舰船电力推进系统故障诊断技术研究

王孟莲 马丹 沈枫 龙飞

（1. 中国船舶重工集团公司第七一二研究所, 武汉 430064; 2. 武汉理工大学能源与动力工程学院, 武汉430063）

舰船综合电力系统（IPS）是基于美国海军国防部及相关部门提出的用于下一代舰船平台的集成系统。IPS具备诸多好处，如具有灵活的结构，完善的生存能力和隐蔽性，提高了战斗力，降低了全寿命周期成本等。近年来在全球范围内进行了重要的研究和开发，目的是获得这项技术，使之成为全电力船的动力基础。电力推进系统是IPS体系架构中的重要组成，提供舰船的航行功能和动力定位需要，其可靠性直接影响舰船的安全性和机动性[1]。

随着故障检测和故障诊断技术在控制领域的应用和发展，为提高电力推进系统的可靠性、可维护性、有效性和安全性开辟了一条新途径。所谓故障检测（fault detection）即确定系统发生了故障。而故障诊断（fault diagnosis）是指在故障检测之后，确定故障种类及大小、故障发生的时间及部位，广义的故障诊断定义也包含了故障检测的内容[2]。

舰船电力推进系统的故障诊断属于电力设备故障诊断的范畴，是保证电力推进监控系统可靠工作的重要保障和关键技术。对电力推进系统进行故障诊断技术研究，是设计一个性能优越的电力推进监控系统的基础[3]。

1 国内外研究概况、水平和发展趋势

故障诊断技术的发展在经历了基于感官和简单仪表、基于硬件冗余、基于解析冗余的阶段之后，已经进入基于解析冗余的故障诊断方法的成熟时期和智能方法的发展时期。传统的诊断技术已不能适应系统的日趋复杂化、智能化及光机电一体化，随着计算机技术的发展以及人工智能技术特别是专家系统的发展，诊断技术进入智能化阶段。20世纪80年代中后期，一部分学者开始把神经网络应用于控制系统故障诊断方面，作了一些成功而有益的尝试。利用神经网络进行故障诊断不需要精确的数学模型，引入了诊断对象的许多信息，特别是可以充分利用专家诊断知识等，因此具有良好的应用前景，尤其是在非线性领域。另外基于模糊推理、模式识别以及专家系统等智能诊断方法也逐渐发展起来。尤其是近年来，智能诊断方法因为不需要精确的数学模型，成为针对复杂系统的首选故障诊断方法[4]。

舰船电力推进系统的故障诊断属于电力设备故障诊断的范畴，电力设备的故障与其征兆之间的关系错综复杂，具有不确定性及非线性，而人工智能方法恰好能发挥其优势，故目前的电力设备故障诊断系统多借用人工智能技术，其诊断分析方法一般可归纳为四类：(1)基于信号变换的诊断方法：电力设备的许多故障信息是以调制的形式存在于所监测的电气信号及振动信号之中，常用的信号变换方法有希尔伯特变换和小波变换。基于信号变换的故障诊断方法在电力设备故障诊断的实际应用中取得了很多成果；尤其是小波变换，很适合于探测正常信号分析中夹带的瞬态反常现象并展示其成分，在电力设备故障诊断中占有重要地位。但基于信号变换的诊断方法缺乏学习功能。(2)基于专家系统的诊断方法：该方法是根据专家以往经验，将其归纳成规则，并运用经验规则通过规则推理来进行故障诊断。基于专家系统的诊断方法具有诊断过程简单、快速等优点，但也存在着局限性，基于专家系统的方法属于反演推理，因而不是一种确保唯一性的推理方法，该方法存在着获取知识的瓶颈。对于复杂系统所观测到的症状与所对应故障之间联系是相当复杂的，专家经验归纳成规则往往不是唯一的并且有相当难度。(3)基于人工神经网络（ANN）的诊断方法：简单处理单元广泛连接而成的复杂的非线性系统，具有学习能力，自适应能力，非线性逼近能力等。故障诊断的任务从映射角度看就是从征兆到故障类型的映射。用 ANN技术处理故障诊断问题，不仅能进行复杂故障诊断模式的识别，还能进行故障严重性评估和故障预测，由于ANN能自动获取诊断知识，使诊断系统具有自适应能力。但 ANN方法也存在训练样本获取难，训练样本需求量大，算法收敛速度慢且易陷入局部最优解的缺点。(4)基于集成型智能系统的诊断方法：随着电力设备系统越来越复杂，依靠单一的故障诊断技术已难满足复杂电力设备的故障诊断要求，因此上述各种诊断技术集成起来形成的集成智能诊断系统成为当前电力设备故障诊断研究的热点。主要的集成技术有：基于规则的专家系统与ANN结合，模糊逻辑与ANN结合，混沌理论与ANN结合，模糊神经网络与专家系统结合。

2 电力推进控制系统结构与功能模型

典型电力推进系统主要设备是主推进装置，由推进变压器、推进变频器、推进电动机及螺旋桨组成。针对电力推进系统这个控制对象设计的控制系统组成框图如图1所示。

图1 故障诊断与控制系统组成

电力推进系统的故障诊断及控制系统由硬件系统与软件系统构成，其中，硬件系统包括用于故障检测的传感器、用于控制的控制器系统和执行机构；软件系统包括控制软件和人机界面软件，前者能够进行基于知识数据库的故障诊断和决策支持，后者提供操作界面给用户。这里的故障诊断是包含了故障信号检测的广义概念，用基于故障树、专家系统结合人工神经网络方法进行设计。

实现电力推进系统故障诊断与控制系统的设计，从功能上对其进行划分，包括了FDD和容错控制两大类，见图2故障诊断与控制系统功能模型框图。建立舰船电力推进系统的故障诊断与容错控制模型的第一步：需要分析找出电力推进系统内部故障的类型和外部海况对电力推进系统的影响，为扰动分析与系统自身故障检测与诊断提供依据；同时需要分析各种运行状态下操作的互斥性，为误操作阻断提供依据。其中，信号校验模块的基本任务是及时发现测量系统中发生的传感器故障，当发现故障时则尽可能地从受故障“污染”的数据中估计出实际的测量参数，从而为自动控制及人工操作提供可靠的信息基础。经校验后的信号则可以用于电力推进系统的扰动分析和故障诊断及工况分析。故障诊断模块通过分析校验后的传感器信号，检测与诊断电力推进系统内部设备，运行过程的故障。扰动分析模块根据校验后的测量信号估计出系统主要的扰动变量，为实现扰动控制提供必要的信息。工况分析模块接受以上三个模块的结果，根据预定的工况分析准则判断当前系统所处的工况，包括：正常工况、异常工况与应急工况。决策支持模块接受工况分析的结果，自动识别当前系统所处的运行与操作阶段，为操作人员提供操作决策信息，负责人机交互。为防止操作人员的误操作设立误操作阻断模块该模块只允许正确的操作进入系统，阻断明显错误的操作决策并提出警示，对不易鉴别的操作则给出必要的警示，通常利用软件实现。通过应急控制模块执行应急控制方案，使系统处于临界紧急状态时则进入应急工况。容错控制模块是一个备用的控制方案，目的在于系统处于异常工况（非临界紧急工况）时仍可以降低某些指标，保证系统安全运行一定时间，针对不同的故障因素和运行工况，一般采取控制系统重组或重构的方法调整控制系统的结构或参数。

图2 故障诊断与控制系统功能模型

3 电力推进系统故障诊断技术研究

针对舰船电力推进系统设备种类多、结构和运行复杂的特点，故障诊断系统首先要能对各种常见故障和先验故障做出准确的判断和故障定位，并能给出故障处理的意见，为用户提供决策支持；其次，对于首次发生的故障，即设计过程中未能收集到的故障征兆，也具备辨识能力,这就要求故障诊断系统具备一定的学习功能。因此，将采用故障树分析法来描述电力推进系统的先验故障，故障树模型可以形象直观地为用户提供按树形组织的维护指南；故障树分析法的最小割集将是基于计算机技术的专家系统知识库的主要内容，在构造专家系统时可通过合理组织知识库和采用高效的推理机制来满足故障诊断系统的实时需求；面对知识库中尚未收集但在实际运行中可能发生的故障，建立人工神经网络方法来处理它们，该人工神经网络的训练样本来自专家系统的知识库，且当故障被辨识和处理后，将此样本依旧添加到专家系统知识库中。

舰船电力推进系统故障诊断技术主要研究工作如下：故障诊断模型研究；仿真技术研究；神经网络算法研究；专家系统研究。具体：（1）通过进行基于实时状态监测的故障诊断研究，提出基于电力推进系统的故障特征信号的故障诊断模型，在故障诊断模型的基础上建立故障树。（2）在电力推进系统故障诊断模型和故障树的基础上，研究故障诊断知识的有效表达方式，建立基于电力推进系统故障模型的初步故障诊断知识库。（3）优选适合于电力推进系统的人工神经网络，对诊断知识库和人工神经网络进行有机结合，克服各自缺陷，实现可行算法。（4）通过仿真技术研究，为故障诊断专家系统提供一个测试环境。

3.1 基于实时状态监测的故障诊断模型研究

根据电力推进系统状态监测控制的实际状况，借鉴常见故障和先验故障的已有经验，分析电气信号与故障之间的内在联系，确定故障征兆和故障原因的映射关系，建立电力推进系统的故障诊断模型。然后对故障类型和等级进行划分，并基于建立的故障诊断模型形成相应的故障树，为后面的相关研究提供基础。针对电力推进系统先验故障，顶层故障树如图3。

图3 电力推进系统顶层故障树

3.2 诊断知识表达和知识库研究

常用的故障诊断知识表达方式有：基于谓词逻辑表示法，基于产生式规则表示法，基于过程式知识表示法，基于框架式表示法，基于知识模型表示法和基于面向对象表示法。其中，面向对象的知识表达方法是随着面向对象技术和语言而推出的，是框架式表示法的面向对象实现。由于采用类的概念并引进继承和封装技术，减少了知识表达的冗余性，使知识库易于修改。在已有故障诊断模型和故障树的基础上，采用面向对象的知识表示方法，对电力推进系统的属性和故障关系进行分析，用不同层次的类来描述其属性及其故障关系，通过类的构造来建立诊断知识库，同时将推理机的诊断过程用面向对象技术实现。

根据故障树的分析结果，我们可以进行专家系统知识库的首次建立。知识库是一个离线数据库，其记录的数据结构主要由三个字段组成：字段1：故障编号；字段2：故障现象；字段3：故障原因。由故障编号唯一表示故障，故障现象与故障原因是一对一的映射关系。

其次，要建立合适的推理机制。一方面，提供在线故障检测与诊断，另一方面，提供人机接口给用户可进行离线故障查询和维护指南。进行在线故障检测，还需要一个实时数据库，结构上，它可以是知识库的一个索引数据库，在线检测的参数和状态均记录到这个实时数据库。推理机判断，当信号正常时，系统继续运行；当信号异常时，将异常信号与知识库的内容对比，从而根据故障现象确定故障成因。离线时，用户可以进行故障查询和实现其它辅助功能（如训练）。在此研究的基础上，应用专家系统技术构造专家系统。

3.3 实时诊断方法研究

无论采用何种知识表达方式，当发生故障时，都是依据故障信息所对应知识库进行知识树图的搜索。知识树是建立在诊断问题上的，是按预先领域知识构造成的组合固定的树，而并非是任意组合的，因此缺乏自学习能力。但实际中的电力推进系统的故障诊断所依据的故障信息都属于实时信息，在现实的环境中，易出现知识库没有涵盖的新故障情况，这样会使知识推理过程陷入无穷递归，导致无法求解或得出错误解。而人工神经网络可克服这个缺陷， 具有强的自组织、自学习能力，鲁棒性高，且推理速度与规模大小无明显的关系，对于知识库中无法识别的新故障，收集相应的故障实例样本，设计合适的人工神经网络和学习算法，通过对实例样本的学习形成新的故障知识，新知识自动添加进知识库，使故障诊断系统在实际使用过程中不断完善。

3.4 故障诊断专家系统研究

如图 4，故障诊断专家系统软件分为以下几个相互联系的主要功能模块：人机接口控制模块、信号检测处理模块、知识获取及管理模块、推理机模块、ANN自学习模块及知识库、样本库模。

图4 电力推进系统的故障诊断专家系统模型

人机接口控制模块负责用户的人机交互、故障原因的输出。信号检测处理模块负责检测信号的输入及故障信号的过滤。知识获取和管理模块用于处理相关的专家经验及已经生成的故障树，基于故障树的故障规则的集成知识表示是通过故障树定性分析法，把故障树转换为若干个最简单故障树，再将每个最简单故障树转换为故障知识库中的一条或多条产生式规则，其中故障树中逻辑“与门”被处理为一条故障规则，逻辑“或门”被处理为多条故障规则，处理好的故障规则进入相应的设备故障知识库进行存储。推理机对来自人机接口控制模块和信号检测处理模块传入的故障信号进行处理，按一定的搜索匹配策略在设备故障知识库中搜寻故障信号对应的故障规则，如匹配成功，则把与故障检测信号相匹配的故障原因传递给人机接口控制界面，如匹配不成功，则把此故障信号送入样本数据库，供 ANN自学习模块使用。ANN自学习模块主要实现具有有效自学习或训练功能的人工神经网络，通过建立的人工神经网络对样本数据库中未匹配故障检测信号进行自学习训练，然后生成新的故障规则，新的故障规则补充进设备故障知识库。故障知识库和样本数据库模块主要负责各自数据库的建立、维护管理和输入输出处理。

3.5 故障诊断仿真研究及试验验证

对故障诊断模型和方法进行仿真研究，并设计一个简化的基于电力推进系统故障模型的故障诊断专家系统的演示系统，实现基本应用。

4 结束语

通过故障诊断技术的引入，可以很大程度上提升电力推进系统的可靠性。故障诊断技术使系统维修更加方便。基于专家系统的良好人机界面设计可以使方便操纵的同时阻断误操作。下一步的工作是，使用基于专家系统方法的人机界面设计，构造故障数据字典型的知识库，构建电力推进系统故障诊断系统的模拟装置。在进行故障检测与诊断分析时，难免有疏漏之处由于时间、环境、条件和水平有限，本文存在着很多不足，希望得到大家的批评和指导。

[1] 姚清荣. 舰船用综合全电力推进系统. 船舶工程研究，2001(2):15～21

[2] 周东华, 叶银忠. 现代故障诊断与容错控制. 北京：清华大学出版社，2000

[3] 季晓慧, 丛望, 刘勇. 船舶电力系统故障诊断专家系统的智能化研究. 船电技术, 2002(4):26～28

[4] 赵荣珍, 孟凡明, 张优云. 智能故障诊断系统模式研究.润滑与密封，2003(6)：18～21.