CN113586241B - 一种船舶柴油机转速故障检测方法 - Google Patents

Abstract

本发明公开了一种船舶柴油机转速故障检测方法，包括步骤：步骤一：利用检测设备获取船舶设备的参数；步骤二：对船舶的转速时间序列进行处理；步骤三：实现对船舶柴油机转速故障的判断。本发明通过求取波峰波谷的波差线、波平线，并考虑线段自身的特点，采用斜率变化、波动值等特征来有效反映出柴油机转速的规律及波动，进而更好的判断柴油机是否存在故障。通过神经网络及序列分窗的形式进行转速故障监测，可以学习到柴油机的指标变化的信息，并通过排列熵，可以有效分析出短时间序列内转速的随机性，进而更及时的判断柴油机是否存在转速故障。

Description

一种船舶柴油机转速故障检测方法

技术领域

本发明涉及船舶柴油机技术领域，尤其涉及一种船舶柴油机转速故障检测方法。

背景技术

为了更好地保障舰船电子设备运行安全，需要对当前船舶设备故障进行精确检测。

近年来，随着船舶工业和科技的飞速发展，船舶系统日趋复杂化和智能化，导致船舶主要设备（如柴油机、锅炉等）发生故障和失效的概率逐渐增大。目前，对船舶设备的维修主要采用定期维修和事后维修的方式，定期维修的方式不仅效率低还耗费资源，而事后维修无法避免事故的发生。随着对船舶安全和可靠行驶的要求不断提高，维修策略需要从传统的事后维修和定期维修转向视情维修。

船舶柴油机是船舶上的动力来源，是船舶的重要组成部分。由于船舶柴油机的组成及结构异常复杂，因此在运行过程中难免有时会出现一些故障。这对船舶柴油机急船舶的正常工作都不利。对船舶柴油机进行故障检测，可以在故障发生前及时进行干预或维护，避免重大事故的发生。

发明内容

本发明的目的是为了解决现有技术中的问题，而提出的一种船舶柴油机转速故障检测方法。

为了实现上述目的，本发明采用了如下技术方案：一种船舶柴油机转速故障检测方法，包括以下步骤：

步骤一：利用检测设备获取船舶设备的参数；

步骤二：对船舶的转速时间序列进行处理；

步骤三：实现对船舶柴油机转速故障的判断。所述步骤一具体为：

利用转速表对船舶柴油机转速进行实时监测获取船舶设备的参数，最终得到转速时间序列。

所述步骤二具体为：

首先获取转速时间序列中的波峰点、波谷点，然后将转速时间序列中的所有波峰点进行曲线拟合，得到波峰线L1；将转速时间序列中的所有波谷点进行曲线拟合，得到波谷线L2，再求取转速波平线和转速波差线，对转速波平线进行一阶线性拟合，得到线性方程，然后获取方程的斜率，计算每个转速波平线窗口数据与每个转速波峰线、波谷线窗口数据的均值差异，对于转速波差线，首先获取相邻方差序列，方差用以扩大数值差值，最终得到转速波差线波动程度序列，获取每个窗口处的平均转速波差线波动程度值、排列熵及转速波平线拟合斜率、窗口均值差异，最终得到每个窗口的平均转速波差线波动程度值、排列熵及转速波平线拟合斜率、窗口均值差异，组成每个窗口的波动向量。

所述步骤三具体为：

采用神经网络进行转速故障的检测。

与现有的技术相比，本发明的优点在于：

1.本发明通过求取波峰波谷的波差线、波平线，并考虑线段自身的特点，采用斜率变化、波动值等特征来有效反映出柴油机转速的规律及波动，进而更好的判断柴油机是否存在故障。

2.本发明通过神经网络及序列分窗的形式进行转速故障监测，可以学习到柴油机的指标变化的信息，并通过排列熵，可以有效分析出短时间序列内转速的随机性，进而更及时的判断柴油机是否存在转速故障。

附图说明

图1为柴油机转速图。

具体实施方式

以下实施例仅处于说明性目的，而不是想要限制本发明的范围。

实施例1：

步骤一：利用检测设备获取船舶柴油机的转速参数。

船舶主柴油机的转速是一个十分重要的参数,因为它关系到船速,油耗,功率,扭矩,振动等等。

首先利用检测设备获取船舶柴油机的转速参数，可以用测量转速的仪表，如机械软轴式转速表、频率-电压转换式转速表、数字式转速表等，实施者可以任意采用。

所述转速表是对船舶柴油机转速进行实时监测的，最终可以得到转速的时间序列。

步骤二：对船舶的转速时间序列进行处理。

对于船舶柴油机而言，转速不稳是一个巨大的隐患，可能产生的原因有非常多种，包括供油系统原因、调速系统原因、外部原因（带变速箱的船舶柴油机离合器接合不良，打滑；工作机械负荷严重不稳）等。

对于船舶柴油机，船舶柴油机正常运转时，依靠调速器的自动调节作用，船舶柴油机的转速是稳定的。波动值只有几转，波动率在0.5%以内。

当转速不稳时，有两种现象：

①船舶柴油机有规律的忽高忽低。通常所说的“游车”、“喘气”。此种情况多发生在船舶柴油机低速运行工况。

②船舶柴油机转速无规律的忽高忽低。

因此，对于船舶柴油机转速不稳的故障，其是存在转速忽高忽低的现象。

首先通过波峰波谷算法，获取转速序列中的波峰点、波谷点。

波峰波谷检测算法具体方法如下：

a)转速值序列可以表示为V=[v1,v2,…,vn]。n为时间戳，每一时间戳都有一个转速值。

b)计算V的一阶差分向量DiffV:

i.Diffv(i)=V(i+1)−V(i)，其中i∈1,2,…,N−1

c)对差分向量进行取符号函数运算，Trend=sign(Diffv)，即遍历Diffv，若Diffv(i)大于0，则取1；等于0，则取0；小于0，则取-1。

d)从尾部遍历Trend向量，进行如下操作：

i.if Trend(i)=0且Trend(i+1)≥0，则Trend(i)=1

ii.if Trend(i)=0且Trend(i+1)<0，则Trend(i)=−1

e)对Trend向量进行一阶差分运算,得到R=diff(Trend)。

f)遍历得到的差分向量R：

i.如果R(i) =−2，则i+1为投影向量V的一个峰值位，对应的峰值为V(i+1)；

ii.如果R(i) =2，则i+1为投影向量V的一个波谷位，对应的波谷为V(i+1)。

至此，即可寻找得到波峰点、波谷点坐标集合。

然后将转速序列中的所有波峰点进行曲线拟合，得到波峰线L1。将转速序列中的所有波谷点进行曲线拟合，得到波谷线L2。所述曲线拟合，优选的采用三次多项式拟合。

然后求取转速波平线：

对于转速波平线而言，其转速序列为平稳的转速或规律的高低转速交替时，为一条直线，当转速不规律或发生转速变化该直线会发生扭曲变形，成为曲线。通过转速波平线可有效的反映出转速的规律性及是否存在转速的不均衡变化。

求取转速波差线：

转速波差线可有效的反映出转速的波动幅度的一致性。

图1为柴油机转速不规律的忽高忽低。

当船舶柴油正常时，其转速波差线为直线，不会存在波动（忽高忽低会导致转速波差线为曲线）。

当船舶调整行驶速度时，柴油机转速会上升或下降，如果柴油机正常，其转速波差线不会发生变化，波平线会随着转速上升或下降。因此通过转速波差线、波平线来共同检测柴油机转速故障。

当转速不存在波动时，转速波平线拟合直线为一条接近0斜率的直线，而人为调整柴油机转速时，其拟合直线的斜率较大。对转速波平线进行一阶线性拟合，得到线性方程，然后获取方程的斜率。当进行窗口划分拟合时，人为调整转速时转速波平线时序的序列表现出连续性与间断性，连续性表现为出现连续一样的斜率，间断性表现为斜率间断的发生变化。

人为调整柴油机转速，其变化是均匀的、稳定的，其斜率表现出连续性，最终利用斜率来区分是否是柴油机转速发生调整，避免故障的误检。

转速波差线只能反映出波动幅度的一致性，但无法判断是否存在波动。因此计算每个转速波平线窗口数据与每个转速波峰线、波谷线窗口数据的均值差异，用以反映是否存在波动现象。由于波平线是由波峰波谷线求平均得到，因此度量转速波平线与转速波峰线的差异即可，得到窗口均值差异U。

n即窗口/数据的长度，

分别表示波峰线、波平线窗口/序列数据中的第i个数据。U值越大，表示存在波动，且波动幅度越大。

为了消除量纲的影响，此处采用转速波差线波动程度来反映转速的波动速度，获取方法为：

对于转速波差线，首先获取相邻方差序列，方差用以扩大数值差值：

特殊的，对于相邻方差序列的第一个值，其方差序列为0，最终使得相邻方差序列与转速波差线序列长度相同。

对于正常的柴油机而言，其相邻方差通常接近与0。

最终得到转速波差线波动程度序列，其值越大，表明柴油机转速的增长速率越大、峰度（峰度是描述取值分布形态陡缓程度的统计量）越大。

进一步的，计算转速波差线的排列熵（通过转速波差线可有效的反映出转速的波动幅度的一致性，因此计算转速波差线的排列熵），排列熵值的大小表示时间序列的随机程度：熵值越小，说明时间序列越简单、规则；反之，熵值越大，则时间序列波动幅度变化越复杂、随机，即表明船舶柴油机转动越异常。

排列熵的取值范围为[0,1]，排列熵为周知的，这里不再赘述。采用排列熵，其步骤中存在空间重构，可以很好的分析较小数据量所组成的时间序列的随机性。

由于上述序列为一个序列一个值，不能反映出时序的转速变化，因此对于时间序列进行分窗，假设柴油机转速的采集为1秒1个数据，则1分钟有60个数据，每次对60个数据进行一次转速故障判断，对于60个数据，可分为6个窗口，然后获取每个窗口处的平均转速波差线波动程度值、排列熵及转速波平线拟合斜率、窗口均值差异，方法同上。

最终得到每个窗口的平均转速波差线波动程度值、排列熵及转速波平线拟合斜率、窗口均值差异，组成每个窗口的波动向量。

步骤三：实现对船舶柴油机转速故障的判断。

此处采用神经网络进行转速故障的检测。

训练的详细步骤如下：

a)所述神经网络包含一个GRU网络，一个全连接网络。GRU是LSTM网络的一种变体，它较LSTM网络的结构更加简单，而且效果也很好，可以解决RNN网络中的长依赖问题，从而更好的学习时序上的转速波动变化。

b)GRU网络输入数据为转动序列每个窗口的波动向量，形状为[B,6,4]，其中B为batchsize表示网络输入的样本批次数量，6表示存在六个窗口，4表示平均转速波差线波动程度值、排列熵及转速波平线拟合斜率、窗口均值差异，最终经过GRU网络进行特征提取，输出为特征向量。

c) 全连接网络的输入为特征向量，最终采用Softmax分类函数，输出该采集周期内是否存在转速故障不稳的概率，然后取最大概率即可得到柴油机转速故障情况。如一次推理后存在转速不稳的概率为0.9，转速计正常的概率为0.1，则此采样周期存在转速不稳。

d)损失函数采用交叉熵。

e)所述网络的标签为历史采集的数据，经过人为标注，即每一分钟的数据标注是否正常。

至此，即可通过上述方法进行船舶柴油机转速故障的检测。

实施者也可根据上述波动向量来分类柴油机转速故障的原因，一个实施例是分类下述三种引起柴油机转速故障的原因：供油系统原因、调速系统原因、外部原因（带变速箱的船舶柴油机离合器接合不良，打滑；工作机械负荷严重不稳）。

以上所述旨在让本领域技术人员更好的理解本发明，并不用于限制本发明。

Claims (3)

1.一种船舶柴油机转速故障检测方法，其特征在于，包括以下步骤：

步骤一：利用检测设备获取船舶设备的参数；

步骤二：对船舶的转速时间序列进行处理；

步骤三：实现对船舶柴油机转速故障的判断；

所述步骤二具体为：

首先获取转速时间序列中的波峰点、波谷点，然后将转速时间序列中的所有波峰点进行曲线拟合，得到波峰线L1；将转速时间序列中的所有波谷点进行曲线拟合，得到波谷线L2，再求取转速波平线和转速波差线，对转速波平线进行一阶线性拟合，得到线性方程，然后获取方程的斜率，计算每个转速波平线窗口数据与每个转速波峰线、波谷线窗口数据的均值差异，对于转速波差线，首先获取相邻方差序列，方差用以扩大数值差值，最终得到转速波差线波动程度序列，获取每个窗口处的平均转速波差线波动程度值、排列熵及转速波平线拟合斜率、窗口均值差异，最终得到每个窗口的平均转速波差线波动程度值、排列熵及转速波平线拟合斜率、窗口均值差异，组成每个窗口的波动向量。

2.根据权利要求1所述的一种船舶柴油机转速故障检测方法，其特征在于，所述步骤一具体为：

利用转速表对船舶柴油机转速进行实时监测获取船舶设备的参数，最终得到转速时间序列。

3.根据权利要求1所述的一种船舶柴油机转速故障检测方法，其特征在于，所述步骤三具体为：

采用神经网络进行转速故障的检测。

Images