启东中远海运海洋工程有限公司 王建新
摘要:在船舶动力系统中，柴油机是其中一种比较重要的动力供应设备。由于船舶柴油机属于机械设备，其在工作过程会产生一定的机械磨损，机械磨损到了一定的程度，可能会导致船舶柴油机产生故障，严重时可能会使船舶柴油机报废。船舶柴油机的机械磨损故障诊断和识别，可以对船舶柴油机机械磨损状态进行了解，根据船舶柴油机机械磨损程度进行一定的维护，能够有效延长船舶柴油机的寿命，降低船舶柴油机使用成本，因此船舶柴油机机械磨损故障诊断成为一个重要的研究方向。
关键词：船舶柴油机；机械磨损；诊断方法
一、船舶柴油机机械磨损故障诊断现状
当前船舶柴油机机械磨损故障主要采用K最近邻算法、聚类分析算法、神经网络算法等进行：K最近邻算法通过选择几个特征最相似的样本对船舶柴油机机械磨损类型进行识别和诊断，其船舶柴油机机械磨损故障速度快，在短时间内可以得到船舶柴油机机械磨损故障诊断结果，但是由于只凭几个最近邻就得到船舶柴油机机械磨损故障类型，结果可信度很低，经常会出现船舶柴油机机械磨损故障误判现象。
聚类分析算法通过对原始船舶柴油机机械磨损故障诊断样本进行分析，将船舶柴油机机械磨损故障划为多个类别，诊断效果要优于K最近邻算法，但是船舶柴油机机械磨损故障诊断结果对聚类中心的确定十分敏感，船舶柴油机机械磨损故障诊断稳定性差。
神经网络算法通过模拟人的大脑皮层的神经网络进行工作，具有一定的智能性和自学习能力，可以对船舶柴油机机械磨损故障类型进行识别，船舶柴油机机械磨损故障效果要优于近邻算法、聚类分析算法。在神经网络的船舶柴油机机械磨损故障诊断过程中，船舶柴油机机械磨损故障特征作为神经网络的输入向量，当前船舶柴油机机械磨损故障诊断没有考虑特征之间的差异，认为它们对船舶柴油机机械磨损故障结果的贡献相同，这与实际情况不相符，船舶柴油机机械磨损故障诊断效果有待改善。
针对当前船舶柴油机机械磨损故障存在的诊断准确率低，机械磨损故障诊断时间复杂度高等缺陷，设计了一种船舶柴油机机械磨损故障诊断的模式识别方法。首先提取船舶柴油机机械磨损故障诊断特征，采用层次分析法分析确定每一个船舶柴油机机械磨损故障特征的权值，然后将船舶柴油机机械磨损故障特征输入到RBF神经网络，建立船舶柴油机机械磨损故障诊断的模式识别模型，最后进行船舶柴油机机械磨损故障诊断实验，分析本文方法的有效性和优越性。
二、船舶柴油机机械磨损故障诊断方法
1.1层次分析方法
确定船舶柴油机机械磨损故障特征权值层次分析法是一种结合专家系统和智能技术的决策分析方法，其可对多个特征进行评价，为每一个特征设置一个权值，该权值用于描述特征对船舶柴油机机械磨损故障诊断结果的贡献。层次分析法的特征权值确定过程如下：
1）构建层次结构。通常情况下，层次分析法将问题的模型划为目标层、准则层和方案层，上下层之间存在一定的联系，对于船舶柴油机机械磨损故障诊断特征来说，目标层为船舶柴油机机械磨损故障识别率，准则层为船舶柴油机机械磨损故障特征，方案层为船舶柴油机机械磨损故障类型。
2）建立比较矩阵。为了使船舶柴油机机械磨损故障诊断结果可以量化分析，对同一层上的不同元素，根据元素重要性构造判断矩阵，，具体如下：
.png)
式中，aij表示元素ai与aj相对重要性，判断矩阵A的特性如下：
.png)
3）根据判断矩阵得到船舶柴油机机械磨损故障特征权值。估计A的最大特征值入max，并根据式（3）计算对应的船舶柴油机机械磨损故障正特征向量W。
.png)
对W进行归一化处理，得到船舶柴油机机械磨损故障特征的权值向量。4）计算判断矩阵的一致性指标，具体如式（4）所示，然后根据矩阵的阶数得到一致性指标RI，并根据式（5）计算一致性比例CR。
.png)
如果，那么表示对判断矩CR<0:1阵A比较满意，则可以得到船舶柴油机机械磨损故障特征权值。
1.2船舶柴油机机械磨损故障诊断的模式识别步骤
1）采集船舶柴油机机械设备的振动信号，从振动信息中采用小波包分析算法提取船舶柴油机机械磨损故障的特征，并组成特征向量。2）采用层次分析方法对船舶柴油机机械磨损故障特征进行分析，根据它们对船舶柴油机机械磨损故障诊断贡献程度确定最优的特征权值。3）根据特征权值对船舶柴油机机械磨损故障诊断学习样本进行重建。4）采用RBF神经网络对船舶柴油机机械磨损故障诊断学习样本进行学习，并通过梯度下降算法确定RBF神经网络的参数，得到船舶柴油机机械磨损故障诊断的模式识别模型。5）将船舶柴油机机械磨损故障诊断特征作为最小二乘支持向量机的输入向量，船舶柴油机机械磨损故障类型作为最小二乘支持向量机的输出向量，对最小二乘支持向量机进行学习。6）采用10折交叉验证法确定最小二乘支持向量机的参数，建立船舶柴油机机械磨损故障诊断分类器。7）采用船舶柴油机机械磨损故障诊断分类器对待分类样本进行测试，并输出测试结果。
2.3船舶柴油机机械磨损故障诊断率
采用没有层次分析法的RBF神经网络的船舶柴油机机械磨损故障诊断方法进行对比测试，2种方法的船舶柴油机机械磨损故障诊断率。经过研究可以看出，对于船舶柴油机机械正常状态，本文方法诊断十分理想，达到100%，而对于船舶柴油机机械磨损故障，诊断率超过90%，而对比方法的船舶柴油机机械磨损故障诊断率却低于85%，没有达到船舶柴油机机械磨损故障诊断的实际应用要求。对比结果表明，本文方法通过引入层次分析方法可以合理确定船舶柴油机机械磨损故障特征权值，减少了船舶柴油机机械磨损故障诊断的误判率。
3结束语
船舶柴油机在工作过程中，经常会发生机械磨损故障，给船舶柴油机的工作稳定性带来困扰，针对当前船舶柴油机机械磨损故障存在的诊断准确率低、机械磨损故障诊断时间复杂度高等缺陷，设计了一种船舶柴油机机械磨损故障诊断方法。为了提高船舶柴油机机械磨损故障诊断效果，设计一种船舶柴油机机械磨损故障诊断的模式识别方法，并与其他方法进行验证性测试。结果表明，本文方法获得了理想的船舶柴油机机械磨损故障诊断效果，具有推广前景。
参考文献
[1]王鑫, 郭岩松. 船舶柴油机机械故障诊断与处理分析[J]. 船舶物资与市场, 2019, No.160(06):36-37.
[2]林颖毅, 陈勇. 摩擦磨损对船舶柴油机可靠性的影响分析[J]. 黑龙江科技信息, 2018, 000(012):44-45.
[3]王欢欢. 基于声发射的柴油机早期故障诊断研究[D]. 太原理工大学, 2017.
[4]杨东, 宋汉江, 霍柏琦,等. 基于特征相关分析的柴油机故障诊断方法研究[J]. 现代制造工程, 2018, 459(12):147-152.
[5]温继峰. 单缸柴油机容易忽略的故障原因[J]. 广西农业机械化, 2019, 000(003):13.
[6]刘兴俊. 船舶柴油机机械磨损故障诊断方法研究[J]. 舰船科学技术, 2018, 40(18):107-109.