)的研究，從國內(nèi)外開發(fā)的眾多系統(tǒng)來看，都是在注重上述特點的同時，充分突出了對基于數(shù)字信號處理的深層診斷知識的研究。

7. 基于遺傳算法的分析方法

　遺傳算法模擬了達爾文的“適者生存，優(yōu)勝劣汰”的自然進化論與孟德爾的遺傳變異理論。是由Michigan大學Holland教授1975年在他的專著Adaptation in Natural and Artificial 首次提出。遺傳算法與傳統(tǒng)算法有很多不同之處，主要體現(xiàn)在遺傳算法適應性強，其使用的算子是隨機的。如交叉、變異和繁殖等算子不受確定性規(guī)則的控制。但這種搜索也不是盲目的，而是向全局最優(yōu)解方向前進。直接使用適值函數(shù)進行適值計算，而不需要求優(yōu)化函數(shù)的導數(shù).使一些不可求導的優(yōu)化函數(shù)也可用遺傳算法優(yōu)化;遺傳算法具有較強的魯棒性，它能同時搜索解空間的多個點，從而使之收斂于全局最優(yōu)解，而不至于陷入局部最優(yōu)解;另外它還具有智能性和并行性，利用遺傳算法的方法，可以解決那些結(jié)構(gòu)尚無人能理解的復雜問題。由于上述特點，建立合理的模型，可以將遺傳算法用于設備的狀態(tài)監(jiān)測和故障診斷之中。

　遺傳算法應用于故障診斷從目前來看，一種是直接應用于故障診斷之中，主要用于提取特征向量，為診斷的后續(xù)處理準備;另外，研究得較多就是將其與其他的診斷方法相結(jié)合應用。

8. 灰色關(guān)聯(lián)度分析法

　灰色系統(tǒng)理論是1982年由華中理工大學鄧聚龍教授創(chuàng)立并發(fā)展起來的，以其新穎的思路和廣泛的適用性在理論與工程界引起廣泛的注意，并迅速在社會、經(jīng)濟及工程等許多領(lǐng)域獲得廣泛應用。

　灰色理論用于船舶柴油發(fā)電機故障診斷的原理是把柴油發(fā)電機系統(tǒng)看成是一個復雜的灰色系統(tǒng)，利用存在的己知信息去推知含有故障模式的不可知信息的特性、狀態(tài)和發(fā)展趨勢。對未來的發(fā)展做出預測和決策。其過程即是一個灰色過程的白化過程。灰色理論在故障診斷中的應用包括灰色系統(tǒng)建模、關(guān)聯(lián)分析、灰色模型預測等。利用灰色系統(tǒng)可以實現(xiàn)故障的預測，其準確率高，計算量小，易于微機實現(xiàn)。

　該方法的學習過程涉及人工干預較少，只需收集到一定數(shù)量典型狀態(tài)的樣本經(jīng)過簡單運算，即可構(gòu)成典型狀態(tài)模式向量。同其他的學習方法如人工神經(jīng)網(wǎng)絡方法相比，其學習方法不僅編程簡單，便于調(diào)試，而且再學習容易實現(xiàn)。實踐證明，灰色關(guān)聯(lián)度分析法對大型復雜機械設備的故障診斷是十分有效的。該方法是一種很有潛力的船舶柴油發(fā)電機故障診斷方法。

9、多模式組合故障診斷方法

　當前主要的故障診斷技術(shù)如專家系統(tǒng)診斷技術(shù)、遺傳算法診斷技術(shù)、神經(jīng)網(wǎng)絡診斷技術(shù)和模糊診斷技術(shù)等都有自身的優(yōu)勢，也有其自身不可克服的缺陷和弱點。然而，隨著科學技術(shù)的發(fā)展，現(xiàn)代設備和系統(tǒng)的復雜度成幾何級數(shù)在增長，對故障診斷技術(shù)的要求也越來越高，任何單一的故障診斷技術(shù)已難以適應現(xiàn)代復雜系統(tǒng)故障診斷的需要。要解決這些問題，必須在診斷方法上有所突破。一條行之有效的發(fā)展道路是：對現(xiàn)有較成熟的故障診斷技術(shù)通過一定的方式組合成一種新型診斷技術(shù)，以提高快速診斷、快速排故能力，滿足當前對故障診斷方法上的新要求。

　我們定義多模式組合診斷技術(shù)如下：將兩種或者兩種以上的故障診斷技術(shù)通過一定的方式組合起來，運用一定的診斷推理機制，充分發(fā)揮各種故障診斷技術(shù)的優(yōu)點，彌補單項故障診斷技術(shù)的固有缺陷，進行綜合故障診斷的技術(shù)。

　因此，多模式組合診斷技術(shù)通用性和魯棒性強，能夠加快診斷速度，降低誤診率，尤其適合于復雜系統(tǒng)的故障診斷，具有很大的工程實用價值。

　本文由伊藤動力整理編寫，轉(zhuǎn)載請注明出處：http://m.taizhouls.com/Article/cbcyfdjznhgzzdjsyj_1.html