研究的目的和意義

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

柴油發電機故障診斷方法概述

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

　柴油發電機的故障診斷近年來取得了長足進展，總結出來的診斷方法也很多，目前國內外在柴油發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。它以系統最不希望發生的事件為頂，向下逐層找出導致該系統事件發生的各種因素(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系，并對系統中發生的故障事件，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、故障影響和故障發生概率。

　故障樹分析法既可以用于對整個系統進行定性分析，也可以用于對系統進行定量分析，即應用數理邏輯找到故障樹的結構函數，確定頂事件發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有更深入的認識，對有關系統結構、功能、故障及維修保障的知識更加系統化。

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的主要的研究方向之一，已經取代了基于案例的方法。模型是實際被診斷系統的近似描述。基于模型的診斷方法即利用從實際系統或器件中得到的觀察結果和信息，通過模型對故障進行預測。基于模型的方法采用的是多級方式，首先用高級模型對系統整體進行初級診斷，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電機故障診斷方法。由于發電用柴油機是一種高轉速的往復式動力機械，無論是在其工作過程中還是性能監測中，缸蓋振動信號是反映柴油機內部各部件之間關系的極其敏感的參數，它是缸內氣體燃爆壓力、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。這些特征參數由于測量比較直接，可以用于在線監測，同時也可作為其它各種診斷方法的特征提取參數，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、油質的變化、含鐵量的變化進行整體磨損狀態分析，來判斷柴油機的磨損狀態及故障狀態。 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的分析技術，包括鐵譜分析、光譜分析和顆粒計數法等。在具體實施中，油液分析提取信息十分方便，可以避免聲振技術存在的頻譜干擾等不足。

5. 基于神經網絡的分析方法

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

6. 基于專家系統的分析方法

　專家系統是指利用領域專家的專業知識進行推理去解決專業的高難度的實際問題的智能系統。故障診斷專家系統作為專家系統中的一個分支，是人們根據長期的實踐經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，以解決難以用數學模型來精確描述的系統故障診斷問題。

　專家系統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，大多數診斷型專家系統都是以產生式規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復雜性的方法近期在專家系統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生了根本改變，如神經網絡模型、定性物理模型、可視覺模型等，這無疑給人工智能領域注入了新的活力。

　對于船舶柴油發電機故障診斷專家系統的研究，從國內外開發的眾多系統來看，都是在注重上述特點的同時，充分突出了對基于數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。遺傳算法與傳統算法有很多不同之處，主要體現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則的控制。但這種搜索也不是盲目的，而是向全局最優解方向前進。直接使用適值函數進行適值計算，而不需要求優化函數的導數.使一些不可求導的優化函數也可用遺傳算法優化;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解，而不至于陷入局部最優解;另外它還具有智能性和并行性，利用遺傳算法的方法，可以解決那些結構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監測和故障診斷之中。

　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合應用。

8. 灰色關聯度分析法

　灰色系統理論是1982年由華中理工大學鄧聚龍教授創立并發展起來的，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、經濟及工程等許多領域獲得廣泛應用。

　灰色理論用于船舶柴油發電機故障診斷的原理是把柴油發電機系統看成是一個復雜的灰色系統，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、狀態和發展趨勢。對未來的發展做出預測和決策。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建模、關聯分析、灰色模型預測等。利用灰色系統可以實現故障的預測，其準確率高，計算量小，易于微機實現。

　該方法的學習過程涉及人工干預較少，只需收集到一定數量典型狀態的樣本經過簡單運算，即可構成典型狀態模式向量。同其他的學習方法如人工神經網絡方法相比，其學習方法不僅編程簡單，便于調試，而且再學習容易實現。實踐證明，灰色關聯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如專家系統診斷技術、遺傳算法診斷技術、神經網絡診斷技術和模糊診斷技術等都有自身的優勢，也有其自身不可克服的缺陷和弱點。然而，隨著科學技術的發展，現代設備和系統的復雜度成幾何級數在增長，對故障診斷技術的要求也越來越高，任何單一的故障診斷技術已難以適應現代復雜系統故障診斷的需要。要解決這些問題，必須在診斷方法上有所突破。一條行之有效的發展道路是：對現有較成熟的故障診斷技術通過一定的方式組合成一種新型診斷技術，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如下：將兩種或者兩種以上的故障診斷技術通過一定的方式組合起來，運用一定的診斷推理機制，充分發揮各種故障診斷技術的優點，彌補單項故障診斷技術的固有缺陷，進行綜合故障診斷的技術。

　因此，多模式組合診斷技術通用性和魯棒性強，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，轉載請注明出處：http://www.geektor.com/Article/cbcyfdjznhgzzdjsyj_1.html