张雷
招商局重工(重工)江苏有限公司 江苏 南通 226100
摘要：柴油机作为往复式动力机械，内部结构相对复杂，安装有大量的运动部件，柴油机故障诊断难度同样相对较高。随着科学技术的创新发展，自动化与智能化的科学应用，智能诊断技术也得到进一步的发展，并在船舶柴油机故障诊断方面得到科学应用，为柴油机稳定可靠运行提供可靠保障。基于此，本文对船舶柴油机智能诊断技术与应用进行分析探讨。
关键词：船舶；柴油机；智能诊断技术
前言：船舶柴油机故障诊断中，故障诊断技术的有效运用，能够对故障问题作出及时发现和有效解决。针对传统诊断方法，由于存在明显的局限性以及不稳定性等问题，使故障诊断的效率以及准确性等无法得到充分保证。随着智能诊断技术的创新发展，船舶柴油机故障诊断方面，智能诊断技术也获得科学应用，并表现出良好的优势和效果，充分保障船舶柴油机稳定可靠运行。
一、基于信息计算处理的诊断技术
（一）信号处理分析诊断
型号各不相同的柴油机，基于故障信号所表现出的非平稳特征与非线性特点，可以柴油机性能参数为主，通过参数变化，以此对各部件有无异常情况做出准确判断。第一，振动分析法，针对柴油机各部件，以运行状态为主，对此做出科学分析判断，基于缸盖表面所形成的振动信号变化为基础依据，该方法优势特点显著，如实时监控、监测方便等；第二，噪声分析法，故障判断方面，基于柴油机运行所产生的声响为基础依据；第三，介质分析法，对润滑油品质做出准确分析，以此对故障位置做出准确判断，可以铁谱法与光谱法等做出科学分析。有关核心技术方面，即对信号处理过程，尽管信号采集与分析相对便捷，不过，剥离有用信息则具有一定的难度，诊断结果准确性可能受到相应的影响。
（二）灰色系统理论诊断法
有关灰色系统理论，已知、未知信息保持同步，系统中分别以白色、黑色为主，代表相应的已知、未知信息，而介于两者之间，且无法准确判断的信息，则与灰色为主做出具体表示。如此，构建形成灰色系统。以灰色理论为关键基础，对柴油机故障采取科学系统诊断，即以柴油机系统为主，对此当成灰色系统，根据已知信息，发现寻找存在的特征，有关系统内部联系因素方面，则能够以特征做出直观反映，经过量化之后，采取处理、分析以及建模，使故障能够充分暴露，并对具体程度以及危害影响等方面，做出具体预测。有关推理过程，即灰色系统的去黑白化过程。针对灰色系统，优势特点方面，如小规模计算，且可完成精准预测。
（三）模糊聚类分析技术
有关模糊聚类分析，是以数学方法为主，利用模糊数学进行科学计算，发现被诊断对象所具有的故障特征，并以模糊关系为主，对故障采取相应的系统归类。针对柴油机故障，精准定位难度较大，故障发生源形式同样难以做出准确详细描述。因此，故障发生时，以“二值逻辑”方法为主做出表示，诊断结果会存在相应的偏差问题，而通过模糊推断，则能够保证相对准确。
有关模糊推理，以故障征兆的隶属度与诊断权矩阵为主，对原因所对应的隶属度做出准确计算求解。针对故障形成原因以及表象征兆，所具有的模糊关系，可利用如下式子做出准确表达：
Y=X°R
式中，Y代表原因模糊集，属于诊断输出；X代表征兆模糊集，属于诊断输入；R代表诊断权矩阵，属于模糊蕴含关系；°表示模糊诊断算子或是算法。科学系统计算，能够准确揭示故障原因以及征兆均具有一定模糊性。
（四）人工神经网络诊断技术
有关人工神经网络，可视为信息处理系统，对人类电脑结构功能做出科学模拟。同生物神经网络保持高度相似，以此完成信息传播以及储存。人工神经网络，能够对无法充分明确的矛盾以及错误信息做出科学处理，同传统技术进行对比，可对新知识做到快速精准获取，并完成在线与离线学习。同时，网络训练模式科学灵活，优势特点明显，如扩展性和容错性等。针对神经网络诊断技术，以故障实例为主，由训练系统采取诊断，并以连接权值为主，对诊断训练的理论、技术等做出具体表示。鉴于此，完成征兆与故障的非线性映射，详见图1。
图1 基于神经网络的故障诊断流程图
二、基于混合系统的智能诊断方法
基于数据、实践得知，神经网络和专家系统混合诊断，能够形成良好的优势互补，此种诊断模式优势明显。所以，基于混合系统为主，对柴油机故障诊断也具有重要的影响和作用。以各不相同智能诊断技术为主，对此加以综合运用，使优势能够形成融合互补，使诊断模式能够更为科学有效。
针对船舶柴油机，故障诊断期间，以神经网络、专家系统为主，经过科学结合，基于数值形式，采取科学系统归类。所以，使用者提出相应的问题时，以神经网络系统为主，基于非线性映射，在知识库所涵盖的数值形式的理论经验中，可对故障特征做出准确匹配，并获得科学诊断结果。同时，基于混合系统，对柴油机全部故障做出具体划分，涉及涵盖不同的附属系统，简化诊断步骤的同时，有效节省诊断所需时间。如此，各技术优势得以有效发挥，使智能诊断更加科学精准。
针对混合，有关运行原理方面，系统启动状态下，保持稳定运行时，以故障特征为主，完成准确输入，系统可结合故障信息，科学系统的完成自动检测。与此同时，构建故障原因假设集，并利用知识库，对合理度做出系统检测。发现故障，获取故障信息数据，并快速准确上传到浅层知识库，以神经网络为主，负责完成推理诊断，以解释器为主，对逻辑语言准确编译，对结果做出具体显示。不成功时，获取故障信息数据，并快速准确长传到深层知识库，采取规则逻辑推理，获取诊断结果，以解释器为主，对逻辑语言准确编译，对结果做出具体显示。
柴油机故障诊断实例：
船舶运行期间，因众多因素所形成的作用影响，有关柴油机性能方面，变化情况时有发生，严重则会产生故障问题。基于混合系统做出科学系统诊断，以故障特征为主，用于神经网络的基础样本，而有关诊断结果，则用于专家系统的知识库内附属系统的类别。比如，有关MAN B&WL MC型柴油机，以模拟计算记录为基础，待形成故障问题时，对工作过程采取重新计算，基于数值偏差值，获取故障特征和故障原因所具有的非线性关系，用于基础样本，详见图2。
图2 神经网络故障诊断系统图
基于可操作的半负荷（50%MCR）、部分负荷（90%MCR、75%MCR）、额定负荷（100%MCR）等工况，获取基础样本，对客观环境所形成的影响加以综合考虑，以大气环境温度为主，对采取科学划分，具体涵盖283K～294K、294K～306K、306K～318K，其中，288K、300K、312K是样本中心，并做出科学系统计算，最终结果用于混合系统，获取诊断结论。
经过分析，此方法效果显著。针对给定故障，以I 级严重故障，II 级中等故障的输入征兆量为主，通过RBF网络测试，在所有工况上，网络可以逐一做出准确识别，可对柴油机故障模式做出精准有效识别，并对故障影响程度做出量的预测。
结论：综上所述，船舶柴油机运行期间，智能诊断技术的应用对稳定可靠运行具有非常重要的影响和作用。所以，相关技术人员务必对智能诊断技术加以重点关注，船舶柴油机发生故障问题期间，对智能诊断技术加以科学应用，及时发现故障问题并做出有效解决，保证船舶柴油机稳定可靠运行。
参考文献：
[1]张世鸿.船舶柴油机智能远程故障诊断系统研究[J].南方农机,2017,48(011):91-91.
[2]朱学军.基于神经网络和红外线成像技术的船用柴油机故障诊断方法研究[J].舰船科学技术,2017,v.39(24):64-66.
[3]冯长宝,韩忠伟,孙沫莉.遗传算法和神经网络在船舶柴油机故障诊断中的应用[J].舰船科学技术,2016(6):40-42.
[4]刘宇.柴油机智能故障诊断技术研究[J].机电设备,2017,034(001):10-12,33.