船舶动力装置智能故障诊断技术的应用与展望

蒋佳炜1，胡以怀*1，方云虎2，李方玉1

1上海海事大学商船学院，上海 201306 2中航鼎衡造船有限公司，江苏 扬州 225217

摘 要:动力系统作为整个船舶最核心的系统，其安全性和可靠性将直接影响船舶的安全航行，而有效的故障监测与诊断技术是保障航行安全的重要手段。首先，通过分析国内外学者在智能算法与故障诊断方面的研究进展，将船舶动力装置的智能故障诊断分为数据信号获取、数据特征提取、故障识别与预测3个环节，并总结智能算法在船舶动力装置故障诊断中所面临的问题和挑战；然后，结合智能算法的特点，探讨船舶动力装置智能故障诊断技术的未来发展趋势；最后，提议从建立基于云平台的数据监测系统、建立数据库和挖掘监测数据等方面展开深入研究，用以为船舶动力装置智能诊断的工程实践应用奠定基础。关键词：船舶动力装置；故障诊断；智能算法；特征提取；大数据中图分类号: U664.1；TP306+.3 文献标志码:A DOI：10.19693/j.issn.1673-3185.01679

10~20年内智能船舶是决定航运业发展方向的重要因素。在《2030全球海洋技术趋势》报告中，智能船舶被列为未来18项主流的海洋技术之一[5]。基于大数据的德国工业4.0 战略，通过整合网络、实体和岸海一体化智能信息服务系统，促进了传统造船业的转型和智能船舶的发展[6-7]。在《中国制造2025》战略文件中，高科技造船被列为十大重点领域之一，其中智能船舶是其重要组成部分[8-9]。在智能船舶的发展历程中，动力系统作为整个船舶最核心的系统，其安全性和可靠性将直接影响船舶的航行安全[10-12]。随着船舶向大型化、高速化、少人化和智能化的方向发展，其动力系统的自动化水平和复杂程度也在逐渐提高[13-14] ，并对动力装置的可靠性提出了更高的要求。动力装置在运行期间具有强烈的时变性且对环境条件的要求十分苛刻[13, 15]，船舶动力系统的故障发生率如表1 所示[16]。因此，有效的故障监测与诊断技术是预防船舶动力系统故障并保障航行安全的重要手段，也是实现智能船舶的必要环节。随着船舶动力系统与机舱自动化水平的不断提高，机械设备的监测数据规模呈井喷式增长，其数据种类和数据结构也愈加复杂[17-18]。如何在庞大的数据洪流中准确抓取设备的故障信息，已成为船舶动力系统故障诊断的研究热点[3, 19]。工信部于 2014 年发布的《大数据白皮书》指出，大数据为各领域带来了颠覆性的创新和全新的挑战[20]。国务院于 2015 年发布的《促进大数据发展行动纲要》明确表示，应引导和鼓励各领域在大数据分析方法及关键技术应用等方面开展探索研究[21]。

随着传感器和机械状态监测点的数量增加，船舶动力系统故障诊断正向着数据化[11, 22]、智能化[1]、高效化[10] 和准确化[23]的方向发展。挪威KYMA公司基于船舶性能参数，研制了Kyma performance monitoring 船舶监测诊断系统[24]。船用主机制造商 MAN B&W公司研制了计算机辅助性能分析（ Computer Aided Performance Analysis， CAPA）软件程序专家系统，可以对二冲程柴油机进行状态监测、故障模式识别及故障预测[25]。Jiang 等[10] 根据大量实船数据，开发了基于Access数据库的船舶动力装置故障诊断专家系统，可以有效提升船舶的运营效率。臧军[26] 基于柴油机离线诊断技术的不足，提出了利用监测数据实现柴油机在线故障诊断的研究方向。此外，ABB， GE及西门子等公司也基于大量的船舶机械状态监测数据，在船舶动力系统故障诊断方面开展了深入的研究工作。然而，由于船舶动力设备自身结构和运行机理的复杂性，及其工作环境的多变性，目前故障诊断工作的数据分析、处理与诊断均面临着重重困难。综上所述，动力设备的状态监测数据已成为故障预测与诊断的重要资源，而对于具有一定规模数据量且时间连贯性较强的数据集来说，如何采用恰当的智能算法解析运行状态数据，是智能船舶故障诊断的关键技术。通过实施智能故障诊断，可以提取大量监测数据中蕴含的多域故障信息、识别设备故障、监测设备状态并预测运行寿命，从而突破传统故障诊断高度依赖专家和技术人员的瓶颈，解决船舶远航时缺乏专家指导则难以维修的问题[27]，最终为智能船舶和无人船舶技术的发展打下坚实基础。

1 国内外研究现状

船舶动力装置的智能故障诊断过程可以分为数据信号获取、数据特征提取、故障识别与预测3个环节[28-29] ，如图 1所示，下文将选取国内外近年来具有代表性的研究工作予以综述。

1.1 数据信号获取

在船舶动力系统中，通过传感技术监测并获取机械装置的运行状态，是开展故障诊断工作的基础。设备故障信息大多存在于热力学、动力学、摩擦学、声学等物理场中，目前国内外学者已