摘要：科学技术在不断发展，船舶运行也越来越趋向自动化，现代电气设备在船上的应用也越来越广泛，但是随之而来的问题也引起人们的重视，对于船舶故障的维修前的诊断工作是必不可少的步骤。本文以船舶电力推进系统为研究对象，从其组成及其故障诊断展开叙述，介绍了相关的基本知识，并简述了目前故障诊断方法的发展现状，然后进行实际案例的分析，最后探讨了其故障诊断的发展，以期通过本文的研究提高诊断的科学性以及准确度，使船舶电力推进系统诊断的发展方向随着时代的发展，更加先进。
关键词：船舶电力推进系统；故障；诊断
前言
目前，针对船舶电力推进系统故障诊断已经有了很多研究成果，但我国船舶故障诊断、维修维护方面研究起步较晚，与船舶运行实际还相差甚远，还没有构建完善的故障诊断系统，其关键技术有待研究和实践。因此，优化其故障诊断系统，优化技术工艺是十分必要的，未来其关键技术的发展也是我国需要十分关注的。
1船舶电力推进系统的组成
船舶电力推进是由船舶原动机组（柴油发电机组、燃气轮发电机组、汽轮发电机组以及燃料电池等）输出电能，再通过电机来驱动螺旋桨、喷水推进器、吊舱式推进器、直翼式推进器等诸多类型的推进器，以此为船舶提供前进动力的推进方式。
电力推进系统通常由原动机、电能分配系统与存储系统及推进组件三大子系统组成。原动机可以是柴油机、汽轮机、燃气轮机、核能反应堆+汽轮机或燃料电池。
发电机主要包括电励磁同步发电机、永磁发电机、异步发电机和超导发电机，供配电网络及保护模块由电缆、汇流排、断路器和保护装置等组成，其用于传输电能和自动识别、排除电网故障；变、配电模块则可将电能分配至船舶各个用电设备，以维持其正常运转。
电能储存系统则用于在故障状态下为重要负载提供短时电能供给。推进组件由推进电动机和变频调速器组成，推进电机可将输入电能转化为机械能，以推动船舶航行，变频调速器为推进电机输入电能并控制其转速，从而调节船速。
2电力推进系统故障诊断
船舶电力推进系统的故障诊断是指管理人员根据各种变表征运行状态的技术参数，依据标准、经验，来判断发生故障的性质、部位，预测故障动态趋势的一种技术。其实质是由当前预测未来，由现象判断本质。船舶电力推进系统在实际的使用过程中会受到很多因素影响，内在因素：舰船电力推进系统经常会因为设计制造上的缺陷、材料、安装技艺等情况的影响；在实际使用的过程中，船舶电力推进系统的工作条件较差，温度、湿度等恶劣的自然条件也直接影响着电力推进系统的安全运行；有些电气设备长期运转，设备或零件长期工作逐渐磨损，设备的性能会降低，可能会导致设备故障；在实际操作与管理中，存在不当行为，形成潜伏性的故障，影响设备安全运行。
3船舶电力推进系统故障诊断方法的发展现状
3.1基于专家系统的故障诊断
船舶电力推进系统故障特征输入专家系统构建知识库，推理机载入规则，再与知识库的知识比较，将相似的信息传入综合数据库，最后通过解释机送达用户。专家可以更新知识库中的信息，让专家系统适应设备功能升级的变化。采取上述操作能完成利用专家系统的故障诊断，鉴别输入的故障，得出诊断结论。
3.2基于模糊Petri网的故障诊断
Petri网既可以通过直观的图形表示组合模型，也可以用严谨的数学描述方式。船舶电力推进系统故障属于离散事件的动态系统，其故障通过系统中各级电压、各种保护行为得以体现，将实体和对应的事故序列联系，将其事故切除，其进程与一系列时间活动的组成相类似。通过融合其故障过程的特点，利用Petri网变迁过程的特性引入模糊理论，可以建立对其进行更加精准的故障诊断。
3.3基于蚁群算法的故障诊断
蚁群算法通过模拟蚂蚁寻找食物发现最优路径来解决复杂的优化问题。模拟蚂蚁的信息素是蚁群算法的要点，可以看作是状态量，即船舶电力推进系统中各种设备的性能指标。另外，状态变量受分布式网络的限制，每一个网络节点的信息素受它所处的位置影响，还与时间有关。在船舶电力推进系统网络诊断的训练进程中，蚂蚁算法能辨别各种船舶故障模式，以此持续修正所获得的知识，并对各知识依照类别分开。每个蚂蚁通过信息素进行知识交流，依照接受程度，各条通路所需的信息素量被不断调节。在其故障判定上，蚁群算法通过概率方式来辨别与行动，寻找最佳方向，使蚂蚁一直处于最大概率故障的道路，继而对其网络故障进行最准确的诊断。
期刊文章分类查询,尽在期刊图书馆
4船舶电力推进系统故障诊断实际案例
4.1船舶电力推进系统故障诊断过程
（1）对船舶电力推进系统故障信号进行去噪处理；由于其故障原始信号为模拟信号，因此需要进行数字化处理，变为计算机可以识别的信号，即离散化操作，然后采用信号去噪算法对其进行处理，使噪声从其故障原始信号中分离出来，得到理想的故障信号，本文方法采用双边滤波算法对其系统故障原始信号进行去噪。
（2）提取系统故障诊断特征，并构建特征向量；每一种船舶电力推进系统故障有不同的特征，因此需要提取信号的船舶电力推进系统故障特征以描述不同类型的故障，当前有小波包特征、熵值特征、能量特征等。相对于其他特征，能量特征可以更好描述船舶电力推进系统故障类型，而且提取过程更加简单，因此本文选择其进行故障诊断和识别。设第i 个能量特征为xi，共有m 个能量特征，它们组成了船舶电力推进系统故障诊断特征向量：设每组提取的船舶电力推进系统故障特征向量为[x1,x2,…,xn]，由于特征值的差异比较大，最好进行归一化预处理，使它们的值均缩放到[0～1] 范围内，防止对船舶电力推进系统故障诊断学习过程的不利影响。
（3）通过专家对电力推进系统故障类型进行标记，并与故障诊断特征进行关联；
（4）最小二乘支持向量机描述特征和电力推进系统故障类型之间的关联，设计电力推进系统故障分类器。
4.2船舶电力推进系统故障诊断方法的性能分析
选择BP神经网络的船舶电力推进系统故障诊断方法和支持向量机的船舶电力推进系统故障诊断方法作为对比方法进行仿真实验。可以得到如下结论：
（1）由于受到多种噪声干扰，系统故障有用信号被淹没，无法提取最有效的诊断特征，通过信号去噪处理，将系统故障有用信号显示出来，便于特征提取，同时可以加快船系统故障诊断速度。
（2）最小二乘支持向量机作为一种性能优异的分类算法，其可以对系统故障进行高精度的分类，使得船系统故障诊断率超过了实际应用的要求。
（3）实验数据表明，本文方法的系统故障诊断率为94.02%，BP神经网络和支持向量机的系统故障诊断率分别为85.46%和90.54%，相比较于对比方法，本文方法的船舶电力推进系统故障的误判率减少。
5船舶电力推进系统故障诊断的发展
5.1采用大数据分析技术
大数据分析有必要与数据库、人工智能技术、统计学等技术相互结合，寻找海量数据中的内在规则，提取有用的价值。数据挖掘是大数据分析技术的关键环节，可以从海量数据中提取有价值的信息。数据挖掘过程需要借助数据挖掘引擎、数据库、人工神经网络方法等技术，有时采用贝叶斯网络也可以显著提高数据挖掘的效率。大数据技术在故障数据采集和数据分析上具有良好的持续性，可以实现24 h 的故障监测和诊断，这主要得益于SQL Server 数据库具有强大的数据存储、管理和提取能力。故障诊断系统的数据挖掘引擎可以实现直接与用户进行交互，采用Python 编程语言和HTML程序，使数据挖掘引擎的人机交互性提高。
5.2建立智能化故障诊断系统
未来船舶故障诊断系统的发展方向就是智能化、数字化的故障诊断系统，尤其船舶专业化和大型化，船舶电力推进系统设备一旦发生故障后果不堪设想，因此，必须完善故障诊断系统，避免船舶航行过程中出现问题。智能故障诊断系统要采用先进的计算机技术与信息化技术，建立知识信息库，随时调取故障原理信息，运用网络技术与建模技术等，实现智能化故障分析和诊断，提高诊断的科学性与效率。
5.3新理论和方法相结合
船舶电力推进系统较为复杂，其中包括机械系统、电力系统和电子系统，还有一些非线性系统，非线性系统诊断难度极大，因此，要创新故障诊断技术与方法，要借鉴发达国家的先进经验，构建结合我国船舶型号的船舶电力推进系统诊断技术。其次，故障诊断技术要用于实践检验其科学性，实践后才能确定其性能和效率，不完善之处要及时纠正。
结语：综上所述，船舶电力推进系统对于船舶航行至关重要，其系统设备一旦出现故障会导致瘫船，严重时会导致水上安全事故，因此，必须构建科学、先进的系统故障诊断系统，准确判断出故障的位置和可能发生故障的原因，找准切入点，及时解决和处理，进而保证船舶的正常运转。船舶电力推进系统故障多种多样，故障诊断要涵盖多方面知识，要建立全面的故障诊断系统，提高诊断效率和准确性，进而使船舶维修和维护更有针对性。
参考文献：
[1]王紫叶,王沐雪.舰船电力系统的故障诊断研究[J].通信电源技术,2019,36(05)：196-197.
[2]崔正.船舶电气设备故障诊断的研究[J].山东工业技术,2019(14)：39.
[3]姚兴杰.船舶动力设备故障诊断系统关键技术研究[J].设备管理与维修,2019(02)：147-148.
论文作者:王丹萍,黄兴格
论文发表刊物:《基层建设》2019年第16期
论文发表时间:2019/8/28
标签：船舶论文; 故障诊断论文; 系统论文; 电力论文; 故障论文; 特征论文; 系统故障论文; 《基层建设》2019年第16期论文;