船舶主动力装置故障诊断系统设计与实现2741.docx

11 船舶主动力装置故障诊断系统设计与实现郑元璋，陈陈锋（上海船舶舶运输科学学研究所，上上海 20001355）摘 要：船舶主动动力装置的的故障诊断断对船舶的的安全运行行具有重大大意义。目目前的研究究集中于使使用人工智智能、模式式识别等进进行故障诊诊断算法的的设计和仿仿真，而缺缺乏把故障障诊断作为为与船舶其其他系统有有机结合的的一个系统统来研究。为此，设计了基于船舶网络平台的诊断系统，把来源于平台的基础数据进行格式转换，采用神经网络诊断，并以直观的形式实时显示训练过程，包括网络输出的动态曲线和权值阈值的网格表示，并以文字的形式给出明确的诊断结果。利用此系统，可以充分发挥网络平台的优势，对装置故障进行有效诊断和预测，为船舶管理提供辅助决策。关键词：船船舶、舰船船工程；主动力装装置；故障障诊断；神神经网络；网络平台台；系统结构构；数据输输入；格式式转换中图分类号号：U6644.1 文献标标识码：AFaultt Diaagnossis SSoftwware for Mariine MMain Propuulsioon PlanntZHENGG Yuaan-zhhang， CHEEN Feeng(Shannghaii Ship and Shippping Reseearchh Insstituute，Shannghaii 2000135，Chinna)Abstrract：The diaggnosiis off marrine mainn proopulssion plannt iss impportaant ffor sships saafe ooperaationn. Whhile mostt of currrent reseearchh foccusess on desiign aand ssimullatioon off fauult ddiagnnosiss alggoritthm, thiss dessign putss fauult ddiagnnosiss as a syystemm whiich iinteggratees wiith ootherr vesssel systtems. Thee feaaturees off dessigneed diiagnoosis systtem aare as ffolloows. It iss bassed oon neetworrk pllatfoorm, the basiic daata wwhichh is for nneuraal neetworrk diiagnoosis comees frrom hhistooricaal daata aand rreal-timee datta off marrine netwoork pplatfform; Thee diaagnossis ssysteem inn reaal-tiime ddispllays traiiningg prooceduure iin thhe inntuittive formm, inncludding dynaamic curvve off nettworkk outtput and gridd dissplayy of weigght aand tthressholdd. The diiagnoosis systtem ggivess a cclearr diaagnosstic resuult in thhe foorm oof teext. Usinng thhis ssysteem, iit caan fuully takee advvantaages of nnetwoork pplatfform and effeectivvely diaggnosee andd forrecasst maain proppulsiion plannt faailurres, it ccan pproviide ddecission-makiing aidss forr shiip Maanageementt.Key wwordss： Shipp、Navval eenginneeriing；Mainn Proopulssion Plannt；Faault Diaggnosiis；Neeurall Nettworkk；Netwoork PPlatfform；Systtem SStruccturee；Datta enntry；Formmat CConveersioon9船舶主动力力装置是一一个复杂的的系统，对对管理人员员要求知识识面很广，往往往装置出出现一个小小小的故障障，有时甚甚至仅仅是是一种操作作失误而造成严重重后果，故故迫切需要要提供一套套故障诊断断辅助决策策系统，以以帮助管理理人员在海海上能独立自主主地排除故故障。主动动力装置故故障诊断的的研究开始始较早，早早期使用的的传统诊断断方法效果果不理想，当当前广泛采采用人工智智能1 2和模式识识别34的的方法，但但这些研究究大多集中中于诊断算算法的设计计及仿真，而而把它作为为船舶上一一套辅助系系统来研究究，使之真真正能应用用在船舶上上的并不多多。本文所所研究的就就是在船舶舶监控网络络平台提供供的历史和和实时数据据基础上，如如何设计具具有实用性性的船舶主主动力装置置故障诊断断系统。1 船舶主主动力装置置分层诊断断模型本文设计的的诊断系统统的诊断对象象除了作为为主动力装装置的核心心设备主机，还包包括轴系、舵桨装置、控控制系统和和其它辅助助设备等，其其分层诊断断模型如图图1所示。改改变了以往往只关心柴柴油机故障障24而忽略略了系统问问题。图1 分层层诊断结构构Fig.11 Layyeredd diaagnossis sstruccturee2 系统结结构和功能能设计2.1 网网络结构图2 网络络结构Fig.22 Netwoork sstruccturee 本诊断系统统的设计是以船舶监控控网络平台台为基础，该该平台对船船舶主动力力装置的各各种热工参参数及运行行工况具有有完善的监监测功能并并可将所有有历史数据据进行海量量存储或回回放，其数据采集集的实时性性、完整性性、可靠性性均是以往往的系统无无法比拟的的，一套完完整、实时时的基础数数据库是诊诊断结果有有效性的强强大保证。诊断系统的的网络结构构如图2所示，在服务器器上放置了了历史数据和和实时数据。诊诊断软件安安装在客户户端上（客户端按需需要可安装装多台）。通通过路由器器从服务器器传来的数数据进入诊诊断软件，经经过人工智智能诊断输输出结果供供用户辅助助决策。客客户端数据据库存放了了故障输入入输出关系系，随着关系系的增加和和更新，本本系统功能能也随着扩扩展。针对对不同的机机型，只需需修改故障障输入输出出关系，诊断程序本本身不需要要改变，满满足普遍性性。2.2 系系统设计整个系统主主要由2个数据库库和3个主模块块组成。服服务器上的的数据库提提供神经网网络运算所所需的训练练数据和测测试数据，采采用满足CC/S结构构的SQLL Serrver，本本机上的数数据库存放放了神经网网络训练和和诊断时的的一些参数数，采用AACCESSS。3个主模块块为数据格式转转换模块、神神经网络运运算模块和曲线绘制制模块，各个模块块间的接口口和数据流流向如图33所示。系统的工作作过程和数数据流向如如下：1）用户先先根据故障障名称或类类型到本机机数据库选选中某个神神经网络，这这个网络有有相应的输输入输出变变量，再根根据这个变变量名到服服务器数据据库去读取取哪几组样样本数据，通通过“数据格式式转换模块块”转换成矩矩阵。2）本机数数据库存放放了网络的的初始权值值阈值（字字符串格式式），通过过“数据格式式转换模块块”转换成矩矩阵。权值值阈值矩阵阵既可以显显示在网格格控件上，也也可以直接接在上面对对矩阵修改改。3）本机数数据库同时时存放了神神经网络配配置的一些些参数，如如最大训练练次数、最最大允许误误差等，这这些参数也也可以通过过界面进行行修改。4）将以上上3种参数输输入“神经网络络运算模块块”进行训练练或诊断并并使用多线线程技术实实现实时显显示训练过过程，包括括网络输出出曲线不断断趋近目标标曲线和网网格控件上上权值阈值值的不断变变化。图3 各模模块间的接接口与数据据流向Fig.33 Intterfaace aand ddata flow bbetweeen mmodulles2.3 数数据输入和和格式转换换本机数据库库（ACCCESS）表表中设计的的主要字段段及其含义义如表1所所示： 表1 AACCESSS表的主主要字段Tablee 1 MMain fielld off ACCCESS tablle字段名称数据类型说明Name文本故障名称Parammeterr_in文本输入参数IID，对应应服务器数数据库SQQL Seerverr表上的字字段Weighht_hiide文本初始隐层权权值N_MaxxErroor数字最大允许误误差Step_TraiinStaart数字服务器数据据库SQLL Serrver表表上训练样样本起始序序号首先，根据据“故障名称称”字符串到到“Namee”字段下找找到匹配的的那一项，读读出同一项项字段“Paraameteer_inn”和“Weighht_hiide”等中的内容。这项功能能由函数GGetOttherFFieldd完成。2.3.11 输入输输出矩阵字段“Paarameeter_in”中的字符符串，如：x1teest,xx2tesst,x33testt，计算逗号号个数，然然后分离成成x1teest、x2teest和x3teest等，分分别存放在在CStrringAArrayy类数组里里，x1teest等为为服务器数数据库表中中的字段名名。在这些些字段中存存放了一连连串douuble型型数据，把把起始点SStep_TraiinStaart和终终止点Sttep_TTrainnStopp内的一段段数据赋给给Mm类型的的矩阵（MMm是某第第三方类库库的矩阵类类型），这这样完成了了样本数据据的输入。这这项功能由由函数PaaraInnOut22Mm完成成。2.3.22 权值阈阈值矩阵由函数GeetOthherFiield读读出了字段段“Weigght_hhide”中的矩阵阵，存放格格式为和MMatlaab中矩阵阵写法相同同的字符串串CStrring，如如：0.68822,00.81009;0.42100,0.11465;0.83325,00.42118。先先以分号为为标志把MM*N矩阵阵分离成MM个字符串串，每个字字符串不再再有分号，如如字符串：0.68822,00.81009。再在在分离后的的字符串以以逗号为标标志分成NN个字符串串，如字符符串0.66822和和字符串00.81009。最后后把CSttringg型数转换换成douuble型型，放到MMm中各行行各列。这这项功能由由函数SttrMatt2Mm完成成。权值阈值矩矩阵可以在在网格控件件（GriidCtrrl）上直直观显示，即即把Mm矩阵元元素放在GGridCCtrl控控件中的各各行各列的的网格上，这这项功能由由函数Mmm2DisspGriid完成。反反之，网格格内的数据据也能保存存到Mm矩阵中中，这项功功能由函数数DisppGridd2Mm完成成。权值阈阈值矩阵的的格式转换换和显示如如图4所示示。图 4 矩矩阵格式转转换与显示示Fig.44 Forrmat conveersioon annd diisplaay off mattrix3 基于于LMBPP的诊断方方法基于热力参参数法，采采用神经网网络诊断，网络络训练的数数值优化技技术采用LLevennbergg-Marrquarrdt算法法（LMBBP）。考虑如图55所示的LMBPP多层网络络结构，其其中，W11、b1和和 W2、bb2分别为为隐层和输输出层的权权值阈值，ff1和f22为传递函函数，a11和a2为为网络输出出。图5 多层层网络结构构Fig.55 Mulltilaayer netwwork图6 LMMBP算法法训练流程程图Fig.66 LMBBP trrainiing pproceess对应图5的的LMBPP训练步骤骤如图6所所示。在图图6中，很很关键的一一步是如何何快速求取取Jacoobiann矩阵5。在求得得Jacoobiann矩阵的基基础上，再再结合误差差e，计算算权值阈值值的增长量量dw 5。图6中，其其他参数含含义为：外外循环步数数epocch，网络输出出ok，均方误差差mse11，目标误差差err_goall，内循环步步数in_epocch，均方误差差mse22，规定的的最大mu值mu_mmax，调调节系数ssita，最大内循循环步数mmax_iin_eppoch，最大外循循环步数mmax_eepochh。表2 网络络输出与期期望输出对对比Tablee 2 CCompaarisoon beetweeen neetworrk ouutputt andd dessiredd outpuut时间序号网络输出期望输出F1F2F3F4F5诊断结果F1F2F3F4F5101.0000 419-0.0117 920.0611 815-0.0227 62F2严重0100040-0.0000 50.5088 7270.0066 545-0.0002 82F3中等000.50050-0.0002 06-0.0009 41.1277 643-0.0881 81F4严重0001080-0.0003 33-0.0004 880.1522 1060.3622 187F5中等00000.54 诊断实实现举例以文献66中涡轮增压压系统故障障诊断为例例，借助其其神经网络络的输入输输出关系和和样本数据据，进行编编程算法的的验证和系系统的实现现。输入变量：X1排气气总管温度度；X2扫扫气箱压力力；X3各各缸平均燃燃烧最大爆爆发压力；X4增压压器转速；X5扫排排气道压损损系数；XX6压气机机出口温度度；X7扫扫气箱温度度；X8反反映柴油机机负荷的一一个参数。输出变量：F1正常常工况（无无故障）；F2增压压器效率下下降；F33空冷器传传热恶化；F4透平平保护格栅栅堵塞；FF5透平通通流部分堵堵塞。设计训练样样本时，输入变变量的数值值需归一化到-1,1范围围内：求取取输入变量量与无故障障下基准值值的偏差值值，再除以以最大偏差差值。将输出变量量按严重程度度分成三级级，即严重重故障（Fi=1）、中等等故障（Fi=0.5）和无无故障（FFi=0）。按照文献6提供供的训练样样本对LMMBP网络络进行训练练，网络一一些基本参参数为：33层网络，隐隐层9个神神经元，输输出层5个个神经元，隐隐层传递函函数为Taansigg双曲正切切S型，输出层传传递函数为为Pureelin线线性。按照文献6提供供的测试样样本进行诊诊断，得出出表2的44次诊断情情况，证明明网络能有有效诊断。如图7所示示，网络输输出一方面面以曲线方方式显示，另另一方面在在底部编辑辑框给出一一个明确的的文字诊断断结果。图 7 诊诊断结果Fig.77 Diaagnosstic resullts5 结 语语本文在现有有数据库基基础上设计计了船舶主主动力装置置的故障诊诊断系统，其其中诊断算算法采用神神经网络，描述了LMMBP算法法的训练步步骤。介绍绍了系统的的使用环境境和网络结结构，设计计了诊断系系统的结构构，包括工工作过程和和数据流向向，并具体体设计了数数据输入和和格式功能能。利用此系统统，可以有有效发挥网网络平台数数据库的优优势，当遇遇到故障或或出现故障障趋势时，能能有效进行行诊断和预预测，为船船上的管理理人员排除除故障和设设备维护提提供辅助决决策。参 考 文 献1 孟孟宪尧，韩韩新洁，孟孟松. 优化的的BP网络络在船舶故故障诊断中中的应用J. 中国航海海，20007，（22）：85588.Meng Xiannyao，HHan XXinjiie，Meeng SSong. Appplicaationn of Optiimizeed BPP Nettworkk in Mariine FFaultt DiaagnossisJJ. NNAVIGGATIOON OFF CHIINA，22007，（22）：85588.2 白白广来. 船舶柴油油机智能监监测与智能能诊断的研研究D. 大连：大连海事事大学，22003.Bai GGuangglai. Studdy onn Inttelliigentt Monnitorring and Inteelliggent Diaggnosiis off Marrine Diessel EEnginne DD. Dalian：DDalian Mariitimee Uniiverssity，22003.3 詹詹玉龙，翟翟海龙，曾曾广芳. 基于支支持向量机机的船舶柴柴油机故障障诊断的研研究J. 中国国航海，22007，（22）：89992.Zhan Yuloong，ZZhai Haillong，ZZeng Guanngfanng. Feaasiblle Reesearrch oon Faault Diaggnosiis off Marrine Diseel Ennginee Bassed oon Suupporrt Veectorr MacchineeJ. NAVVIGATTION OF CCHINAA，20007，（22）：89992.4 王王志华. 基于模式式识别的柴柴油机故障障诊断技术术研究DD. 武汉：武汉理工工大学，22004.Wang Zhihhua. Reseearchh on Faullt Diiagnoosis of DDieseel Ennginee Usinng Paatterrn Reecognnitioon Meethodd D. Wuhaan：Wuhaan Unniverrsityy of Techhnoloogy，22004.5 MMartiin T. Haggan，Howaard BB. Dccmuthh，Markk H. Bealle. NNeuraal Neetworrk Deesignn M.北京：机机械工业出出版社，22002.6 黄黄加亮. RBFF神经网络络在船用低低速柴油机机故障诊断断中的应用用研究DD. 大连：大连海事事大学，22000.Huangg Jiaalianng. Reseearchh on Faullt Diiagnoosis for Low-speeed Maarinee Dieesel Engiine aand IIts AAppliicatiions Usinng RBBF Neeurall Nettworkk D. Dalian：DDalian Mariitimee Uniiverssity，22000.