论文部分内容阅读
【摘 要】船舶电力系统是船舶中的重要的组成部分之一。随着船舶航运的发展，船舶电力系统的重要性也日益显现出来，相关的研究工作也广泛的开展开来。由于船舶航行所处环境湿度很大，加上盐雾、霉菌、油污等因素影响，导致船舶电力系统线路易受到腐蚀、恶化，使得船舶电力系统的输电线路短路故障频发，直接影响船舶电力系统安全性、稳定性，一旦处理不及时甚至会造成船舶电力系统的瘫痪。因此对船舶电力系统短路故障进行准确检测、及时排查十分重要。对船舶电力系统短路故障的准确检测方便及时采取有效解决措施对电力系统故障进行预警和处理，有利于保障船舶电力系统安全稳定运行。早期的船舶电力系统短路故障出现的时间长短难以确定，为了更好地制定维护方案，结合模糊算法對船舶电力系统短路故障进行了分析，对现有的船舶电力系统故作诊断系统进行了优化设计，最后对系统进行检测，检测结果证明该方法对船舶电力系统进行故障诊断工作精准度较高，有较强的参考价值。
【关键词】船舶电力系统;故障诊断;系统
引言
随着我国造船业的不断发展，船舶电力系统越来越趋向于大型化和复杂化，船舶电网的发配电模块和负载的复杂度也不断提高，一旦某处发生故障，很大程度上会引起二次故障，这使得轮机员的工作量大大增加，往往很难快速准确地定位到故障点并排除故障，严重影响了船舶作业的稳定性。并且，船舶电力设备随着造船业的发展也在不断更新换代，而轮机员的原有知识量很难应对新型设备的故障，因此，很有必要构建出一套能够集成该领域专家知识并且能不断更新知识库的故障诊断专家系统，以此提高轮机员的工作效率与准确度，保障船舶作业的连续性。
1电力系统故障诊断技术
电力系统故障诊断是对电力系统中出现的断路、短路、超载等故障进行诊断，船舶电力系统故障产生的原因主要有以下几点：1）船舶电站使用的线缆由于老化以及使用环境等因素造成输电线路断路;2）输电线路绝缘层老化导致短路;3）发电机输出的三相电流不均衡是由于发电机系统中存在短路线匝。对电力系统进行故障的诊断通常有在线和离线2种方法，而且经常是将2种方法结合起来使用。以短路为例，对船舶电力系统故障可以采用电阻测量、交流耐压试验等方法确认是否短路。在线诊断则是利用采集到的传感器值输入到电脑中，在电脑上通过一系列的程序算法进行判断。不管使用什么方法，船舶电力系统故障诊断存在以下特点：1）船舶故障种类多，而且引发这些故障的原因（需要监测的故障点）也很多，因而在船舶故障诊断上会存在很多困难;2）由于船舶电力系统的特殊性，因而一般的故障诊断系统难以直接应用到船舶电力系统中。目前在电力系统故障诊断中应用较多的是模糊理论、专家系统以及神经网络。模糊理论是利用了模糊集合的一种理论，神经网络是模仿动物的神经行为特征对信息进行并行处理的一种技术，专家系统是一个统称，实际应用的专家系统是使用了各类诊断技术的应用系统，如应用了神经网络的船舶电力故障诊断系统。神经网络包括人工神经网络（ANN）以及生物神经网络（NN），人工神经网络是通过人工模拟神经元而建立起的一个网络，能够模拟人工神经网络的结构和功能，人工神经网络具有较强的容错能力、学习能力以及大规模的处理能力，因而非常适合应用于船舶电力系统故障诊断中，并且已经有很多公司研发了人工神经网络芯片，因而可以在硬件和软件上非常方便地加以实现。为了保证人工神经网络技术成功应用于船舶电力系统故障诊断，需要大量的经验积累，即需要很多的故障数据并让系统进行学习以及推理，船舶电力系统的复杂程度将直接影响故障诊断系统的学习时间，并且难以保证能够达到最佳效果。
2船舶电力推进系统故障诊断方法设计
2.1对船舶电力推进系统故障信号进行去噪
采集的船舶电力推进系统故障诊断信号常常包括有用信号和无用信号，无用信号以噪声的形式存在，而且噪声的类型很多种，这样使得船舶电力推进系统故障诊断的有用信号没有完全体现出来，对船舶电力推进系统故障诊断结果有不好影响。为此对船舶电力推进系统故障诊断信号进行去除处理，只保留船舶电力推进系统故障诊断的有用信号。设n（t）为噪声，那么船舶电力推进系统故障原始信号s（t）可以表示为：s（t）=x（t）-n（t）其中，x（t）表示船舶电力推进系统故障有用信号。由于船舶电力推进系统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，使噪声从船舶电力推进系统故障原始信号中分离出来，得到理想的船舶电力推进系统故障信号，本文方法采用双边滤波算法对船舶电力推进系统故障原始信号进行去噪。
2.2电网模块的推理机制
推理机负责专家系统在故障诊断的过程中如何调用规则，推理机设计的是否完善将直接影响专家系统的推理精度和效率，选用合适的推理策略更能发挥专家系统的优势。根据船舶电力系统的特点，相比较其他类型故障而言，电网模块故障发生的频率最高，因此发生故障时，优先对电网模块进行故障诊断将大大提高专家系统的工作效率，为了提高推理速度，对电网模块故障的推理使用正向推理的方法，专家系统将已知的故障特征信息载入到综合数据库中，再与知识库中的诊断规则进行逐一配对，将成功匹配的规则的结论作为新的事实添加到综合数据库中，运用更新后的数据库再次进行匹配，直到得出结论或者没有新知识加入为止。
2.3基于人工神经网络的故障诊断
基于人工神经网络以及专家系统的船舶电力系统故障诊断的关键在于对故障的推理和诊断的实现。首先需要构造一个神经网络，这个神经网络一般包括5层，分别为输入层、中间层、输出层、附加层1、附加层2等。通过构造这样的神经网络，那么所有的故障就可以通过这个网络进行基本训练，每一个故障对应的输入为这种故障所对应的传感器数据信息，如短路对应某两点之间的电阻值为0，电压值也为0，将这些传感器数据信息用x1-x6表示。将获取的故障传感器数据以及现象作为人工神经网络的输入，系统启动后首先开始采集船舶电力系统的传感器数据，然后确定特征函数，使用特征函数对这些数据进行计算，得到第1层的输出值，然后将第1层的输出值作为第2层的输入值，最终得到计算输出层的输出结果，将此结果和阈值函数进行比较，若符合要求则直接输出结果，若不符合则重新进行计算。
结语
针对当前船舶电力推进系统中噪声对信号的干扰，以及无法有效建立船舶电力推进系统故障诊断分类的问题，设计了基于信号去噪和数据挖掘的船舶电力推进系统故障诊断方法，可以得到如下结论：1）由于受到多种噪声干扰，船舶电力推进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，将船舶电力推进系统故障有用信号显示出来，便于特征提取，同时可以加快船舶电力推进系统故障诊断速度。2）最小二乘支持向量机作为一种性能优异的分类算法，其可以对船舶电力推进系统故障进行高精度的分类，使得船舶电力推进系统故障诊断率超过了实际应用的要求。3）在实际应用中，船舶电力推进系统故障诊断模型的参数也影响诊断效果，下一步将研究船舶电力推进系统故障参数优化问题，以进一步提高船舶电力推进系统故障诊断效果。
参考文献：
[1]廖丽，唐仁奎.T-S模糊模型在船舶推进系统故障诊断中的研究[J].舰船科学技术，2016，38（9A）：154–156.
[2]吕志香.采用模糊综合评价系统的船舶电力保障装置设计[J].舰船科学技术，2016，38（22）：37-39.
（作者单位：广州文冲船舶修造有限公司）
【关键词】船舶电力系统;故障诊断;系统
引言
随着我国造船业的不断发展，船舶电力系统越来越趋向于大型化和复杂化，船舶电网的发配电模块和负载的复杂度也不断提高，一旦某处发生故障，很大程度上会引起二次故障，这使得轮机员的工作量大大增加，往往很难快速准确地定位到故障点并排除故障，严重影响了船舶作业的稳定性。并且，船舶电力设备随着造船业的发展也在不断更新换代，而轮机员的原有知识量很难应对新型设备的故障，因此，很有必要构建出一套能够集成该领域专家知识并且能不断更新知识库的故障诊断专家系统，以此提高轮机员的工作效率与准确度，保障船舶作业的连续性。
1电力系统故障诊断技术
电力系统故障诊断是对电力系统中出现的断路、短路、超载等故障进行诊断，船舶电力系统故障产生的原因主要有以下几点：1）船舶电站使用的线缆由于老化以及使用环境等因素造成输电线路断路;2）输电线路绝缘层老化导致短路;3）发电机输出的三相电流不均衡是由于发电机系统中存在短路线匝。对电力系统进行故障的诊断通常有在线和离线2种方法，而且经常是将2种方法结合起来使用。以短路为例，对船舶电力系统故障可以采用电阻测量、交流耐压试验等方法确认是否短路。在线诊断则是利用采集到的传感器值输入到电脑中，在电脑上通过一系列的程序算法进行判断。不管使用什么方法，船舶电力系统故障诊断存在以下特点：1）船舶故障种类多，而且引发这些故障的原因（需要监测的故障点）也很多，因而在船舶故障诊断上会存在很多困难;2）由于船舶电力系统的特殊性，因而一般的故障诊断系统难以直接应用到船舶电力系统中。目前在电力系统故障诊断中应用较多的是模糊理论、专家系统以及神经网络。模糊理论是利用了模糊集合的一种理论，神经网络是模仿动物的神经行为特征对信息进行并行处理的一种技术，专家系统是一个统称，实际应用的专家系统是使用了各类诊断技术的应用系统，如应用了神经网络的船舶电力故障诊断系统。神经网络包括人工神经网络（ANN）以及生物神经网络（NN），人工神经网络是通过人工模拟神经元而建立起的一个网络，能够模拟人工神经网络的结构和功能，人工神经网络具有较强的容错能力、学习能力以及大规模的处理能力，因而非常适合应用于船舶电力系统故障诊断中，并且已经有很多公司研发了人工神经网络芯片，因而可以在硬件和软件上非常方便地加以实现。为了保证人工神经网络技术成功应用于船舶电力系统故障诊断，需要大量的经验积累，即需要很多的故障数据并让系统进行学习以及推理，船舶电力系统的复杂程度将直接影响故障诊断系统的学习时间，并且难以保证能够达到最佳效果。
2船舶电力推进系统故障诊断方法设计
2.1对船舶电力推进系统故障信号进行去噪
采集的船舶电力推进系统故障诊断信号常常包括有用信号和无用信号，无用信号以噪声的形式存在，而且噪声的类型很多种，这样使得船舶电力推进系统故障诊断的有用信号没有完全体现出来，对船舶电力推进系统故障诊断结果有不好影响。为此对船舶电力推进系统故障诊断信号进行去除处理，只保留船舶电力推进系统故障诊断的有用信号。设n（t）为噪声，那么船舶电力推进系统故障原始信号s（t）可以表示为：s（t）=x（t）-n（t）其中，x（t）表示船舶电力推进系统故障有用信号。由于船舶电力推进系统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，使噪声从船舶电力推进系统故障原始信号中分离出来，得到理想的船舶电力推进系统故障信号，本文方法采用双边滤波算法对船舶电力推进系统故障原始信号进行去噪。
2.2电网模块的推理机制
推理机负责专家系统在故障诊断的过程中如何调用规则，推理机设计的是否完善将直接影响专家系统的推理精度和效率，选用合适的推理策略更能发挥专家系统的优势。根据船舶电力系统的特点，相比较其他类型故障而言，电网模块故障发生的频率最高，因此发生故障时，优先对电网模块进行故障诊断将大大提高专家系统的工作效率，为了提高推理速度，对电网模块故障的推理使用正向推理的方法，专家系统将已知的故障特征信息载入到综合数据库中，再与知识库中的诊断规则进行逐一配对，将成功匹配的规则的结论作为新的事实添加到综合数据库中，运用更新后的数据库再次进行匹配，直到得出结论或者没有新知识加入为止。
2.3基于人工神经网络的故障诊断
基于人工神经网络以及专家系统的船舶电力系统故障诊断的关键在于对故障的推理和诊断的实现。首先需要构造一个神经网络，这个神经网络一般包括5层，分别为输入层、中间层、输出层、附加层1、附加层2等。通过构造这样的神经网络，那么所有的故障就可以通过这个网络进行基本训练，每一个故障对应的输入为这种故障所对应的传感器数据信息，如短路对应某两点之间的电阻值为0，电压值也为0，将这些传感器数据信息用x1-x6表示。将获取的故障传感器数据以及现象作为人工神经网络的输入，系统启动后首先开始采集船舶电力系统的传感器数据，然后确定特征函数，使用特征函数对这些数据进行计算，得到第1层的输出值，然后将第1层的输出值作为第2层的输入值，最终得到计算输出层的输出结果，将此结果和阈值函数进行比较，若符合要求则直接输出结果，若不符合则重新进行计算。
结语
针对当前船舶电力推进系统中噪声对信号的干扰，以及无法有效建立船舶电力推进系统故障诊断分类的问题，设计了基于信号去噪和数据挖掘的船舶电力推进系统故障诊断方法，可以得到如下结论：1）由于受到多种噪声干扰，船舶电力推进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，将船舶电力推进系统故障有用信号显示出来，便于特征提取，同时可以加快船舶电力推进系统故障诊断速度。2）最小二乘支持向量机作为一种性能优异的分类算法，其可以对船舶电力推进系统故障进行高精度的分类，使得船舶电力推进系统故障诊断率超过了实际应用的要求。3）在实际应用中，船舶电力推进系统故障诊断模型的参数也影响诊断效果，下一步将研究船舶电力推进系统故障参数优化问题，以进一步提高船舶电力推进系统故障诊断效果。
参考文献：
[1]廖丽，唐仁奎.T-S模糊模型在船舶推进系统故障诊断中的研究[J].舰船科学技术，2016，38（9A）：154–156.
[2]吕志香.采用模糊综合评价系统的船舶电力保障装置设计[J].舰船科学技术，2016，38（22）：37-39.
（作者单位：广州文冲船舶修造有限公司）