CN108008718A - 基于模型的智能型船舶机舱监测报警系统 - Google Patents
基于模型的智能型船舶机舱监测报警系统 Download PDFInfo
- Publication number
- CN108008718A CN108008718A CN201711287663.6A CN201711287663A CN108008718A CN 108008718 A CN108008718 A CN 108008718A CN 201711287663 A CN201711287663 A CN 201711287663A CN 108008718 A CN108008718 A CN 108008718A
- Authority
- CN
- China
- Prior art keywords
- mrow
- vibration
- ship
- msubsup
- msup
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于模型的智能型船舶机舱监测报警系统，包含：操纵系统、动力系统和负载系统，所述船舶主推进系统根据转速波动率、转动方向和转速得到的各参数的变化规律来表征操纵系统的工作状态；用主机的热力工作过程参数来表征动力系统的工作状态；存储器，一个或多个处理器；以及一个或多个程序，所述一个或多个程序被存储在所述存储器中并配置成由一个或多个处理器执行以完成以下故障类型判断以及对机舱系统进行综合评估的过程。本发明结合常规热工参数的分析，并具有通过振动信号的巡检监测其运动部件的机械状态，避免重大的突发性事故，实现对机舱环境、轮机员素质和船舶管理水平进行综合评估。
Description
技术领域
本发明涉及船舶建造技术领域，特别涉及一种基于模型的智能型船舶机 舱监测报警系统。
背景技术
船舶在正常航行过程中，主机、发电机组以及机舱中其他设备的工作状 态和参数都在不断地变化，为了能随时了解设备的运行情况，需要一套实时 性强、工作可靠的机舱监视报警系统。当设备的运行参数超过某一预先设定 的极限值时，能发出声光报警提醒值班轮机员，可以提高故障预防能力及缩 短排查处理故障的时间。现有的船舶机舱监测报警系统通过采集主、副机的 温度、压力、转速、流速、油雾浓度、各油水舱的液位等信号来监视整个机 舱各种设备的工作情况，当运行设备发生故障时，会自动发出声光报警信号 并进行报警打印记录，相关的参数信息全部都显示在集控室的监视屏上。这 样，值班轮机员不需要到机舱进行巡视，只要在集控室内就可以了解机舱所 有设备的运行状态及其参数。对于无人值班机舱，机舱监测报警系统还可将 机舱故障报警信号分组后延伸到驾驶台、公共场所、轮机长及值班轮机员的 住所。一个完整的监视报警系统由三大部分组成：(1)分布在机舱各监视点的 传感器；(2)安装在集中控制室内的控制柜和监视仪表或监视屏；(3)安装在驾 驶台、公共场所、轮机长和轮机员居室的延伸报警箱。船舶机舱监视报警系 统一般都具备(1)数据采集和转换；(2)声光报警；(3)参数与状态显示；(4)打 印报警记录；(5)报警延时；(6)延伸报警这几种功能。
尽管船舶机舱监测报警系统的发展历程已经历了四个阶段：即常规仪表 监测阶段；电、气动及中小规模集成电子模块组合逻辑监控阶段；以微机为 基础的集散型监控阶段；基于现场总线技术的机舱监控系统与全船自动化系 统联网监控阶段，但它的基本功能仍然是参数的超限报警。
实际上，船舶机舱是一个集机、电、热、液为一体的复杂系统，故障激 发源多，监测参数量大，关系错综复杂，且受到船体状况、航行条件、主机 运行工况等因素的影响，仅仅依靠参数的超限报警是很难判断设备具体的故 障部位，特别是船舶柴油主机、发电柴油副机等重大设备。以柴油主机排气 温度为例，常规的监测报警系统只有50℃温差报警，而温差过大既可能是燃 油泵磨损引起的，也可能是喷油器滴漏引起的，或者是排气阀漏气等故障。 又如250℃的排气温度，对于低工况来说是属于排温过高，对于高工况来说 又是低温。这些都是常规的监测报警系统所无法解释的，需要依靠轮管人员 的经验判断。而对于柴油机的气阀机构、活塞组件、连杆-曲轴等运动件以及 辅助机械的泵浦，需要结合振动分析来判断，这是一般轮管人员无法做到的。 现有技术中，船舶机械设备种类繁多、数量很大，要全部实现振动的在线监 测，需要安装大量的振动传感器，使系统成本很高，长期在线监测可靠性也 难以保证。特别是船舶设备的机械故障大多数是渐发性故障，也没有必要进 行长期的实时监测。
现有的船舶机舱监测报警系统只能提示超限的报警参数，不能给出设备 明确的故障信息；缺乏设备振动信号的监测内容，特别是船舶柴油主机、发 电柴油副机、空压机、泵浦、分油机的振动监测；没有考虑船舶航行条件和 人员素质对安全的影响因素，对船舶机舱的状态评估不够全面。
目前远洋船舶正向着大型化、高速化、少人化、智能化方向发展，船员 将面对更为丰富的信息交互和更加复杂的人机界面，对人的信息处理能力将 提出更高的要求，对人的认知能力极限将提出更大的挑战，矛盾将越来越突 出，现有的监测报警系统已无法适应现代大型远洋船舶状态监控的需要。
发明内容
本发明的目的是提供一种基于模型的智能型船舶机舱监测报警系统，通 过将船舶主推进动力装置的分层诊断模型、船舶柴油机振动载荷的识别模型、 船舶泵浦等回转机械的振动巡检方式和机舱系统综合安全评估模型应用到船 舶机舱监测报警系统中，对机舱设备进行故障分析和诊断，对机舱的安全状 态进行全面和综合的评估，解决了复杂船舶机舱系统的信息分析和故障源识 别的难题，大大提高船舶机舱系统的运行安全的目的。
为了实现以上目的，本发明通过以下技术方案实现：
一种基于模型的智能型船舶机舱监测报警系统，包含：操纵系统、动力 系统和负载系统，所述船舶主推进系统根据转速波动率、转动方向和转速的 变化规律来表征操纵系统的工作状态；用主机的热力工作过程参数来表征动 力系统的工作状态。所述船舶主推进系统根据主机有效功率Pe与转速n的关 系指数CP＝Pe/n3，或者根据主机油门位置S与转速n的关系指数CS＝S/n2表征负载系统的状态。存储器；一个或多个处理器；以及一个或多个程序， 所述一个或多个程序被存储在所述存储器中并配置成由一个或多个处理器执 行以完成以下程序步骤：建立船舶柴油机以及船舶泵浦振动监测载荷识别模 型；利用柴油机运动学和动力学的知识，建立内部结构故障与表面振动信号 激励载荷关系，通过采用时域或频域激励力识别法从柴油机表面振动信号中 识别振动载荷。基于船舶泵浦振动的振动样本进行快速傅里叶变换，得到振 动信号频谱图，根据振动信号的频谱图确定故障类型。
采用线性加权综合法的线性模型对机舱系统进行综合安全状态评估。
优选地，所述操纵系统包括以下子系统：启动系统、换向系统、调速系 统、遥控系统和安保系统，各个子系统实时向所述船舶主推进系统提供转速 波动率、转动方向和转速参数。
优选地，所述动力系统包括以下子系统：燃烧系统提供热力工作过程参 数；燃油系统提供高压燃油管压力波形数据；冷却系统提供冷却水进机压力、 温度和流量数据；润滑系统提供润滑油进机压力、温度和流量数据；传动系 统提供表面局部振动和轴系扭转振动数据。
优选地，所述负载系统包括：船体、螺旋桨和航行环境；所述负载系统 向船舶主推进系统提供功率关系指数和油门关系指数信息。
优选地，所述一个或多个处理器执行建立船舶柴油机振动监测载荷识别 的程序时还包含以下过程：
采用振动检测仪对新装船舶柴油机进行标准建模采样和特征值提取，作为检 测待测船舶柴油机振动状态的振动标准值Yrms0(Ni，Sj)；
Yrms0(Ni,Sj)＝(D2+D3+D4)/(D1+D2+D3+D4)×
Xrms0(1,1)/3+(D1+D3+D4)/(D1+D2+D3+D4)×
Xrms0(2,2)/3+(D1+D2+D4)/(D1+D2+D3+D4)×
Xrms0(3,3)/3+(D1+D2+D3)/(D1+D2+D3+D4)×
Xrms0(4,4)/3
其中：Xrms0(i)为振动检测仪采集的M个振动信号的均方根值，i＝1，2，…， M；Ni为船舶柴油机转速，Sj为船舶柴油机油门开度，j＝1，2，…，M；Xrms0 (1，1)，Xrms0(2，2)，Xrms0(3，3)，Xrms0(4，4)为M个现场特征 值Xrms0(i，j)中最靠近(Ni，Sj)的4个特征值；
待测船舶柴油机的各个振动测点的振动特征值Xrms通过如下公式进行计 算：
式中，N＝T/fs点(Xi，i＝1,2,3，…，N)为待测船舶柴油机的每个振动测点 的采集点数；fs为每个振动测点采样频率，T为船舶柴油机的工作周期； 待测船舶柴油机的各个振动测点的振动特征值Xrms与对应的振动标准值 Yrms0(Ni,Sj)比较；当Xrms＜1.5Yrms0(Ni,Sj)时，则该待测船舶柴油机处于正 常状态，当1.5Yrms0(Ni,Sj)≤Xrms＜2.5Yrms0(Ni,Sj)时，则该待测船舶柴油 机处于较为严重状态，当Xrms≥2.5Yrms0(Ni,Sj)时，则该待测船舶柴油机处 于严重状态。
优选地，所述一个或多个处理器执行建立船舶泵浦振动分析的程序时还 包含以下过程：采用便携式振动检测仪对新装船舶的各种泵浦进行标准建模 采样和振动特征值提取，对所得到的各泵浦的振动特征值进行M次平均处理 作为检测待测船舶泵浦振动状态的振动标准值Yrms1， 各个待测船舶泵浦的振动特征值Xrms1通过如下公式进行计算：
式中，N＝T/fs点(Xk，k＝1,2,3，…，N)为各个待测船舶泵浦的振动采集点 数；fs为每个振动测点采样频率，T为每个振动测点采样时长；
将各个待测船舶泵浦特征值Xrms1进行M次平均处理后，与对应的新装船舶 泵浦的振动标准值Yrms1进行比较，当Xrms1的M次平均值＜2.0Yrms1时， 则该待测船舶泵浦处于正常状态，当2.0Yrms1≤Xrms1＜4.0Yrms1时，则 该待测船舶泵浦处于较为严重状态，当4.0Yrms1≤Xrms1时，则该待测船舶 泵浦处于严重状态。
优选地，所述一个或多个处理器执行建立船舶泵浦振动诊断的程序时进 一步包含以下过程：对各个待测船舶泵浦的振动样本Xk进行快速傅里叶变 换，得到振动信号的频谱图X(f)；
当频谱只有1个线谱，且对应于基频，则所述故障类型为机械不平衡或轴颈 偏心故障；
当频谱有3～4个线谱(间距相同频率)，且第1个线谱对应于基频，则所述 故障类型为机械松动故障；
当频谱中最大的线谱是4倍或大于4倍基频，则所述故障类型为轴承磨损故 障；
当频谱中最大的线谱是齿轮轮齿×基频，则所述故障类型为齿轮磨损或损坏 故障；
当频谱有多个线谱或间距相同频率，且各线谱值都较大，则所述故障类型为 传动皮带失效故障；
当频谱中最大的线谱是磁极对×1或2倍基频，则所述故障类型为是电气故 障；
当频谱中最大的线谱是磁极对×1或2倍基频，则所述故障类型为电气故障； 当频谱中最大的线谱是0.5倍基频，则所述故障类型为滑动轴承油膜振荡或 压气机喘振故障。
优选地，所述一个或多个处理器执行采用线性加权综合法的线性模型对 机舱系统进行综合评估的程序时还包含以下过程：
所述线性加权综合法的线性模型为
式中，y为机舱系统的综合安全评估值，Xj分别是机舱系统的机械状态、船 舶航行条件、机舱环境、船舶管理和人员素质的评估指标值，Wj是与评估指 标Xj相对应的权重系数，
本发明与现有技术相比，具有以下优点：
突破了以往的船舶机舱监测参数超限报警的功能，可以提供设备更详细 的状态提示和故障信息，为管理人员的维修工作提供帮助。不仅可以监测船 舶辅机的常规热工参数，还可以通过振动信号的巡检监测其机械状态，分析 泵浦等辅机的磨损趋势，为设备的预防性检修提供帮助。不仅可以监测船舶 柴油主机和发电柴油副机的常规热工参数，还可以通过振动信号的巡检监测 其运动部件的机械状态，避免重大的突发性事故。除了对设备的状态监测外， 还对机舱环境、轮机员素质和船舶管理水平进行综合评估，并用不同颜色对 船舶的安全指数进行表示。优选地，绿色表示状态正常，黄色表示状态有异 常，红色表示状态很严重。同时，综合上述四个方面的安全指数，通过综合 安全评估得到各系统综合安全指数，并用不同颜色显示出来。这样，机舱各 个系统的安全状态及潜在隐患即可一目了然。
附图说明
图1为本发明一种基于模型的智能型船舶机舱监测报警系统中的船舶主 推进动力装置分层诊断模型结构框图。
具体实施方式
以下结合附图，通过详细说明一个较佳的具体实施案例，对本发明做进 一步阐述。
本发明是在现有船舶机舱监测报警系统的基础上，基于模型的智能型船 舶机舱监测报警系统。通过分析船舶主推进系统的层次结构，结合设备振动 信号分析，除了常规的参数监测和报警功能，其还包含：
如图1所示，采用分层诊断模型的船舶主推进系统，该船舶主推进系统 包括：操纵系统、动力系统和负载系统三部分，分别利用不同的特征参数判 断各分系统的状态。
所述操纵系统包括以下子系统：启动系统、换向系统、调速系统、遥控 系统和安保系统，各个子系统实时向所述监测报警系统提供转速波动率、转 动方向和转速参数；所述船舶主推进系统根据转速波动率、转动方向和转速 得到的各参数的变化规律来表征操纵系统的工作状态。
所述动力系统包括以下子系统：燃烧系统提供热力工作过程参数；燃油 系统提供高压燃油管压力波形数据；冷却系统提供冷却水进机压力、温度和 流量数据；润滑系统提供润滑油进机压力、温度和流量数据；传动系统提供 表面局部振动和轴系扭转振动数据。用主机的热力工作过程参数来表征动力 系统的工作状态。
所述负载系统包括：船体、螺旋桨和航行环境。所述负载系统提供功率 关系指数和油门关系指数等信息；所述船舶主推进系统根据主机有效功率Pe 与转速n的关系指数CP＝Pe/n3或主机油门位置S与转速n的关系指数CS＝ S/n2来表征负载系统的状态。
存储器，一个或多个处理器；以及一个或多个程序，所述一个或多个程 序被存储在所述存储器中并配置成由一个或多个处理器执行以完成以下程序 步骤：建立船舶柴油机以及船舶泵浦振动监测，利用柴油机运动学和动力学 的知识，建立内部结构故障与表面振动信号激励载荷关系，通过采用时域或 频域激励力识别法从柴油机表面振动信号中识别振动载荷；
基于船舶泵浦振动的振动样本进行快速傅里叶变换，得振动信号的频谱图， 根据振动信号的频谱图确定故障类型；
采用线性加权综合法的模型对机舱系统进行综合安全状态评估。
对船舶柴油机振动进行监测的载荷识别模块，考虑到运行中的柴油机是 一个复杂多变的动态系统，其表面的局部振动不仅受内部故障部件的影响， 还与柴油机运行工况、结构、安装条件、冷却和润滑状态有关。一方面利用 柴油机运动学和动力学的知识，建立内部结构故障与表面振动信号激励载荷 的联系；一方面利用时域或频域激励力识别法从柴油机表面振动信号中直接 识别出这种振动载荷。载荷识别模块内设有一建立兼顾特定机型柴油机的运 行工况和边界条件的振动载荷识别模型的程序；所述载荷识别模块通过执行 以下程序实现对船舶柴油机振动进行监测；
首先利用振动检测仪对新装船柴油机进行标准建模采样和特征值提取， 作为未来振动检测的标准。通过检测仪先获得M个振动信号的均方根值Xrms0(i)，i＝1，2，…，M，运行的转速和油门分别为ni，i＝1，2，…，M 和sj，j＝1，2，…，M。设实际振动检测时柴油机的运行转速为Ni，油门开 度为Sj，则该工况下的振动标准特征值Yrms0(Ni，Sj)就从M个现场特征 值Xrms0(i，j)中最靠近(Ni，Sj)的4个特征值Xrms0(1，1)，Xrms0 (2，2)，Xrms0(3，3)，Xrms0(4，4)插值获得。
其中： 此振动特征值即为柴油机 在该测点上的振动标准值。
在本实施例中，在柴油机平稳运行的情况下，每隔两周时间对柴油机的 各测点振动进行测试，根据机器的运行转速n进行20个样本的整周期采样， 并计算均方根值。采样频率fs为20480Hz，每个样本的采样时长T，二冲程 柴油机T＝60/n(s)二冲程柴油机T＝2×60/n(s)，每个样本采集点数N＝T/fs 点(Xi，i＝1,2,3，…，N)。将各振动样本获得的均方根值进行20次平均处 理后，得到该振动测点在该运转工况下的振动特征值，每个振动样本的均方 根值Xrms特征值按如下公式计算：
将上式计算的振动均方根值Xrms与相同机器运转工况(相同转速、相同 油门开度)下的振动标准值Yrms0(Ni，Sj)相比较。当均方根值小于1.5倍的 标准值时表示设备处于正常状态，当时均方根值超过1.5倍的标准值时表示 设备处于较严重状态，当均方根值超过2.5倍标准值时表示设备处于严重状 态。
对船舶泵浦进行振动巡检的振动巡检模块；机械设备的早期故障可通过 振动值的骤增表现出来，加之振动检测技术具有诊断速度快、精度高、敏感 性好，信号易于测取，易于实现早期预报和在线监测等优点，已成为一种主 要的设备诊断手段。在本实施例中采用一台便携式振动检测仪，每两周定期 对主要机械设备进行巡回检测。
首先利用振动检测仪对新装船的各种泵浦进行标准建模采样和特征值提 取，并进行20次平均处理后作为未来振动检测的标准。
在机器平稳运转的情况下，每隔两周时间对机舱各回转机械的各测点振 动进行测试，采样频率fs为1024Hz。每次采样20个样本，每个样本采集 N＝1024点(Xi，i＝1,2,3，…，N)，则采样时长T＝1(s)，采样频率分辨率： Δf＝1Hz。按式(2)计算每个振动样本的均方根值Xrms。
将各振动样本获得的均方根值进行20次平均处理后，与相同机器运转转 速下的标准值相比较。当均方根值小于2.0倍的标准值时表示设备处于正常 状态，当时均方根值超过2.0倍的标准值时表示设备处于较严重状态，当均 方根值超过4.0倍的标准值时表示设备处于严重状态。
对各振动样本进行快速傅里叶变换(FFT)，得到振动信号频谱图X(f)。
根据频谱图中的线谱特征进行诊断，具体方法如下：
当频谱只有1个线谱，且对应于基频，其故障类型可能是机械不平衡或 轴颈偏心故障。
当频谱有3～4个线谱(间距相同频率)，且第1个线谱对应于基频，其 故障类型可能是机械松动故障，如螺栓松动、法兰松动、焊接裂纹、底座松 动、轴系弯曲。
当频谱中最大的线谱是4倍或以上基频，其故障类型可能是轴承磨损故 障。
当频谱中最大的线谱是齿轮轮齿×基频，其故障类型可能是齿轮磨损或 损坏故障。
当频谱有多个线谱(间距相同频率)，且各线谱值都较大，其故障类型 可能是传动皮带失效故障。
当频谱中最大的线谱是磁极对×(1或2)基频，其故障类型可能是电气 故障。
当频谱中最大的线谱是磁极对×(1或2)基频，其故障类型可能是电气 故障。
当频谱中最大的线谱是0.5倍基频，其故障类型可能是滑动轴承油膜振 荡或压气机喘振故障。
机舱系统采用综合安全评估模型。对船舶机舱来说，不仅系统本身的机 械状态会影响其安全，船舶航行条件、机舱环境、船舶管理和人员素质也会 影响机舱系统的运行安全。将船舶机舱分为船舶电力系统、船舶推进系统、 船舶辅助机械和安全设备四大部分，综合考虑机舱设备、操作环境和人员管 理素质，采用综合安全评估模型对各部分进行安全评估，并用不同的安全指 数反映船舶机舱不同侧面的安全状态。具体做法是采用线性加权综合法的线 性模型来进行综合评估
式中y为机舱系统的综合安全评估值，xj分别是机舱系统的机械状态、 船舶航行条件、机舱环境、船舶管理和人员素质的评估指标值，wj是与评估 指标xj相应的权重系数
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识 到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述 内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的 保护范围应由所附的权利要求来限定。
Claims (8)
1.一种基于模型的智能型船舶机舱监测报警系统，其特征在于，包含：
操纵系统、动力系统和负载系统，所述船舶主推进系统根据转速波动率、转动方向和转速得到的各参数的变化规律来表征操纵系统的工作状态；用主机的热力工作过程参数来表征动力系统的工作状态；
所述船舶主推进系统根据主机有效功率Pe与转速n的关系指数CP＝Pe/n3，或者根据主机油门位置S与转速n的关系指数CS＝S/n2表征负载系统的状态；存储器，一个或多个处理器；以及一个或多个程序，所述一个或多个程序被存储在所述存储器中并配置成由一个或多个处理器执行以完成以下程序步骤：建立船舶柴油机以及船舶泵浦振动监测，利用柴油机运动学和动力学的知识，建立内部结构故障与表面振动信号激励载荷关系，通过采用时域或频域激励力识别法从柴油机表面振动信号中识别振动载荷；
基于船舶泵浦振动的振动样本进行快速傅里叶变换，得振动信号的频谱图，根据振动信号的频谱图确定故障类型；
采用线性加权综合法的模型对机舱系统进行综合安全状态评估。
2.如权利要求1所述的基于模型的智能型船舶机舱监测报警系统，其特征在于，所述操纵系统包括以下子系统：启动系统、换向系统、调速系统、遥控系统和安保系统，各个子系统实时计算所述船舶主推进系统提供转速波动率、转动方向和转速参数。
3.如权利要求1所述的基于模型的智能型船舶机舱监测报警系统，其特征在于，所述动力系统包括以下子系统：燃烧系统，其利用所述动力系统提供的热力工作过程参数；燃油系统，其利用所述动力系统提供高压燃油管压力波形数据；冷却系统，其利用所述动力系统提供的冷却水进机压力、温度和流量数据；润滑系统，其利用所述动力系统提供的润滑油进机压力、温度和流量数据；传动系统，其利用所述振动检测仪提供的表面局部振动和轴系扭转振动数据。
4.如权利要求1所述的基于模型的智能型船舶机舱监测报警系统，其特征在于，所述负载系统包括：船体、螺旋桨和航行环境；所述负载系统利用船舶主推进系统提供的功率关系指数和油门关系指数信息。
5.如权利要求1所述的基于模型的智能型船舶机舱监测报警系统，其特征在于，所述一个或多个处理器执行建立船舶柴油机振动监测载荷识别模型的程序时包含以下过程：
采用振动检测仪对新装船舶柴油机进行标准建模采样和特征值提取，作为检测待测船舶柴油机振动状态的振动标准值Yrms0(Ni，Sj)；
Yrms0(Ni,Sj)＝(D2+D3+D4)/(D1+D2+D3+D4)×Xrms0(1,1)/3+(D1+D3+D4)/(D1+D2+D3+D4)×Xrms0(2,2)/3+(D1+D2+D4)/(D1+D2+D3+D4)×Xrms0(3,3)/3+(D1+D2+D3)/(D1+D2+D3+D4)×Xrms0(4,4)/3
其中：Xrms0(i)为振动检测仪采集的M个振动信号的均方根值，i＝1，2，…，M；Ni为船舶柴油机转速，Sj为船舶柴油机油门开度，j＝1，2，…，M；Xrms0(1，1)，Xrms0(2，2)，Xrms0(3，3)，Xrms0(4，4)为M个现场特征值Xrms0(i，j)中靠近(Ni，Sj)的4个特征值；
<mrow>
<mi>D</mi>
<mn>1</mn>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mi>i</mi>
<mo>-</mo>
<mi>n</mi>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mi>j</mi>
<mo>-</mo>
<mi>s</mi>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>;</mo>
<mi>D</mi>
<mn>2</mn>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mi>i</mi>
<mo>-</mo>
<mi>n</mi>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mi>j</mi>
<mo>-</mo>
<mi>s</mi>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>;</mo>
<mi>D</mi>
<mn>3</mn>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mi>i</mi>
<mo>-</mo>
<mi>n</mi>
<mn>3</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mi>j</mi>
<mo>-</mo>
<mi>s</mi>
<mn>3</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>;</mo>
</mrow>
<mrow>
<mi>D</mi>
<mn>4</mn>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mi>i</mi>
<mo>-</mo>
<mi>n</mi>
<mn>4</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mi>j</mi>
<mo>-</mo>
<mi>s</mi>
<mn>4</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>;</mo>
</mrow>
待测船舶柴油机的各个振动测点的振动特征值Xrms通过如下公式进行计算：
<mrow>
<msub>
<mi>X</mi>
<mrow>
<mi>r</mi>
<mi>m</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>X</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mrow>
<mi>N</mi>
</mfrac>
</msqrt>
<mo>=</mo>
<msqrt>
<mfrac>
<mrow>
<msubsup>
<mi>X</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>X</mi>
<mn>2</mn>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<mn>...</mn>
<mo>+</mo>
<msubsup>
<mi>X</mi>
<mi>N</mi>
<mn>2</mn>
</msubsup>
</mrow>
<mi>N</mi>
</mfrac>
</msqrt>
</mrow>
式中，N＝T/fs点(Xi，i＝1,2,3，…，N)为待测船舶柴油机的每个振动测点的采集点数；fs为每个振动测点采样频率，T为待测船舶柴油机的工作周期；待测船舶柴油机的各个振动测点的振动特征值Xrms与对应的振动标准值Yrms0(Ni,Sj)比较；当Xrms＜1.5Yrms0(Ni,Sj)时，则该待测船舶柴油机处于正常状态，当1.5Yrms0(Ni,Sj)≤Xrms＜2.5Yrms0(Ni,Sj)时，则该待测船舶柴油机处于较为严重状态，当Xrms≥2.5Yrms0(Ni,Sj)时，则该待测船舶柴油机处于严重状态。
6.如权利要求1所述的基于模型的智能型船舶机舱监测报警系统，其特征在于，所述一个或多个处理器执行建立船舶泵浦振动分析的程序时还包含以下过程：采用便携式振动检测仪对新装船舶的各种泵浦进行标准建模采样和振动特征值提取，对所得到的各泵浦的振动特征值进行M次平均处理作为检测待测船舶泵浦振动状态的振动标准值Yrms1，
各个待测船舶泵浦的振动特征值Xrms1通过如下公式进行计算：
<mrow>
<msub>
<mi>X</mi>
<mrow>
<mi>r</mi>
<mi>m</mi>
<mi>s</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>X</mi>
<mi>k</mi>
<mn>2</mn>
</msubsup>
</mrow>
<mi>N</mi>
</mfrac>
</msqrt>
<mo>=</mo>
<msqrt>
<mfrac>
<mrow>
<msubsup>
<mi>X</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>X</mi>
<mn>2</mn>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<mn>...</mn>
<mo>+</mo>
<msubsup>
<mi>X</mi>
<mi>N</mi>
<mn>2</mn>
</msubsup>
</mrow>
<mi>N</mi>
</mfrac>
</msqrt>
</mrow>
式中，N＝T/fs点(Xk，k＝1,2,3，…，N)为各个待测船舶泵浦的振动采集点数；fs为每个振动测点采样频率，T为每个振动测点采样时长；
将各个待测船舶泵浦特征值Xrms1进行M次平均处理后，与对应的新装船舶泵浦的振动标准值Yrms1进行比较，当Xrms1的M次平均值＜2.0Yrms1时，则该待测船舶泵浦处于正常状态，当2.0Yrms1≤Xrms1＜4.0Yrms1时，则该待测船舶泵浦处于较为严重状态，当4.0Yrms1≤Xrms1时，则该待测船舶泵浦处于严重状态。
7.如权利要求6所述的基于模型的智能型船舶机舱监测报警系统，其特征在于，所述一个或多个处理器执行建立船舶泵浦振动诊断的程序时进一步包含以下过程：对各个待测船舶泵浦的振动样本Xk进行快速傅里叶变换，得振动信号的频谱图X(f)；
<mrow>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mi>&infin;</mi>
</msubsup>
<mi>x</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>32</mn>
<mi>&pi;</mi>
<mi>f</mi>
<mi>t</mi>
</mrow>
</msup>
<mi>d</mi>
<mi>t</mi>
</mrow>
当频谱只有1个线谱，且对应于基频，则所述故障类型为机械不平衡或轴颈偏心故障；
当频谱有3～4个线谱(间距相同频率)，且第1个线谱对应于基频，则所述故障类型为机械松动故障；
当频谱中最大的线谱是4倍或大于4倍基频，则所述故障类型为轴承磨损故障；
当频谱中最大的线谱是齿轮轮齿×基频，则所述故障类型为齿轮磨损或损坏故障；
当频谱有多个线谱或间距相同频率，且各线谱值都较大，则所述故障类型为传动皮带失效故障；
当频谱中最大的线谱是磁极对×1或2倍基频，则所述故障类型为是电气故障；
当频谱中最大的线谱是磁极对×1或2倍基频，则所述故障类型为电气故障；当频谱中最大的线谱是0.5倍基频，则所述故障类型为滑动轴承油膜振荡或压气机喘振故障。
8.如权利要求1所述的基于模型的智能型船舶机舱监测报警系统，其特征在于，所述一个或多个处理器执行采用线性加权综合法模型对机舱系统进行综合安全状态评估的程序时还包含以下过程：
所述线性加权综合法的线性模型为
<mrow>
<mi>y</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>W</mi>
<mi>j</mi>
</msub>
<msub>
<mi>X</mi>
<mi>j</mi>
</msub>
</mrow>
式中，y为机舱系统的综合安全评估值，Xj分别是机舱系统的机械状态、船舶航行条件、机舱环境、船舶管理和人员素质的评估指标值，Wj是与评估指标Xj相对应的权重系数，0≤Wj≤1，j＝1,2,…,m,
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711287663.6A CN108008718B (zh) | 2017-12-07 | 2017-12-07 | 基于模型的智能型船舶机舱监测报警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711287663.6A CN108008718B (zh) | 2017-12-07 | 2017-12-07 | 基于模型的智能型船舶机舱监测报警系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108008718A true CN108008718A (zh) | 2018-05-08 |
| CN108008718B CN108008718B (zh) | 2019-05-10 |
Family
ID=62057255
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711287663.6A Expired - Fee Related CN108008718B (zh) | 2017-12-07 | 2017-12-07 | 基于模型的智能型船舶机舱监测报警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108008718B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110032094A (zh) * | 2019-03-13 | 2019-07-19 | 中交广州航道局有限公司 | 机舱设备的控制方法、装置、计算机设备及存储介质 |
| CN110069814A (zh) * | 2019-03-13 | 2019-07-30 | 中交广州航道局有限公司 | 船机齿轮箱的状态预测方法、装置及计算机设备 |
| CN110874088A (zh) * | 2018-09-03 | 2020-03-10 | 中国船舶重工集团公司第七一一研究所 | 基于多维向量模型的船舶关键设备系统的监测方法 |
| CN111855219A (zh) * | 2020-07-20 | 2020-10-30 | 哈尔滨工程大学 | 一种基于灰色理论的柴油机润滑油进机安保参数预测方法 |
| CN112067306A (zh) * | 2020-08-13 | 2020-12-11 | 武汉理工大学 | 船用发动机健康状态在线监测评估方法、设备及系统 |
| CN114397109A (zh) * | 2022-01-06 | 2022-04-26 | 上海船舶运输科学研究所有限公司 | 一种船舶柴油机的状态监测方法及装置 |
| CN115839848A (zh) * | 2023-02-22 | 2023-03-24 | 中国船舶集团有限公司第七一九研究所 | 一种用于船舶诊断的数据采集及管理方法 |
| CN116311594A (zh) * | 2023-05-11 | 2023-06-23 | 中国人民解放军海军工程大学 | 一种船舶子系统状态分析方法、装置及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102426771A (zh) * | 2011-12-08 | 2012-04-25 | 大连海事大学 | 一种船舶机舱监测系统 |
| CN103308708A (zh) * | 2013-05-24 | 2013-09-18 | 江苏科技大学 | 一种船舶艉轴转速/振动同步监测装置及其应用 |
| CN104494783A (zh) * | 2014-12-25 | 2015-04-08 | 华中科技大学 | 用于对船舶推进器模型执行力学和轴系振动测量的系统 |
| CN204649225U (zh) * | 2015-04-20 | 2015-09-16 | 浙江海洋学院 | 一种船舶轴系运动在线监测装置 |
| JP2016045060A (ja) * | 2014-08-22 | 2016-04-04 | 株式会社Ihi | 回転体の振動計測方法と装置 |
| KR20170006621A (ko) * | 2015-07-09 | 2017-01-18 | 대우조선해양 주식회사 | 선박용 추진기 상태 모니터링 장치 및 이를 사용한 선박용 추진기 상태 모니터링 방법 |
| CN106347578A (zh) * | 2016-10-27 | 2017-01-25 | 江苏科技大学 | 一种船舶推进轴系轴承振动故障监测方法 |
| CN106697187A (zh) * | 2016-12-26 | 2017-05-24 | 武汉理工大学 | 基于智能机舱的船舶动力系统工况模拟和诊断实验平台 |
| EP3105599A4 (en) * | 2014-02-13 | 2017-10-11 | Micatu Inc. | An optical sensor system and methods of use thereof |
-
2017
- 2017-12-07 CN CN201711287663.6A patent/CN108008718B/zh not_active Expired - Fee Related
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102426771A (zh) * | 2011-12-08 | 2012-04-25 | 大连海事大学 | 一种船舶机舱监测系统 |
| CN103308708A (zh) * | 2013-05-24 | 2013-09-18 | 江苏科技大学 | 一种船舶艉轴转速/振动同步监测装置及其应用 |
| EP3105599A4 (en) * | 2014-02-13 | 2017-10-11 | Micatu Inc. | An optical sensor system and methods of use thereof |
| JP2016045060A (ja) * | 2014-08-22 | 2016-04-04 | 株式会社Ihi | 回転体の振動計測方法と装置 |
| CN104494783A (zh) * | 2014-12-25 | 2015-04-08 | 华中科技大学 | 用于对船舶推进器模型执行力学和轴系振动测量的系统 |
| CN204649225U (zh) * | 2015-04-20 | 2015-09-16 | 浙江海洋学院 | 一种船舶轴系运动在线监测装置 |
| KR20170006621A (ko) * | 2015-07-09 | 2017-01-18 | 대우조선해양 주식회사 | 선박용 추진기 상태 모니터링 장치 및 이를 사용한 선박용 추진기 상태 모니터링 방법 |
| CN106347578A (zh) * | 2016-10-27 | 2017-01-25 | 江苏科技大学 | 一种船舶推进轴系轴承振动故障监测方法 |
| CN106697187A (zh) * | 2016-12-26 | 2017-05-24 | 武汉理工大学 | 基于智能机舱的船舶动力系统工况模拟和诊断实验平台 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110874088A (zh) * | 2018-09-03 | 2020-03-10 | 中国船舶重工集团公司第七一一研究所 | 基于多维向量模型的船舶关键设备系统的监测方法 |
| CN110032094A (zh) * | 2019-03-13 | 2019-07-19 | 中交广州航道局有限公司 | 机舱设备的控制方法、装置、计算机设备及存储介质 |
| CN110069814A (zh) * | 2019-03-13 | 2019-07-30 | 中交广州航道局有限公司 | 船机齿轮箱的状态预测方法、装置及计算机设备 |
| CN111855219A (zh) * | 2020-07-20 | 2020-10-30 | 哈尔滨工程大学 | 一种基于灰色理论的柴油机润滑油进机安保参数预测方法 |
| CN112067306A (zh) * | 2020-08-13 | 2020-12-11 | 武汉理工大学 | 船用发动机健康状态在线监测评估方法、设备及系统 |
| CN114397109A (zh) * | 2022-01-06 | 2022-04-26 | 上海船舶运输科学研究所有限公司 | 一种船舶柴油机的状态监测方法及装置 |
| CN115839848A (zh) * | 2023-02-22 | 2023-03-24 | 中国船舶集团有限公司第七一九研究所 | 一种用于船舶诊断的数据采集及管理方法 |
| CN116311594A (zh) * | 2023-05-11 | 2023-06-23 | 中国人民解放军海军工程大学 | 一种船舶子系统状态分析方法、装置及存储介质 |
| CN116311594B (zh) * | 2023-05-11 | 2023-09-19 | 中国人民解放军海军工程大学 | 一种船舶子系统状态分析方法、装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108008718B (zh) | 2019-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108008718B (zh) | 基于模型的智能型船舶机舱监测报警系统 | |
| CN106697187B (zh) | 基于智能机舱的船舶动力系统工况模拟和诊断实验平台 | |
| Tumer et al. | A survey of aircraft engine health monitoring systems | |
| US6768938B2 (en) | Vibration monitoring system for gas turbine engines | |
| US20100219987A1 (en) | Rotor system health monitoring using shaft load measurements and virtual monitoring of loads | |
| EP1444491B1 (en) | Vibration monitoring system for gas turbine engines | |
| Mohammed | Polyspectral signal analysis techniques for condition based maintenance of helicopter drive-train system | |
| CN102441579B (zh) | 热连轧轧机运行状态的在线监测方法 | |
| KR101155770B1 (ko) | 발전소 디젤엔진 상태진단 장치 및 방법 | |
| Moghadam et al. | Theoretical and experimental study of wind turbine drivetrain fault diagnosis by using torsional vibrations and modal estimation | |
| CN108801641A (zh) | 废气涡轮增压器的故障诊断与可靠性预测方法及其系统 | |
| CN104266841A (zh) | 柴油机的故障诊断装置和诊断方法 | |
| Sheng | Prognostics and health management of wind turbines—current status and future opportunities | |
| CN106762343A (zh) | 基于在线数据的水轮发电机组推力轴承故障的诊断方法 | |
| JPH10197404A (ja) | ディーゼル発電機異常監視装置 | |
| Bektash et al. | Vibration analysis for anomaly detection in unmanned aircraft | |
| CN113557420B (zh) | 基于专家知识的用于旋转机器的自动健康状态分类器 | |
| Ugechi et al. | Condition-based diagnostic approach for predicting the maintenance requirements of machinery | |
| Hardman et al. | A helicopter powertrain diagnostics and prognostics demonstration | |
| Li et al. | A review of fault diagnosis methods for marine electric propulsion system | |
| CN114572361A (zh) | 船舶智能机舱运维系统验证平台 | |
| CN115027634A (zh) | 一种动力守护供应船故障预警方法和系统 | |
| Hardman et al. | A USN development strategy and demonstration results for propulsion and mechanical systems diagnostics, prognostics and health management | |
| Mironov et al. | Advanced vibration diagnostic system for aviation jet engine | |
| Zhao et al. | Recent Patents on Detection of Bearing Temperature |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190510 Termination date: 20211207 |