船舶柴油机故障诊断技术探究

学术论文 2017-08-08 10:09:36
    船舶运行环境特殊,柴油机作为维持其运行的主要动力设备,在受到各项因素的影响后,很容易出现运行故障,无法满足船舶运行要求。船舶柴油机传统故障诊断技术主要为看、听、摸、闻,想要更准确地判断故障部位以及原因,需要积极应用新型诊断技术,利用更短时间来得到更准确结果,为后续维护工作提供依据。
    1 船舶柴油机故障诊断分析
    1.1 故障诊断分析
    对于船舶运行情况来看,柴油机故障发生概率比较大,在分析故障原因时,需要基于其结构复杂性,以及运行环境特殊性对各项因素进行综合分析,提高故障诊断结果准确性。船舶柴油机运动部件多、结构复杂度高,故障诊断技术难度大,需要在传统诊断技术上进行更新,积极应用新型技术与理念,准确诊断各类故障,为故障解决提供依据。船舶柴油机故障诊断,需要根据不同故障表现形式,掌握故障产生机理,从物理、化学等方面着手,根据振动、油耗、噪声、形变、磨损、气味等表现特征进行综合分析,选取适当故障特征参数,完成故障诊断[1]。
    1.2 故障诊断流程
    1.2.1 收集状态信号
    故障诊断时首先要对船舶柴油机状态信号进行有效收集,其作为故障特征信息载体,可以为诊断作业提供有效依据。一般可以应用相关传感器或辅助测试仪器对运行状态的船舶柴油机状态信号进行收集,包括噪声信号、振动信号、转速信号、压力信号以及温度信号等。
    1.2.2 信息选择提取
    对于已经收集到的所有状态信息,进行分类和处理,然后从中确定柴油机故障表现最为密切的特征信息。并对所有特征信息值进行检验,掌握其变化规律,确定设备实际运行状态。但是就以往诊断经验来看,收集到的状态信号,受外部因素干扰较大,存在大量的干扰信号在其中,无法对特征信息进行有效选择和提取,是影响柴油机故障诊断效率的关键因素。
    1.2.3 故障分析诊断
    经过对有效状态信息的提取与选择,通过专业判断后确定柴油机运行状态是否存在异常,同时利用此数据和其他补充测试辅助信息来确定故障原因和部位。基于船舶柴油机结构的复杂性,故障发生部位可能为子系统、零件或者部件等,需要通过对所得特征信息与故障源可能会对系统性能指标造成影响的程度进行评估,综合分析判断故障等级[2]。现在所应用的故障诊断方法,就是通过对所得状态特征信息与标准值的对比,判断故障部位与程度,实现各部位状态识别。
    1.2.4 决策制定实施
    在经过对特征信息的分析对比后,判断柴油机故障源与等级,预测评估其发展趋势与影响程度,以此为依据来做好维修方案的编制,合理确定维修时间。同时,还需要根据故障性质和部位,来制定相应的维修措施与维修内容,并将最终维修方向传递给维修车间,确定维修任务。待所有维修任务完成后,及时将维修记录反馈给诊断中心,并且要将整个故障诊断与维修过程产生数据信息记录并存储到数据库内,便于后期维护时有效查询,提高柴油机运行综合效果[3]。
    2 船舶柴油机传统故障诊断技术
    2.1 热力参数分析法
    应用此种方法来对船舶柴油机故障进行诊断,即利用船舶柴油机工作时热力参数变化,来判断确定其运行状态。例如气缸压力示功图、转速、排气温度、冷却水进出口温度与排放、滑油温度等,对其进行综合分析后,判断柴油机运行性能。其中,各项热力参数内,示功图所含信息最多,可以根据其来计算得到压力升高率、指示功、压缩压力,利用此来判断柴油机燃烧质量以及各缸功率是否平衡。但是示功图测量难度较高,尤其是需要通过示功图来诊断压力传感器寿命与可靠性,需要提高对此方面的重视。就船舶柴油机故障诊断技术发展水平来看,通过对曲轴转速波动来对柴油机运行状态进行监测和诊断,也可以获得可靠结果。柴油机运行时曲轴扭转波动产生转速波动,且与各缸发火相关,通过对转速波动的研究,便可以实现对缸内做功压力进行判断,并实现故障监测。
    2.2 振动分析法
    振动分析法的应用原理是,通过对船舶柴油机运行振动信号的测试、分析与处理,判断其内部各零部件状态,对故障进行有效诊断,具有准确率高、速度快等特点。目前我国应用此种方法来对船舶柴油机故障进行诊断,可以将振动传感器安装到气缸头部位,对振动信号进行收集和分析,判断诊断缸内故障,确定是否为柴油机主轴承故障,利用润滑油管路内压力波信号对轴承故障进行诊断。通过对设备表面振动信号来完成柴油机气缸、活塞、主軸承以及气阀故障诊断技术,现在已经研制出柴油机智能诊断仪DCM-Ⅱ,可以实现在不对柴油机进行解体情况下,完成故障诊断[4]。
    2.3 油液分析法
    应用油液分析法来对船舶柴油机故障进行诊断,即利用油品化验、含铁量检查、铁谱分析等,对润滑油内磨粒浓度、磨粒形状与大小滨化、含铁量变化以及油质变化等进行整体磨损状态分析,确定柴油机运行状态是否存在异常。油液分析法包括油液本身物理化学性能分析与油液内不洁物质分析两种类型,其中第二种常见方法如光谱分析、铁谱分析、颗粒计数等[5]。对比其他故障诊断技术来讲,油液分析法对船舶柴油机故障特征信息的采集和提取更为方便,可以有效避免声振技术受频谱干扰影响。
    3 船舶柴油机现代故障诊断技术
    3.1 神经网络诊断
    3.1.1 诊断原理
    神经网络诊断技术在船舶柴油机故障诊断中的应用,即通过对故障实例和诊断经验的训练学习,利用网络内分布的连接权值表达学习,具有模式匹配、联想记忆以及相似归纳等能力,可以实现故障与征兆之间复杂的非线性映射关系。
    3.1.2 诊断技术
    (1)直接诊断。直接将神经网络用于船舶柴油机故障诊断,需要选择关键参数作为输入层,输出层则为故障参数,利用典型样本学习得到的权值进行模式识别。(2)自适应识别。自适应神经网络模式识别,主要是利用神经网络分布式信息存储与并行处理,消除了模式识别中建模与特征提取存在的麻烦,避免因模式不符或者特征提取失败对诊断结果的影响,提高故障识别准确性。(3)信号处理。利用神经网络来对信号进行处理,其主要是通过最优化算法与其智能化识别特点,保证可以为故障诊断提供有效特征信息。
    3.2 专家系统诊断
    基于专家系统的智能诊断方法,主要是利用研究领域专家专业知识作为依据,对船舶柴油机故障信息进行收集和分析,推理判断故障问题部位与原因。故障诊断专家系统的有效执行,需要将长期实践经验以及大量故障信息作为基础,设计一种智能计算机程序系统,对难以利用数学模型精确描述系统故障进行有效诊断。其中,专家诊断系统主要包括知识库、推理机、知识获取部分以及解释部分,且基本上均是利用产生式规则与框架来进行知识表达。通过产生式规则知识表达,可以利用人工智能语言来降低分析难度,同时还可以使得结果更符合人的心理逻辑,知识获取更为便利,例如常见的MI系统、KES系统、Expert系统等。对于诊断推理方面,重点为推理逻辑与推理模型的研究,模糊逻辑因其复杂性低已经得到了广泛应用。并且现在已经提出基于模型的知识库理论,促使推理机制发生根本改变,包括定性物理模型、神经网络模型以及可视觉模型等,进一步提高了人工智能技术的应用效果。将专家系统应用到船舶柴油机故障诊断中,充分实现了基于数字信号处理的深层诊断知识的研究。
    3.3 混合系统诊断
    可以根据实际需求来对各种诊断方法进行组合使用,例如神经网络方法与专家系统方法组合和人工神经网络方法与模糊推理方法组合,不仅可以降低故障诊断难度,同时还可以提高诊断结果准确性。根据不同方法诊断原理,进行合理搭配,争取获得准确可靠的诊断结果。
    4 结束语
    船舶柴油机结构组成复杂度高,再加上运行环境特殊,受到外部因素干扰后很容易出现运行故障,这样就需要采取有效措施进行故障诊断,为后续维护管理工作提供依据。对比不同诊断技术特点,以降低诊断难度和提高诊断效率为基础,合理选择技术类型。
二维码.jpg
上一篇浅析GTCP131—9A/B型APU试车中低.. 下一篇汽车充电系统的故障诊断与排除
[责任编辑:花间一壶酒]