摘要：动力装置是船舶运行的核心装置，动力装置能否正常运转将会直接影响到船舶航行期间的稳定性与安全性，科学有效的故障诊断技术正是保障动力装置安全运转的关键。通过对船舶动力装置展开分析，并结合实际对智能故障诊断技术提出个人看法，希望为智能故障诊断技术在船舶动力装置中的应用带来参考，进而让船舶的航行效果得到进一步提高。
关键词：船舶；动力装置；智能故障诊断技术
船舶动力装置作为支撑船舶行业的关键，随着科技发展船舶动力装置变得越来越复杂，复杂性偏高的船舶动力装置在发生故障后，其维修、诊断难度也在增大。通过合理利用智能故障诊断技术对船舶动力装置进行故障诊断与监测，能够在一定程度上提高船舶动力装置的运行安全性。因此，有必要对智能故障诊断技术在船舶动力装置中的运用进行研究。
1智能故障诊断技术国内外研究现状
1.1信号获取
1）热工参数信号。爆发压力、排温等热工参数会反映出设备各个部件的运行情况，在对排气系统堵塞等异常故障判断时，可以利用该信号来进行诊断。外国学者Rubio等在监测了柴油机运行的同时完善了对应的数据库，而我国专家骆康明等则规划设计出了热工参数智能检测仪，该设备能够在运行期间针对船舶动力装置开展信号的自动检测。2）振动信号。船舶动力装置能够通过柴油机机体振动、表面局部振动等方式来完成对燃油系统、配气机构等零部件的故障诊断，利用振动信号所开展的诊断具有速度快、精度高等优势。对于船舶动力装置而言，振动信号可以在早期故障预报以及故障在线监测中发挥出应有的价值。国外学者利用雅典加速度传感器针对气缸振动信号开展了故障特征分析，在分析中发现了振动信号在不同状态下存在振动频率上的巨大差异。国内学者则结合振动信号传递提出了振动传感器的布置优化模式，这也为船舶动力装置的故障诊断提供了帮助。3）其他信号。采用激光诊断的方式能够实现对柴油机缸内燃烧过程的全面监测，而柴油机效率损失等异常问题则能够利用瞬时转矩来进行判断。智能故障诊断系统能够利用的各种信号有很多，只要能够合理进行信号利用，就能够让船舶动力装置的故障分析准确性得到大幅提高。通过多种物理信号对船舶动力装置状态的影响进行监测，可以在一定程度上为智能算法的运用奠定基础，进而保证船舶动力装置的故障检测质量。
1.2故障特征提取
1）振动信号特征提取。国外学者Charles等采用快速傅里叶变换对曲轴的扭转振动信号故障特征进行了提取，其他国外学者同样发现了提取振动信号故障特征的方法[1]。通过采用超限学习机来实现故障特征的分类，能够让异常故障诊断变得更加简单。国内学者同样对故障特征有所研究，如畅志明等便以EEMD为核心对柴油机气门间隙开展了故障特征提取。2）特征提取的作用。故障特征提取能够为船舶动力装置故障判断带来非常多的帮助，无论实时故障预测还是故障分析，都可以通过提取故障特征的方式来加强对于故障情况的了解。而且基于故障特征提取还可以对智能故障诊断技术做出进一步优化。就目前而言，国内外学者在故障特征提取这一领域已经获得了令世界瞩目的成就，很多研究成果都能够适用于船舶航行时的复杂工况，很多研究仍处于验证阶段，想要在实船故障诊断中加强对于故障特征提取的利用，还需要对相关研究进行实践与优化。
1.3故障识别与故障预测
1）故障识别。学者Kowalski等以极限学习机算法为核心专门提出了柴油机智能故障诊断方法，这种诊断方法可以在船舶柴油机中进行使用，还可以在保证响应速度的同时有效提高故障诊断时的准确性[2]。国内学者蒋一然等通过结合遗传算法与神经网络，同样提出了相关的智能故障诊断方法，国内外都针对故障识别开展了深入研究，这意味着智能故障诊断可以多种方式来进行，只要找到合适的智能故障诊断模式，就能够让船舶动力装置的故障诊断效果得到保障。2）故障预测。故障预测是故障监测模式，通过针对运行状态来进行检测能够实现对设备故障情况的判断。诸如神经网络、形态滤波等都可以作为国内外学者实现故障预测的重要参考。通过在研究期间持续推陈出新，令故障预测时的效率与响应速度不断提高，进而让船舶在航行期间获得更多保障。
2船舶动力装置智能故障诊断技术应用
2.1以智能算法为核心的船舶动力装置故障诊断平台
1）以云平台为主的数据监测系统。数据信号的获取是船舶动力装置进行智能故障诊断的先决条件，通过采用卫星通信的云平台，能够实现对船舶动力装置运行情况的远程监管，降低计算机计算存在的制约性。在此期间，通过组建完善的数据监测体系，还能够为船舶提供数据备份与共享，进而加速对智能故障诊断技术的完善。2）数据库。数据是船舶推行智能故障诊断的关键与重要资源。对于船舶而言，船舶动力装置所产生的数据具有非常多的重要信息，机械健康状况完全能够在船舶动力装置数据中有所体现。在完善智能故障诊断平台时，需要关注状态监测数据库，以此来加强对数据挖掘技术的应用。而且数据库还能够实现数据信息共享，因此船舶动力装置必须借助数据库让智能故障诊断技术真正实现实船应用。3）数据挖掘。智能故障诊断系统会对船舶动力装置机械运行状态进行监测，监测期间所产生的数据是实现故障诊断的核心。当监测数据达到一定规模后，便要通过数据挖掘的方式来实现对数据信息的筛选，船舶机械工况将有可能因为其他随机因素而受到干扰，此时的数据中往往存在非常多的无效数据，而数据挖掘则是保证数据信息有效性的一种方式。从长远角度出发，数据挖掘将成为大数据时代智能故障诊断今后的发展方向，因此必须提高对于数据挖掘技术的认知，以此来让智能故障诊断变得更好[3]。4）自学习故障诊断平台。机械设备在长期运行期间，不同工况下的运行参数往往存在非常强的耦合性，很难通过人工识别的方式来确定故障特征参数，即便利用传统理论、经验分析等方式来针对故障信号特征进行提取，也很难保证信号提取效果。通过云平台不断积累机械设备的运行参数，则能够潜移默化地增加数据样本。智能算法通过对平台的数据信息进行分析与识别，可以让数据信息的准确性有所提高。除此之外，还可以通过训练神经网络等方式来实现机械故障情况的智能判断。5）船舶动力装置状态监测。通过故障诊断平台进行船舶动力装置的状态监测，能够结合运行情况来实现故障问题预测。通过提前掌握大致的故障信息，能够在一定程度上将故障问题消除在发生之前。船舶动力装置故障监测是智能故障诊断的重要环节，状态监测可以有效降低人力、物力的消耗，并规避风险问题的发生。6）模型、数据故障诊断的融合。在专家系统中，知识库数据多数都来自于专家以及运维人员所积累的宝贵经验。这部分数据信息存在较为明显的非结构化倾向，在实船操作中，很难真正得到应用。若选择针对专家数据信息来开展总结与归纳，或者利用智能算法将内容总结到云平台数据库，可以让智能诊断系统后续的故障特征提取工作变得更加简单。
2.2智能故障诊断系统需求
1）软硬件分离。对于智能故障诊断系统而言，为了保证运行质量，必须保证软件运行期间不受终端硬件变化所带来的影响，用户若需要对硬件设备进行更换，只要通过简单的装配便可以重新运行软件功能，软硬件分离可以在一定程度上提高系统灵活性，避免因为捆绑硬件而影响到系统的正常运行。2）可定制系统分析诊断功能。船舶动力装置非常复杂，不同的设备其振动诊断模式存在明显差异性，智能诊断系统需要允许用户自行添加、删除设备信息，通过对系统振动测点、工艺测点进行合理调整，能够让系统运行变得更加具有个性化。在此期间，系统可以针对分析诊断模块来开展组态，组态结束后通过系统打包发布来提高系统价值[4]。3）海量数据管理。大型船舶的动力装置在开展故障诊断，振动测点往往多而复杂，只有长时间对船舶数据进行保存才能够有效掌握设备的实际运行情况，进而让设备状态监测以及故障诊断的处理变得更加简单。通过对海量数据进行管理优化，能够让船舶的所有数据信息发挥出极高的价值。4）系统权限管理。权限管理包括系统登录、密码等管理内容，该功能的主要作用是提高数据信息安全性，确保智能故障诊断系统得以稳定运行。系统根据使用方管理要求的不同将会给岗位用户提供对应等级的工作权限，以此来保证不同等级工作人员的正常工作。5）远程访问。授权用户在局域网内可以实现远程访问与管理，必要时还可以通过Web来完成对动力装置运行状态的判断。除此之外，系统运行期间必须具有这足够的扩展性，这样便可以在科技变得更加发达后及时完成对系统的优化与升级。
2.3故障诊断系统设计
1）系统组态分析。结合系统结构能够完成对Web、监测等子系统的规划设计，其中Web子系统能够有效提供人机互动界面，而监测子系统随着可以实现对FFT、轴心轨迹等方面的分析，不同的子系统的功能相互关联且独立。船舶动力装置存在大批量旋转机械设备，所有设备的监测诊断都具有明显差异，智能化故障诊断系统需要针对不同的设备提供对应的监测方案与分析诊断工具。传统状态监测与诊断系统会针对具体设备进行布置与跟踪，无法适应船舶动力装置所面对各种复杂环境。通过组态软件的方式来进行系统的柔性化开发，让软件更加适应外部环境变化，工控组态软件的组态模式有表格、组态字法等，不同的方法存在非常大的差异性，只有结合实际需求来选择适合的组态方法才能够满足用户的需求。表格法具有直观性，而组态字法则更加复杂，因为要针对具有特定含义的二进制字节来实现组态，所以很难保证组态效果。在船舶动力装置中，通过将组态表格法与阶梯图法相结合，能够让组态效果达到最佳，船舶动力装置对于故障诊断系统的需求。系统在设计期间可以将相同生产流程设备当作同一单元，以此来实现集中监测管理。组态期间要优先针对单元进行组态，通过添加、删除机组设备等方式来生成数据库表并交付至最终用户，然后针对测点开展组态，测点组态可以对设备振动、工艺测点进行管理，管理后所生成的数据表更加适用于用户的实际情况。2）系统实现。通过智能故障诊断系统能够实现对船舶动力装置关键设备的统一管理，例如主推进汽轮机、发电机组等关系到船舶运行安全问题的核心设备都可以在系统中完成统一管理，这种集中管理模式不仅能够让船舶动力装置在运转期间及时发现故障，还能够实现对设备各项运行数据的存储与管理，进而实现对设备运行趋势的合理分析。设备状态的有效评估能够让设备运行稳定性得到保障[5]。
3结语
智能故障诊断能够实现对系统智能化、自动化的诊断，降低故障问题所造成的影响。通过对船舶动力装置智能故障诊断进行研究，可以有效提高船舶运行质量与安全性。相信随着更多人了解到智能故障诊断的重要性以及方法，船舶动力装置的故障诊断一定会更加完善。
参考文献：
[1]古天龙,孙镇海,宾辰忠,等.基于多尺度卷积神经网络的滚动轴承智能诊断算法[J/OL].机械设计与制造:1-4[2021-11-16]
[2]王辉,徐佳文,严如强.基于深度宽卷积Q网络的行星齿轮箱故障智能诊断方法[J/OL].仪器仪表学报:1-13[2021-11-16].
[3]赵维兴,熊楠,宁楠,等.基于多源信息融合的电网多层智能故障诊断方法[J].南方电网技术,2021,15(09):9-15.
[4]马海洲,丁爱萍.人工智能技术在船舶动力装置故障诊断中的应用[J].舰船科学技术,2021,43(12):109-111.
[5]蒋佳炜,胡以怀,方云虎,等.船舶动力装置智能故障诊断技术的应用与展望[J].中国舰船研究,2020,15(01):56-67.
作者：尹毅 单位：江南造船集团有限责任公司