（电力电子与电力传动专业论文）基于神经网络的船舶柴油发电机组的故障诊断.pdf

基于神经网络的船舶柴油发电机组的故障诊断 a b s t r a c t t h em a r i n ep o w e rs t a t i o ni sm o t i v eh e a no ft h ew h o l es h i p ss y s t e m ，a n dw h i c h s u p p l i e sp o w e rf o r t h es y s t e m g r a d u a l l yw i t ht h eh i i g hp e r f o r m a n c ea n dt h es t r u c t u r e c o m p l i c a t i o nc o m p l e xo ft h em o d e ms h i ps y s t e m ，t h ed i e s e lg e n e r a t o rs e tw h i c hc o n s t i t u t e s m a r i n ep o w e rs t a t i o na l s oi n c r e a s i n g l yd e v e l o p st o w a r dl a r g ea n dh i g hs p e e da n dp r e c i s i o n w i t ht h ew o r kp e r f o r m a n c ec o n t i n u o u s l yi m p r o v i n g , t h ed e g r e eo fa u t o m a t i n gi sh i g h e r o n t h eo n eh a n di tw i l lr i s et ot h er a t eo fp r o d u c t i o n , r i s et h ee l e c t r i cp o w e rq u a n t i t yo ft h es h i p s s y s t e m ，l o w e rt h em a i n t a i n i n gc o s ta n de n e r g yc o n s u m i n g ；b u to nt h eo t h e rh a n d ，t h ep r o b l e m b r o u g h ti st h a to n c es o m ep a r to rs o m e al i n ka m o n gt h e mg o w r o n g ，w h i c hu s u a l l yw i l lm a k e t h ew h o l es h i p ss y s t e mi np a r a l y z e ，s oi td i r e c t l yo ri n d i r e c t l yr e s u l t si nh u g ee c o n o m yl o s s ， e v e nr e s u l t si nt h ek e ye q u i p m e n t sd a m a g e ，a n de n d a n g e r sp e o p l es a f e t y t h e r e f o r e ，h o wt o q u i c k l yj u d g et h er e a s o no ft h ef a u l ta n da v a i l a b l ye l i m i n a t et h ef a u l t s ，a n dg u a r a n t e et h e s h i p sc o n t i n u i n gt h en o r m a lv o y a g eh a ss p e c i a li m p o r t a n tm e a n i n g s u n d e rt h i sb a c k g r o u n d , t h et o p i ci sm a i n l yf o c u so nf a u l td i a g n o s i so ft h em a r i n ep o w e r s t a t i o n i no r d e rt oo b t a i nt h es a m p l es e t sw h i c hh a v et h et y p i c a lc h a r a c t e r i s t i c , i ti ss e p a r a t e l y s e tu pt h em o d e lo ft h et h e r m o d y n a m i c sw o r kp r o c e s so ft h ed i e s e le n g i n ea n ds e tu pt h e g e n e r a t o ra n dt h ee x c i t a t i o ns y s t e mo ft h eg e n e r a t o r b yo b t a i n i n gt h ec h a r a c t e r i s t i cv a l u eo f t h ed i e s e le n g i n ea n dg e n e r a t o r sa tn o r m a lw o r ka n df a u l ts t a t e ，p r o c e s s i n gt h ec h a r a c t e r i s t i c v a l u e ，m a k i n gt h ev a l u et h ei n p u ts a m p l es e t so ft h en e r v en e t w o r k ，d e s i g n i n gt ot h eo u t p u t s a m p l e ，b u i l du pt h eb pa n de l m a nn e u r a ln e t w o r k , u s i n gt h ed a t at r a i n i n gt h en e r v e n e t w o r k , t h en e r v cn e t w o r kh a sb e e no ft h ed i a g n o s i sf u n c t i o n t h ed i a g n o s i so ft h ef a u l to r l a t e n tf a u l to ft h ep o w e rs t a t i o ni sr e a l i z e d ，a n ds a f em o v e m e n to ft h es h i p si sg u a r a n t e e d k e yw o r d s ：m a r i n ep o w e rs t a t i o n ，d i e s e l ，g e n e r a t o r , a r t i f i c i a ln e u t r i a ln e t w o r k 硕士学位论文 插图索引 图1 1 神经网络故障诊断原理框图1 0 图2 1 神经元模型 图2 2 输入扩维后的两种神经元模型1 3 图2 3 单元j 的信号流图。1 5 图2 4 单元j 与下一层单元k 的信号流图。1 6 图2 5 反向传播算法的信号流图。1 9 图2 6 基本r n n 结构2 0 图2 7e l m a n 神经网络的模型2 1 图2 8 神经网络模式识别功能的诊断结构图2 3 图2 9 层次分类故障诊断模型2 5 图3 1 气缸内工作过程模拟用简图。2 8 图3 2 气门瞬时位置几何关系。 图3 3 进、排气瞬时流通截面积查询表 图3 4 流量系统查询表 图3 5 柴油发电机单机系统数学模型结构图。 图3 6 同步发电机d 、q 轴电气示意图 3 2 ：3 2 3 9 图3 7 励磁系统仿真模型。4 2 图4 1 柴油机热力学工作过程仿真模型 图4 2 压力仿真波形 图4 3 温度仿真波形 图4 4 同步发电机仿真模型 图4 5 同步发电机正常启动时仿真波形 图4 6 相接地短路时仿真波形 图4 7a 、b 两相短路时仿真波形。 图4 8 、b 、c 三相短路仿真波形 图5 1 故障诊断层次图 图5 2 故障诊断流程图 图5 3 柴油机故障诊断印神经网络拓扑结构。 4 7 4 7 4 8 。5 0 图5 4b p 神经网络训练结果。5 5 图5 5 即网络训练结果( 发电机) 图5 6e l m a n 神经网络训练结果( 发电机) n l 基于神经网络的船舶柴油发电机组的故障诊断 附表索引 表4 1 柴油机原始数据4 5 表4 2 同步发电机原始数据4 6 表5 1 柴油机任一气缸的征兆样本集5 3 表5 2 测试数据5 6 表5 3 同步发电机征兆样本集5 6 表5 4 测试数据5 8 表5 5 测试测试输出结果5 9 表5 6e i m a n 网络测试结果6 0 i v 兰州理工大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究 成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经 发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明 确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名： 斗浈确 日期叩年，月，6 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授 权兰州理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以 采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 l 、保密口，在年解密后适用本授权书。 7 2 、不保密囤。 ( 请在以上相应方框内打“4 ”) 作者签名：4 凌溺 导师躲形1 x 铀 f 月咫日 上只嗜b 军 期期日日 硕士学位论文 第1 章绪论 1 1 引言 船舶电站通常是由几台同容量、同型号的柴油发电机组组成。采用圆柱形的 弹性连轴器由飞轮直接驱动发电机旋转。柴油发电机组能够提供独立的电源系统， 在部分工业领域广泛应用，如石油钻机、船舶等行业。柴油机是一种复杂的往复 式动力机械，由于其结构复杂，加之运动的往复性，使得柴油机的故障诊断变得 十分复杂。所以，近年来对柴油机故障诊断的研究工作一直是许多故障诊断研究 者潜心研究的一个难题。三相交流同步发电机以柴油机作为原动机，由定予、转 子、交流励磁机及励磁装置组成。柴油发电机组是船舶系统的电源设备，船舶系 统的可靠性首先取决于柴油发电机组的正常供电。因此，柴油发电机组的稳定运 行是船舶系统正常运行的重要组成部分。 1 2 故障诊断方法的分类与概述 实际系统可能发生的故障是各种各样的，研究故障诊断并对故障作适当的分 类，这种分类也可以从多个不同的方面进行。从故障发生的部位看，可以分为仪 表故障( 常称为传感器故障) 、执行器故障和元部件故障；根据故障性质，可以分 为突变故障和缓变故障；从建模角度出发，又可以分为乘性故障和加性故障。至 于故障诊断的方法，按照通行的分类方法可以分为基于解析模型的方法、基于信 号处理的方法和基于知识的方法三大类m 。 基于解析模型的方法是最早发展起来的，此方法需要建立被诊断对象的较为 精确的数学模型。进一步，它又可以分为参数估计方法、状态估计方法和等价空 间方法。这三种方法是虽然是独立发展起来的，但是它们之间存在着一定的联系。 现已证明基于观测器的状态估计方法于等价空间方法是等价的，文献【2 4 】讨论了 它们之间的关系。非线性系统的故障诊断的难点在于数学模型很难建立。相比之 下，参数估计方法比状态估计方法更适合非线性系统，因为非线性系统的状态观 测器的设计有很大的困难。目前，只有对某些特殊的非线性系统有研究，而通常 的等价空间方法仅适用于线性系统。 当难以建立诊断对象的解析数学模型时，基于信号处理的方法是非常有用的， 因为这种方法回避了抽取对象的数学模型的难点。而直接利用信号模型，如相关 函数、高阶统计量、频谱和自回归滑动平均过程，以及现在热门的小波分析技术。 这种方法对于线性系统和非线性系统都是适用的。 但是，避开对象的数学模型， 是这种方法的优点，也是它的缺点 基于神经网络的船舶柴油发电机组的故障诊断 基于知识的方法与基于信号的处理方法类似，也不需要系统的定量数学模型， 但它克服了后者的缺点，引入了诊断对象的许多信息，特别是可以充分地利用专 家诊断知识等，所以是一种很有前途的方法，尤其是在非线性系统领域。基于知 识的方法还可以分为：基于症状的方法和基于定性模型的方法。基于症状的方法 包括专家系统方法、模糊推理方法、模式识别方法和神经网络方法等；基于定性 模型的方法包括：定性观测器、定性仿真和知识观测器等。由于神经网络具有自 学习和能拟合任意连续非线性函数的能力，以及其并行处理，全局作用的能力， 使得它在处理非线性问题和在线估计方面有着很强的优势。另外，模糊推理，定 性观测器等善于处理不确定性、不准确性的知识，符合人的自然推理过程，与神 经网络结合，有着巨大的应用前景。 1 基于解析模型的非线性系统的故障诊断方法 非线性系统等故障诊断一般有两大方法。第一类是将非线性系统在其一个或 几个工作点附近线性化，得到一组系统的线性模型，将建模误差作为未知输入， 利用未知输入解耦技术设计残差，使其不受建模误差的影响。另一类则直接建立 非线性模型，再应用非线性观测器方法或非线性参数估计方法进行诊断。前者可 以借用成熟的线性系统故障诊断的技术，但只适用于工作点不多且工作点非线性 化程度不高的情况，有很大的局限性。后者发展还不完善，大都是针对某种特定 的非线性系统。 2 基于信号处理的方法 这类方法不需要对象的准确模型，因此适用性强。虽然，目前大多数方法都 是针对线性系统提出的，但很容易推广到非线性系统，除非其中应用了线性系统 的某些特性。 其中基于小波变换的故障诊断方法是一种新的信号处理方法，是一种时间一 尺度分析方法，具有多分辨率分析的特点。利用连续的小波变换可以检测信号的 奇异性。因为噪声的小波变化的模极大值随着尺度的增大而增大( 或由于噪声的 响应而缓慢衰减) ，即噪声l i p s c h i t z 指数处处都远小于零，而信号在突变点的 l i p s c h i t z 指数大于零( 或由于噪声的影响而等于模很小的负数) ，所以，可以用 连续小波变换区分信号突变和噪声。同样，离散小波变换可以检测随机信号频率 结构的突变。 小波网络是一种连续的非线性映射，相当于用小波基函数作为节点激活函数 的神经网络，其物理意义为近似的小波反变换，其中的参数可以通过学习方法得 到，所以它结合了小波分析与神经网络的特点。文献 5 中对柴油机的活塞敲缸和 活塞销响的两种故障的缸体振动信号进行m o r l e t 连续小波变换，作出小波变换系 数的尺度一能量谱，并提取出尺度3 2 0 范围内的最大尺度作为b p 神经网络的输入 向量，实现了对柴油机两种异响故障的诊断。文献 6 中，将小波变换和神经网络 2 硕士学位论文 的优点结合起来，运用小波变换提取滚动轴承振动信号各频率成分的能量作为故 障特征参数，将其作为神经网络的输入进行训练和故障识别 总之，小波变换不需要系统的数学模型，对噪声的抑制能力强，有较高的灵 敏度，运算量也不大，是一种很有前途的方法。 3 基于知识的方法 当前的控制系统变得越来越复杂，不少情况下要想获得系统的精确数学模型 是非常困难的，而基于知识的方法不需要精确的数学模型，因此，具有很好的应 用前景。 ( 一) 基于神经网络的方法 由于神经网络具有处理非线性和自学习以及并行计算能力，使其在非线性系 统的故障诊断方面有很大的优势。 ( i ) 神经网络诊断系统 神经网络技术代表了一种新的方法体系，它以分布的方式存储信息，利用网 络的拓扑结构和权值分布实现非线性的映射，并利用全局并行处理实现从输入空 间到输出空间的非线性信息变换。对于特定的问题适当建立的神经网络故障诊断 系统，可以从其输入数据( 代表故障症状) 直接推出数据( 代表故障原因) ，从 而实现故障检测与诊断。文献 7 中就是利用b p 神经网络编制征兆故障集，对挖 掘机电器系统进行故障诊断。 ( 2 ) 采用神经网络产生残差 文献 8 1 0 用神经网络拟合系统的正常特性，利用系统的输入重构某些特性 的参数，并与系统的实际值做比较，得到残差，从而检测故障。文献 8 对小故障， 用线性化最小二乘法估计幅值，对大故障则采用梯度算法。文献 1 0 还给出了构 造非线性估计算法的方案，并利用l y a p u n o v 理论证明了算法的稳定性。 ( 3 ) 采用神经网络评价残差 利用神经网络对残差进行聚类分析，直接得到系统的故障情况，而残差的获 得可以用各种不同的方法。文献 1 1 则是用两个神经网络，一个得到残差，一个 评价残差，得到故障信息。 ( 4 ) 采用神经网络进一步诊断 文献 1 2 利用神经网络诊断系统执行器的饱和故障。其基本思想是直接用神 经网络来拟合系统性能参数与执行器饱和故障之间的非线性函数关系，神经网络 的输出即对应了某个执行器的故障情况。 ( 5 ) 采用神经网络作自适应误差补偿 文献 1 3 给出了一种非线性观测器，其主体为线性观测器，其中的非线性补 偿项有b 样条神经网络实现。 ( 6 ) 采用模糊神经网络进行故障诊断 3 基于神经网络的船舶柴油发电机组的故障诊断 模糊方法与神经网络相结合可以在神经网络框架下引入定性知识。这种模糊 神经网络一般是在普通的神经网络的输入层加入模糊化层，在输出层加入反模糊 化层。用语言描述的规则构造网络，使网络中的权值有明显的意义，同时保留了 神经网络的学习机制。因为这种网络结合了模糊方法与神经网络的优势，较一般 神经网络有更大的针对性。文献 1 4 3 介绍了一种以可控硅整流桥各桥臂两端电压 信号作为模糊神经网络的输入信号的实时功率单元故障诊断系统。 ( 二) 模糊逻辑方法 残差评价是一个从定量知识到定量表述的逻辑决策，相当于对残差进行聚类 分析。目前，除了用神经网络进行残差评价外，也可以采用模糊逻辑。它首先需 要将残差用模糊集合来表述，然后用模糊规则“i f t h e n ”进行推理，然后通 过反模糊化得到诊断结果。 ( 1 ) 采用模糊逻辑自适应调节阈值 残差的阈值受建模不确定性、扰动及噪声的影响。阙值过小则会引起误报， 过大则会漏报，所以最好是能根据工作条件，自适应地改变阈值的大小，降低误 报率和漏报率。在难以得到精确的数学模型时，可以用模糊规则描述自适应阈值， 它可以表示为： j ( u ，y ) = j o + a j ( u ，y ) ，其中j 。= j 。( u 。，y o ) 表示系统在标称工作点 ( u o ，y o ) 处只受随机噪声影响时的阈值，增量，( “，y ) 表示无故障时，由于工作 点变化引起的建模误差队阈值的影响，可用模糊推理描述。 ( 2 ) 基于模型小波分析技术进行故障诊断 文献 1 5 用模糊化小波变换分析带宽故障特性，采用模糊数据的的局部时域 分析来进行故障检测和故障分离。使用在线和离线的学习算法来进行规则库的设 计和更新。文献 1 6 3 采用扩展的隶属函数对各类过程进行模糊评价，克服了一般 模糊方法精确度的缺点。 总之，单独用模糊方法进行故障诊断还不多见。模糊方法是一种半定量方法， 在表述知识和推理方面有独到之处。因此，一般把模糊方法与其他方法结合，以 期得到更好的结果，如前面提及的模糊神经网络，以及后面提及的定性方法等。 ( 3 ) 基于定性模型的方法 i 定性仿真 定性仿真是定性推理的一种方法，它把系统行为描述为状态转换图，系统可 能的行为则是这图中的一条路径。系统的定性模型由一组表示系统物理参数的定 性变量( 具有有限定性值，并为时间的函数) 和一组表示各参数间相互关系的定 性方程构成。定性仿真则是描述并模仿系统的结构，以确定从给定的初始状态出 发得到当前系统状态。在系统状态转换过程中，需要定义一些原语，如算数运算、 函数关系和定性微分等。利用模型、原语和定性变量的取值，在一定的算法下， 4 硕士学位论文 求取下一状态，从而得到状态转换图。在定性仿真中引入模糊定量空间方法，即 用模糊集合表示定性变量，可以得到对系统的更精确的描述。 故障诊断策略分为两类，一类是基于故障模型的，另一类是基于正常模型的。 前者用故障模型来解释当前观测结果，它需要事先了解所有故障模式，后者不需 要了解故障模式，它是根据当前观测结果是否符合所有可能的预测状态来检测故 障的。 i i 知识观测器 在基于知识的系统中知识观测器类似于解析模型中的观测器和卡尔曼滤波 器，它由四部分组成： a ) 定性模型，用来预测系统的行为，它主要是用定性仿真或符号有向图进行 推理； b ) 差异检测器，用来检测时间症状与预测症状之间的差异，可以用隶属度函 数表示； c ) 候选者产生器，根据差异提出可能的故障源，这一般用有限搜索法进行搜 索； d ) 诊断策略，用来协调整个循环搜索过程，确保模型与实际过程的症状相匹 配。显然，这种方法比传统的专家方法更简洁。 目前，关于非线性系统的故障诊断技术的研究正方兴未艾，尤其是控制理论、 信号处理、人工智能、模式识别等学科的发展，为非线性系统的故障诊断技术提 供了丰富的理论基础。 基于解析模型的故障诊断方法的主要成果仍然集中在线性系统，深入研究非 线性系统的通用故障诊断技术具有重要的意义，同时，鲁棒性问题也具有很高的 研究价值。基于信号的处理的故障诊断方法虽然发展的比较完善，但对于非线性 系统的故障诊断的应用还不多。小波变换技术是这种方法中的热点。基于知识的 方法无需系统的定量数学模型，因此对于复杂的工业过程具有实际应用价值。其 中，基于定性模型的方法近年来得到很大的发展。另外，随着人工智能的发展， 基于神经网络和模糊技术的故障诊断方法也研究的越来越深入。 1 3 柴油发电机组故障诊断方法的分类与概述 柴油发电机组故障诊断，就是在主机运行状态下或者不解体的情况下，对柴 油发电机的运行状态作出判断。它通常包括以下两个方面：发现故障：查找故 障部位及原因。近年来，故障诊断技术在现代船舶电站管理中得到了应用，为实 现无人机舱提供可靠保证。这是因为，船舶柴油发电机组故障诊断具有以下显著 作用1 ”： 1 ) 可实现趋势预报，防止发生故障。实现趋势预报，早期预测故障，查找原 5 基于神经网络的船舶柴油发电机组的故障诊断 因，排除主观估计，减少查找故障原因的时间，以提高设备的可靠性和使用效率， 增大修理间隔期，提高易损件利用率，延长寿命，降低使用经费。并可降低船舶 轮机人员的劳动强度。 2 ) 可减少船舶备件费用( 据介绍可降低备件费7 5 ) ，且可降低约5 至4 0 的维 修费用。 3 ) 可保证柴油发电机组始终在最佳状态下运行。利用诊断技术可对柴油发电 机组运转状态进行判断。控制排气污染，满足日益严格的新规范要求。 1 3 1 柴油机故障诊断国内、外发展动态 柴油机是一个复杂系统，原理涉及机械、电子、化学、热力学和传热学、流 体力学、液压等诸多领域。预测维修的发展是随着这些领域的发展而发展“”。 7 0 年代中期以后开发研制的柴油机工况诊断系统，它是传统监测系统的扩展， 增加了发动机内部参数的自动监测。即利用计算机技术、传感器技术和动态测试 技术为基础，以对柴油机热工参数的分析为手段，将所有监测信号输入计算机进 行分析计算，早期预测不正常状态，作一些趋势分析，为轮机员维修工作提供资 料，这是目前应用比较成熟的手段。 8 0 年代中期以来开发的柴油机智能诊断系统，除了采用更先进计算机网络技 术、电子通讯技术外，主要采用计算机智能程序来代替人的部分智能活动的一种 人机处理系统，应用了日益成熟的柴油机工作过程模拟计算技术、模糊逻辑技术、 多媒体技术等等，使柴油机故障诊断技术水平大大提高。包括从信息的检测到特 征抽取、状态识别到故障分析等都实现知识的引导，其实质是知识的应用和处理 过程。可见，智能诊断技术关键在于诊断专家系统的知识数量和质量“”。例如日 本三菱重工开发中速柴油机s u p e ra s o s 系统( m i t s u b i s h is u p e ra d v a n c e ds h i p o p e r a t i o ns u p p o r ts y s t e m ) 。它可以连续监测和收集主机工况数据如活塞环剖面、 燃烧压力、喷油压力等，用模糊推理技术，预先诊断出主机的症状，输出适宜的 指导。并可连续监测机舱内机械系统工况，应用智能形式显示工况参数的趋势及 特性曲线等，用人工智能诊断预测早期的问题，指导进行维修保养，避免严重事 故。s u p e ra s o s 系统能通过卫星实现船岸通讯。 国内具有代表性的机舱监测系统有：船用柴油机故障诊断专家系统有大连海 事大学开发的针对s u l z e rr n d 及m a n - b & wm c 系列柴油机的专家系统、上海海运 学院的基于b p 网络柴油机故障诊断专家系统以及武汉交通科技大学等航海院校 和科研单位也纷纷立题研究，但总体上说，国内柴油机智能诊断系统的开发刚刚 起步m 1 。 目前船舶柴油机故障诊断主要采用振动监测、热力参数分析、油液分析和利 用瞬时转速进行监测等方法。不同的诊断机理有不同的诊断方法。从应用的角度， 6 硕士学位论文 各种诊断机理和方法均有其侧重点、优点及局限性。综合利用各种信息和方法进 行状态分析和故障诊断，以完善系统或装置的功能以及提高诊断结果的准确性， 是状态监测和故障诊断技术的重要研究方向。“”。 1 1 振动分析法：利用柴油机在工作时产生的振动信号，经测试、数据分析及 处理对内部零部件的状态进行诊断。具有诊断速度快、准确率高和能够实现在线 诊断的特点。能够诊断的故障模式；柴油机滑动主轴承磨损、主轴承烧瓦故障、 滚动轴承的故障诊断，排气阀漏气故障、间隙异常，活塞一缸套间隙异常、活塞 环胶结，变速箱齿轮故障。处理手段：小波分析、神经网络、图像处理、时序分 析、w i g n e r 谱分析、局域波时频法、遗传算法等，现在很多研究是将它们改进与 相互组合。 2 ) 压力波分析：从高压油管的油压波形中提取诊断特征参数，用于柴油机燃 油系统的故障诊断。能够诊断的故障模式：开启压力低、积碳、弹簧弹力下降、 油泵渗漏、供油角异常、供油量异常、针阀卡滞。处理手段：模糊识别、神经网 络、小波分析以及波形分段符号化处理法。 3 ) 瞬时转速法：利用曲轴瞬时转速判断柴油机各缸做功能力。它使用方便、 传感器安装简单。功能：推算各缸间燃烧压力差异、气门漏气故障、估算压缩压 力、确定内燃机各缸做功状况处理手段：扭矩法、利用角加速度波动增量j 、小 波变换、时频分析法。 4 1 油液分析法：综合利用铁谱分析、油品化验、含铁量检查，通过对润滑油 中磨粒浓度、形状及大小的变化、油质的变化、含铁量的变化，进行整体磨损状 态分析，来判断柴油机的磨损状态及故障状态。油液分析提取信息十分方便，可 以避免声振技术存在的频谱干扰等不足。但价格昂贵、速度慢、分析和诊断要求 有丰富经验的技术人员。能够诊断的故障模式：缸套一活塞一活塞环磨损、齿轮 磨损、蜗轮一蜗杆磨损、滑动摩擦副磨损、滚动摩擦副磨损、海水污染、淡水污 染、重油污染。处理手段：常规分析、光谱分析、铁谱分析、电镜和e d x 能谱 分析，并用神经网络和专家系统技术处理。 5 ) 声场分析：利用发动机运转的噪声信息，采用小波分析等技术从发动机噪 声信号中提取发动机的故障信息，这种方法不需接触发动机表面，不必粘贴传感 器，不受发动机结构空间限制，而且检测系统简单能够诊断的故障模式：滑动 轴承故障、分辨各缸的工况、判断柴油机单缸失火、分辨各缸喷油器故障。处理 手段：时频分析法、小波分析，神经网络、利用自适应单元进行去除噪声干扰。 6 ) 热力参数分析法：利用船舶柴油机工作时热力参数的变化来判断其工作状 态，这些参数包括气缸压力示功图、排气温度、转速、滑油温度、冷却水进出口 温度及排放等其中，示功图包含的信息量最多，但示功图的测量难度大，特别 是压力传感器的寿命及可靠性是示功图诊断方法的主要问题。能够诊断的故障模 7 基于神经网络的船舶柴油发电机组的故障诊断 式：这和采集的热力性能参数种类有关，例如有高压油管漏油、压气机后漏气、 启喷压力变化、压气机出口堵塞、喷油器喷孔堵塞、压气机入口堵塞、涡轮机出 口堵塞等故障。处理手段：主成份法、专家系统、神经网络、模糊聚类以及它们 的相互组合。 7 ) 其它方式：其它的诊断技术还有f i s h e r 判别分析方法、分形学、故障树分 析法、贝叶斯网络、基于r c m ( 口7 靠性为中心的维修) 技术、检测扫气压力波动。 目前船舶柴油机诊断技术有如下的发展趋势： ( 1 ) 将热力参数分析法、油液分析法和振动诊断法等多种诊断方法综合应 用，利用协同学理论将各种诊断结果融合起来，提高诊断的准确性，使诊断技术 向智能化、综合化、系统化方向发展。 ( 2 ) 由传统的基于试验分析的非机理性建模方式向基于故障机理的研究方 向发展，避免目前以试验为主的统计比较法获得的判据仅适用某一种机型的弊端。 ( 3 ) 将新的信号分析和处理方法，如神经网络、模糊逻辑和小波理论等新 技术应用于柴油机信号的分析与处理中，使信号的特征参数对柴油机的故障及产 生故障的部位更加敏感，提高诊断的准确性。 ( 4 ) 由离线诊断系统向在线诊断系统发展，从对柴油机某一单个零部件故 障的诊断逐步向整机的诊断发展。 1 3 2 同步发电机故障诊断研究现状 发电机检测和诊断系统需要观测和采集发电机运行状态下许多电气的、机械 的、物理及化学的数据与特性，并建立正确的数据处理系统，最后给出说明发电 机运行异常或某种缺陷的信息。”。 故障诊断技术发展至今，已经经历了三个阶段： 第一阶段，故障诊断结果在很大程度上取决于领域专家的感官和专业经验， 对诊断信息只做简单的数据处理。 第二阶段，以传感器技术和动态测试技术为手段，以信号处理和建模为基础 的现代诊断技术，在工程中得到了广泛的应用。 第三阶段，诊断技术进入以知识处理为核心，信号处理、建模处理与知识处 理相融合，即进入智能诊断技术阶段。这也是当前故障诊断技术研究的一个热点。 其中1 ： 1 1 诊断数据处理( 或信号处理) 的主要内容是统计分析相关分析、频谱分析、 小波分析和模态分析等，其理论基础是数理统计与随机过程。 2 1 诊断建模的处理的主要内容是参数估计、系统辨识、模式辨识等，其理论 基础是系统论、信息论和控制论。 3 ) 诊断知识处理的主要内容是知识表示，知识获取和知识运用，其学科领域 8 硕士学位论文 是人工智能和知识工程。 当前一些国家采用和正在研究的发电机在线检测和诊断系统内容比较广泛， 包括定子绕组、铁心、转子、氢油水系统及机组轴系等各个方面阻”。 电气主设备故障诊断与继电保护技术的发展有赖于对故障机理认识水平的深 度和广度。对于大型机组继电保护来说，只有对发电机故障运行的暂态和稳态过 程中各物理量的变化规律进行定性和定量的精确分析，揭示故障后发电机各处的 电流、电压等电气量的分布及其变化规律，从而寻找出可测量的故障特征量，利 用这些特征量或其派生量构成继电保护实用判据，达到对已有保护方案的改进或 提出新的保护原理和方案。 发电机绕组内部故障属于内部电气不对称故障的范畴。当电机绕组内部不对 称时，其气隙磁场的空间谐波分量就很强，这些谐波磁场的转速各不相同，转向 也有正有反，因此感应出的绕组电势谐波很多。这是交流电机绕组不对称故障时 的突出特点。 在国外，美、英、俄、德、加等先进工业国家对大型发电机定子绕组内部故 障都在进行广泛而深入的研究，我国如清华大学、华中理工大学及东南大学等高 校在这方面也做了大量的研究工作，提出了一些分析方法，取得了一些具有理论 意义和实用价值的研究成果。目前同步发电机的故障诊断主要研究方向有：同步 发电机定子绕组、转子匝间短路、励磁系统及主轴的故障诊断等的研究吐”。 1 4 神经网络理论在柴油发电机组故障诊断中的应用 近年来，随着计算机技术、信号分析技术、模糊和人工智能技术的发展，柴 油机故障诊断技术得到了很大程度上的发展。尤其是非线性并行分布处理为主流 的神经网络理论的发展，为柴油机故障诊断技术的研究开辟了新的途径。通过专 家经验和对柴油机过程的模拟运算，归结出具有典型特征样本，组织构造相应的 神经网络，采用样本集对网络进行训练。使得神经网络通过学习，把样本中的输 入和目标向量之间的对应关系记忆在网络结构上。通过网络推理，可以对柴油机 进行故障诊断。 神经网络的研究始于1 9 4 4 年，目前，神经网络在柴油机故障诊断中的运用 主要有： ( 1 ) 神经网络直接用于故障诊断。挑选关键参数作为输入层，故障参数作 为输出层，利用典型样本学习得到的权值进行模式识别。 ( 2 ) 自适应神经网络模式识别。传统模式识别过程在特征提取上具有很大 的盲目性，效率低，而自适应神经网络则利用神经网络分布式信息存储和并行处 理，避开模式识别中建模和特征提取的麻烦，从而消除了模式不符和特征提取不 当所带来的影响，使得故障易于识别。 9 基于神经网络的船舶柴油发电机组的故障诊断 ( 3 ) 神经网络信号处理。神经网络用于信号处理主要是利用其最优化算法 和其智能化识别的特点。 ( 4 ) 模糊神经网络。具有准确的非线性拟合和学习能力。 ( 5 ) 神经网络与专家系统结合识别，其结合包括3 个层次。神经网络完全取 代专家系统；神经网络与专家系统浅层次结合；神经网络和专家系统深层次结合。 实践证明，神经网络只有和专家系统完全结合起来，互补长短，才能克服神经网 络的缺乏经验、无推理性以及专家系统的知识“瓶颈问题”等缺陷，到达一种较完 美的组合。 人工神经网络( a r t i f i c i a ln e u r a ln e t u o r k ) 简称神经网络，是模拟生物神经 网络的结构和功能的一种人工系统。随着研究的不断深入，有关神经网络的理论及 应用日趋成熟，相继提出了几十种神经网络模型。但应用比较成熟且最常用的是反 向传播神经网络( b a c kp r o p a g a t i o nn e t 简称b p 网络。b p 网络作为一种非线性映射， 可以逼近任意的非线性函数，所以它不仅适用线性系统，也适用非线性系统。一般 b p 网由一个输入层，一个输出层，及若干个隐含层构成，实际应用中，根据经验， 通常利用一个隐含层就基本上能满足大部分应用要求，而盲目地增加隐含层层数， 往往会使学习速度变慢，同时增加了结构的复杂性。 l 测点li 数据li 训练好的ll 诊断i l 信息r 预处理广 神经网络广_ 结果| 图1 1 神经网络故障诊断原理框图 基于神经网络柴油发电机组故障诊断方法的原理框图如图1 i 所示，通常利 用神经网络来实现学习与分类决策的功能。为了能够对模式进行分类，往往需要学 习，通过学习将系统参数结构固定下来，这也就完成了训练的过程。待识别信息经 已训练过神经网络的处理，可自动根据某一判别原则对被识别对象进行分类，最后 给出准确、及时的故障诊断结论。 通过以上论述，本文选用人工神经网络对船舶柴油发电机组进行故障诊断研 究。 1 5 论文研究内容 故障( f a u l t ) ：系统至少一个特性或参数出现较大偏差，超出了可接受的范围。 此时系统的性能明显低于其正常水平，所以已难以完成其预期的功能。 故障诊断( f a u l td i a g n o s i s ) 有广义和狭义之分。广义上它通常作为故障检测、 分离和辨识的系统；狭义上，它特指故障分离与故障辨识。 1 0 硕士学位论文 诊断模型( d i a g n o s i sm o d e l ) ：为一组静态或动态关系，它把特定的输入变量 “症状”与特定的输出变量“故障”联系了起来。诊断模型可以有许多 不同的表示方法，以与不同的故障诊断方法相对应。例如，解析模型时一种人们 熟悉的诊断模型，而神经网络、模糊逻辑系统等以特有的方式存储、表示诊断模 型。 1 5 1 关键技术及研究难点 对于神经网络的故障诊断，征兆故障样本集的正确确定很重要，要求征兆与 故障变量有正确的映射，还要求其样本集的分布具有较好的代表性，这是这种诊 断方法的难点。通常同一故障源可能会表现出多个故障征兆信息，进行故障诊断 时尽管并不一定要获得所有故障征兆信息，但仍需要足够的故障征兆信息( 至少要 覆盖并能区分所有故障源) 。所以，必须设计大量的征兆故障样本集。另外，获 取样本集最可靠方法是通过实验，人为设置各种故障测取征兆参数，经处理后获 得。但船舶电站由于系统复杂、功率大，要做大量实验耗费太大，实际上是不可 能的。所以采用故障模拟计算进行仿真实验和专家经验来获取样本集。 1 5 2 论文研究内容 本文针对船舶电站的稳定运行在行船安全中的重要性，对船舶柴油发电机组 的故障诊断进行研究。 本文研究内容主要包括： 幻对当前故障诊断方法的分类与概述作了简单的介绍，并结合赦障诊断的 当前的热点问题和柴油机和发电机组的故障诊断研究现状，选用人工神经网络故 障诊断方法对船舶电站故障进行研究。 b ) 对神经网络故障诊断的理论基础知识进行较详细的阐述。 c ) 对柴油机的热力学工作过程进行模拟计算，获取柴油机气缸工作过程中 的性能参数；对同步发电机及其励磁系统进行数学建模，获取同步发电机运行数 据。 m 对柴油发电机组运行数据进行处理，获取征兆故障样本集，建立了b p 神 经网络故障诊断模型。对柴油发电机组的气缸工作组件及其同步发电机进行故障 诊断应用实例分析。并对故障诊断模型进行训练和测试，并对结果进行分析，证 明b p 神经网络故障诊断模型的可行性。 e 1 建立e l m a n 神经网络故障诊断模型，与b p 神经网络故障诊断模型进行比 较，并对结果进行了分析。 1 l 基于神经网络的船舶柴油发电机组的故障诊断 第2 章b p 神经网络故障诊断理论基础 随着现代化科学技术水平的日益提高，尤其是计算机科学和控制科学的飞速 发展，使得系统的规模和复杂程度迅速的增加，设备的完全性和可靠性越来越突 出。安全保障已经逐渐成为系统运行的一个重要组成部分，系统中出现的某些微 小故障若不能及时检测并排除，就有可能造成整个系统的失效、瘫痪，甚至导致 巨大的灾难性后果。因此，人们总是期望建立一套监测、预警、容错和维修机制， 伴随系统运行的全寿命周期，防止和杜绝影响系统正常运行的故障的发生和发展。 国内外大量的文献资料表明，在实际需求的牵引下，故障诊断技术的应用领 域越来越广泛，已经从传统的机械系统和电子系统，渗透到机电一体化系统、工 业自动化系统、计算机系统，以及各种广泛意义上的动态系统，包括目标识别系 统、组合导航系统等。随着物理学、数学等基础科学的不断进步，以及控制理论、 信息科学等应用科学的不断发展，为故障诊断提供了多种技术手段，成为故障诊 断技术发展的推动力量。因此，系统故障诊断技术越来越呈现出更宽泛、更深入 和更有效的发展态势心”。 神经网络技术的出现，为故障诊断问题提供了一种新的解决途径，特别是对 在实际中难以建立数学模型的复杂系统，神经网络更显示出其独特的作用。总的 来说，神经网络之所以可以成功地应用于故障诊断领域，主要基于以下3 个方面 的原因： 1 ) 训练过的神经网络能存储有关过程的知识，能直接从历史故障信息中学 习。可以根据对象的日常历史数据训练网络，然后将此信息与当前测量数据进行 比较，以确定故障的类型。 2 ) 神经网络具有滤除噪声及在有噪声情况下得出正确结论的能力，可以训 练人工神经网络来识别故障信息，使其能在噪声环境中有效地工作，这种滤除噪 声的能力使得人工神经网络适合在线故障检测和诊断。 3 ) 神经网络具有分辨故障及故障类型的能力。 2 1 b p 神经网络的理论基础 2 1 1 人工神经元模型 图2 1 表示做为n n 基本单元的神经元模型，它有三个因素： 硕士学位论文 输 入 信 号 出 i 权值 图2 1 神经元模型 小一组连接权( 对应于生物神经元的突触) ，连接强度由各连接上的权值表 示，权值为正表示激励，为负表示抑制。 b 1 一个求和单元，用于求取各输入信息的加权和( 线形组合) 。 c 1 一个非线性激励函数，起非线性映射作用并限制了神经元输出幅度在一定 范围之内( 一般限制在【0 ，1 】或【- 1 ，1 1 之间) 。 此外还有一个阈值以( 或偏置钆一o k ) 。以上作用可以用数学式表达为 一 ( 2 1 ) 唯一“i 一吼 ( 2 2 ) 儿一妒( 唯) ( 2 3 ) 式中，屯，屯，为输入信号，m ，：，m ，。为神经元七之权值，为线性组 合结果，o k 为阈值。妒(