CN115453236A - 一种船舶风翼动力系统的故障诊断与健康评估方法 - Google Patents
一种船舶风翼动力系统的故障诊断与健康评估方法 Download PDFInfo
- Publication number
- CN115453236A CN115453236A CN202211021849.8A CN202211021849A CN115453236A CN 115453236 A CN115453236 A CN 115453236A CN 202211021849 A CN202211021849 A CN 202211021849A CN 115453236 A CN115453236 A CN 115453236A
- Authority
- CN
- China
- Prior art keywords
- fault
- power system
- wind wing
- sensor
- health
- 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.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 114
- 230000036541 health Effects 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 93
- 230000014509 gene expression Effects 0.000 claims abstract description 10
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 8
- 230000009918 complex formation Effects 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 9
- 230000007774 longterm Effects 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 5
- 239000007788 liquid Substances 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 abstract 1
- 238000002405 diagnostic procedure Methods 0.000 description 7
- 239000003921 oil Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000009467 reduction Effects 0.000 description 5
- 238000004134 energy conservation Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 239000010720 hydraulic oil Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/005—Testing of electric installations on transport means
- G01R31/008—Testing of electric installations on transport means on air- or spacecraft, railway rolling stock or sea-going vessels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明一种船舶风翼动力系统的故障诊断方法，包括以下步骤：获取表征船舶风翼动力系统状态的开关量信号和模拟量信号，根据船舶风翼动力系统正常工作时所得到的开关量信号和模拟量信号，设置其工作参数基线；对正常工作时间段内的船舶风翼动力系统信号进行保存，以开关量信号和模拟量信号的工作参数基线设定船舶风翼动力系统的参数健康基线；对于故障为开关量信号，直接进行第一级故障诊断，得到一级故障诊断结果，针对故障为模拟量信号，结合开关量信号，利用参数对比法，进行第二级故障诊断；针对故障特征表现模糊、形成原因复杂的故障，采用时频域分解的方法进行故障针对，得到三级障诊断结果，该方法能够更好地适用于船舶风翼助航环境中。
Description
技术领域
本发明属于全自动化产品领域，涉及一种船舶风翼动力系统的故障诊断与健康评估方法。
背景技术
为了应对全球气候变化，如何实现节能减排作为当今航运业的一个重要问题，加强绿色技术研究、大力发展清洁能源技术成为解决节能减排问题的关键。风能以其清洁、可再生、分布广泛和能量丰富的特点得到世界各国航运公司的青睐，据各种来源估计，船舶风力技术的减排潜力约为10％～60％，因此风能的应用对船舶节能减排具有重要意义。由于采用风翼辅助船舶推进能够显著地降低燃料消耗，是实现绿色船舶、节能减排目标的有效手段之一，因此采用风翼辅助航行在降低船舶能耗、减少温室气体排放方面具有较高的可行性。
在船舶航行期间为获得足够的风力资源，需要对风翼高度及角度不断进行调整，在面对紧急情况时也需要进行及时的收帆，因此风翼动力系统需要经常运作，其动力系统工作负荷较大，这使得风翼动力系统出现故障的概率大大增加。目前对船舶风翼的驱动控制方式主要存在液压动力驱动以及电动驱动两种，对于船舶风翼动力系统的组成主要包括液压泵站、升降系统以及回转系统，目前升降系统的主要结构形式为液压结构，回转系统的主流结构形式正由液压结构转变为电动结构，由于风翼动力系统是由多个系统组成的复合系统，其故障形式繁多且难以观察，具有隐蔽性、多样性、不确定性等特点。当风翼动力系统出现故障时会对船舶航行状态造成不利影响，并将严重影响风翼的节能效率，因此如何及时发现故障并准确判断出风翼动力系统的健康状态是一个亟待解决的问题。
目前适用于常规动力系统的故障诊断方法主要可分为基于模型的诊断法、基于信号处理的诊断法和基于知识的诊断法。基于模型的诊断法通过构造适当的数学与物理模型，利用可测变量的比较生成残差序列，从残差序列中把故障检测出来。由于风翼动力系统结构庞大，且随着对风翼的使用以及控制策略的变动，系统的实际工作状态与模型间的差异不断增大，因此该方法难以对动力系统实现长期准确的故障诊断。
基于信号处理的诊断法通过检测动力系统的压力、流量、温度、力矩等参数信号并对其进行分析，找出系统中工作参数值与设备正常工况值不符的液压元件，以判断故障的所在。由于风翼动力系统参数较多，当利用该方法对全部信号参数进行分析时会导致诊断系统复杂性增加，甚至造成结果上的混乱。
基于知识的诊断法可以根据所得信息进行逻辑推理，实现对复杂故障的准确诊断，其主要包括神经系统诊断法、模糊逻辑诊断法、专家系统诊断法、故障树诊断法等实现方式，如何选取合适的知识诊断法才能准确识别出风翼动力系统的复杂故障在目前仍是一个实际应用过程中的难题。
由于船舶风翼动力系统的工作环境恶劣、结构复杂，在其船舶航行期间极易出现各种影响其正常工作的故障因素，鉴于船舶风翼系统对稳定性的要求较常规甲板机械更高，因此需要能够及时地对船舶风翼动力系统的故障发生情况与健康状态进行准确评估。而目前常规的故障诊断与健康评估方法对于船舶风翼动力系统而言常存在以下问题：
1.船舶风翼动力系统是由液压泵站、升降系统、回转系统联合组成的大型复合系统，而目前的故障诊断与健康状态评估方法只能针对单一系统的故障，因此难以适用于此类复合系统；
2.由于船舶风翼动力系统结构复杂庞大，故障类型繁多，而传统故障诊断方法通常仅采用单个类型的故障诊断方案，这就使得在实际应用中故障诊断系统的结构会变得臃肿杂乱，结构变得复杂；
3.船舶风翼动力系统的工作环境、控制策略及应用场景与常规动力系统存在较大差异，且针对该类特殊动力系统的故障诊断与健康评估问题方面的研究与实际应用较少，因此常规的故障诊断与健康评估方法在该系统的实际应用中难以保证准确有效。
发明内容
为了解决上述问题，本发明提供本发明采用的技术方案是：一种船舶风翼动力系统的故障诊断方法，包括以下步骤：
获取表征船舶风翼动力系统状态的开关量信号和模拟量信号，根据船舶风翼动力系统正常工作时所得到的开关量信号和模拟量信号，设置其工作参数基线；
对正常工作时间段内的船舶风翼动力系统信号进行保存，以开关量信号和模拟量信号的工作参数基线设定船舶风翼动力系统的参数健康基线；
对于故障为开关量信号，直接进行第一级故障诊断，得到一级故障诊断结果；
针对故障为模拟量信号，结合开关量信号，利用参数对比法，进行第二级故障诊断，得到二级故障诊断结果；
针对故障特征表现模糊、形成原因复杂的故障，采用时频域分解的方法进行故障针对，得到三级障诊断结果。
进一步地：所述开关量信号包括液压泵站高温报警信号、低液位报警信号、油泵过载信号和电源信号；所述模拟量信号包括压力信号和电机温度信号。
进一步地：所述设定船舶风翼动力系统的参数健康基线采用定期分析船舶风翼动力系统在正常稳定工作时间段内信号的平均值，并将正常稳定工作时间段内信号的平均值与上一周期的数据进行对比，对动力系统模拟量参数健康基线进行更新。
进一步地：所述针对故障为模拟量信号，结合开关量信号，利用参数对比法，进行第二级故障诊断，得到二级故障诊断结果；包括以下步骤:
利用参数对比法分析模拟量信号参数及开关量信号，通过对比诊断系统建造初始时根据专家经验以及系统健康状态训练数据所设定的健康与故障状态下的参数范围及开关特征，将各个信号参数间的对比情况映射至各类故障所对应的特征表现，诊断出船舶风翼动力系统中存在的二级故障诊断结果。
一种船舶风翼动力系统的健康评估方法，包括以下步骤：
收集船舶风翼动力系统故障诊断结果信息及当前故障情况；
对采集船舶风翼动力系统的传感器进行自检；
基于各个故障诊断结果对液压泵站系统、升降系统、回转系统健康状态的影响情况，对不同类型的故障赋值以不同数值的影响参数a1，a2，a3，…an，以及对不同故障的发生频率赋值以影响参数b1，b2，b3，…bn；
结合当前对船舶风翼动力系统的故障诊断结果以及各类故障的影响因数，计算液压泵站系统、升降系统、回转系统等子系统目前的健康评估值T；
记录的以往故障频率、维修率、传感器准确率、故障误诊率设定为在一定范围值内变化的影响参数c，将各类故障发生频率设定为影响参数b1，b2，b3，…bn,结合动力系统当前工作状态与近期故障诊断结果、传感器定期自检情况，确定系统硬件健康状态评估值P。
进一步地：所述所述对采集船舶风翼动力系统的传感器进行自检包括以下步骤：
检查传感器是否出现长期报错/报错时间过久现象；若出现则检查该系统在报错期间工作是否正常，若未出现便可结束传感器自检过程；
当传感器出现长期报错/报错时间过久现象时，若动力系统在报错期间工作正常，输出该传感器存在问题，若动力系统在该时间段内被检测出与该传感器监测信号相关的故障，输出该传感器正常；
确定是否存在异常报错以及报错时间段，并将传感器故障情况保存至数据库；
提取该传感器在传感器故障时间段内的故障诊断以及健康评估信息；
根据传感器故障以及系统正常工作时间的重合情况，适当降低该传感器信号对应故障发生频率；
重新计算各故障的发生频率，并确定当前该传感器正常运行。
进一步地，所述健康评估值T的公式如下：
根据健康评估值T所处范围来评估当前液压泵站、升降系统、回转系统的健康状态，
设定T≥95％时，系统全部完好，工作正常；
95％＞T≥85％时，系统某泵源/升降/回转支路存在轻度故障，某泵源/升降/回转支路工作效率略微降低；
85％＞T≥70％时，系统某泵源/升降/回转支路存在严重故障，某泵源/升降/回转支路工作效率大幅降低；
70％＞T≥50％时，系统泵源/升降/回转系统存在失效现象，某泵源/升降/回转支路工作效率大幅降低，无法控制风翼系统实现正常动作；
T＜50％时，系统主要泵源/升降/回转系统失效，风翼系统控制失灵。
进一步地：所述健康状态评估值P的公式如下。
本发明提供的一种种船舶风翼动力系统的故障诊断与健康评估方法，具有以下优点：
基于船舶风翼动力系统的结构组成与工作特性，将信号处理诊断法与知识诊断法进行结合，基于故障类型进行分级诊断，降低了诊断方法的复杂程度并优化了诊断速度，通过分级诊断避免了信号处理诊断法在诊断过程中多信号相互干扰影响诊断结果的问题，并通过知识诊断法保证了对复杂故障的诊断功能。同时通过对信号基准的定时计算，能够根据风翼动力系统工作状态的改变动态地调整故障诊断中的信号基线，避免了动力系统在工作一段时间后较数学物理模型偏差增大的问题，有助于实现对动力系统长期的精确诊断。
通过考虑结构因素、传感器安装因素、故障因素、船舶控制策略、故障发生频率等因素的影响，以及各类故障对风翼运行时健康程度的影响，本发明的船舶风翼动力系统健康评估方法较常规系统健康评估方法能够更好地适用于船舶风翼助航环境中，更加符合船舶风翼的实际使用场景，极大地提升了船舶风翼动力系统健康状态评估的可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明提供的一种故障诊断方法的流程图；
图2示出了本发明提供的一种健康评估方法的流程图；
图3示出了本发明提供的一种排除传感器故障影响方法的流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合，下面将参考附图并结合实施例来详细说明本发明。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。同时，应当清楚，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员己知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任向具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
在本发明的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制：方位词“内、外”是指相对于各部件本身的轮廓的内外。
为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其位器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。
此外，需要说明的是，使用“第一”、“第二”等词语来限定零部件，仅仅是为了便于对相应零部件进行区别，如没有另行声明，上述词语并没有特殊含义，因此不能理解为对本发明保护范围的限制。
本发明提出了一种船舶风翼动力系统故障诊断方法，具体地，图1为故障诊断方法的流程图，此故障诊断方法主要包括获取信号数据分类、健康基线动态调整、第一级故障诊断、第二级故障诊断、第三级故障诊断五个阶段。具体的故障诊断方法，包括以下步骤：
步骤1：通过船舶风翼动力系统上安置的传感器实时地获取系统中的状态参数，即开关量信号和模拟量信号；根据船舶风翼动力系统正常工作时所得到的开关量信号和模拟量信号，设置其工作参数基线；
步骤2：对正常工作时间段内的船舶风翼动力系统信号进行保存，以开关量信号和模拟量信号的工作参数基线设定船舶风翼动力系统的参数健康基线；
步骤3：对于故障为开关量信号，直接进行第一级故障诊断，得到一级故障诊断结果；
步骤4：针对故障为模拟量信号，结合开关量信号，利用参数对比法，进行第二级故障诊断，得到二级故障诊断结果；
步骤5：针对故障特征表现模糊、形成原因复杂的故障，采用时频域分解的方法进行故障针对，得到三级障诊断结果。
所述步骤1、步骤2、步骤3、步骤4、步骤5顺序执行；
进一步地，步骤1：通过船舶风翼动力系统上安置的传感器实时地获取系统中的状态参数，即开关量信号和模拟量信号；根据船舶风翼动力系统正常工作时所得到的开关量信号和模拟量信号，设置其工作参数基线；其用处是为后续动态更改健康基线提供一个最初的标准；例如动力系统在进行第一次工作时需要通过这个标准来判断其是否工作正常，若不正常可进行后续分析，若正常，这次工作便可以作为动态更改的第一周的数据，对初始健康基线进行调整，初始健康基线是后续调整的原始基础。具体过程如下：
还包括，对传感器信号进行数据筛选，过滤掉无用的状态信号，对筛选出的信号数据进行分析，将其分类为如液压泵站高温报警信号、低液位报警信号、油泵过载、电源信号(电源是否打开YES/NO)等开关量信号以及压力、电机温度等模拟量信号，并分别对应于液压泵站、风翼升降系统、风翼回转系统。利用系统正常工作时所得到的信号数据设置工作参数初始健康基线。设置的健康基线指的是初始时制定的健康基线，其用处是为后续动态更改健康基线提供一个最初的标准；例如动力系统在进行第一次工作时需要通过这个标准来判断其是否工作正常，若不正常可进行后续分析，若正常，这次工作便可以作为动态更改的第一周的数据，对初始健康基线进行调整，初始健康基线是后续调整的原始基础。
开关量信号如下所示：
| 开关量信号 | 信号范围 | 正常值 | 异常状态 |
| 高温报警 | Y/N | N | Y |
| 低液位报警 | Y/N | N | Y |
| 低液位停机 | Y/N | N | Y |
| 高液位报警 | Y/N | N | Y |
| 油泵过载 | Y/N | N | Y |
| 回油滤器堵塞 | Y/N | N | Y |
| 泵运行状态 | Y/N | Y | N |
| 升降阀组A运行 | Y/N | Y | N |
| 升降阀组B运行 | Y/N | Y | N |
| 电机输出力矩 | Y/N | Y | N |
| 变频器电源是否正常(OK) | Y/N | Y | N |
| 变频器是否运行 | Y/N | Y | N |
进一步地：对正常工作时间段内的船舶风翼动力系统信号进行保存，以开关量信号和模拟量信号的工作参数基线设定船舶风翼动力系统的参数健康基线；的具体过程如下：
将正常工作时间段内的动力系统信号保存至自学习数据库中，该数据库所存储的信号数据将用于后续对健康基线的动态调整，以每周一次的频率定期分析液压油压力、旋转电机温度等参数在正常稳定工作时间段内的平均值，与上一周期的数据进行对比，将上一周期模拟量正常工作状态下的上、下限值平均值L、H与初始健康基线的上、下限值L0、H0各自取平均值A、B，将其作为本周期内的基线范围，该计算过程如下所示：
计算上一周期内正常工作状态下模拟量信号变化范围下限平均值：
计算上一周期内正常工作状态下模拟量信号变化范围上限平均值：
确定本周期内模拟量信号变化范围下限：
确定本周期内模拟量信号变化范围上限：
L1,L2,…Ln—上一周期各个正常工作时间段内模拟量下限值；
H1,H2,…Hn—上一周期各个正常工作时间段内模拟量上限值；
n—上一周期内正常工作次数。
由上述过程动态地更改动力系统模拟量参数健康基线，以底线之上为该信号的正常值自学习范围。同时操作员也可对健康基线进行自定义更改，当目前航行环境恶劣、动力系统或传感器出现故障时，能够动态更改健康基线。
进一步地，对于故障为开关量信号，直接进行第一级故障诊断，得到一级故障诊断结果的过程如下：
将高温报警信号、设备启动信号、低油位报警信号、电机输出力矩等开关量信号所能直接进行反映的故障归于第一级的故障诊断阶段，由开关量信号状态直接判断是否出现故障。
当收到对风翼动力系统的启动控制信号后，动力系统开始运行，若收到控制信号后设备启动信号、电源信号等开关信号始终未反馈“YES”状态，则可直接判断该设备停止运行，若高温报警、低液位报警等反馈为“YES”状态，则可直接判断该设备出现故障，具体判断可如下例所示：
进一步地，针对故障为模拟量信号，结合开关量信号，利用参数对比法，进行第二级故障诊断，得到二级故障诊断结果的具体过程如下：
第一阶段诊断结束之后进入第二级故障诊断阶段，对于仅凭开关量信号无法明确反映，需要结合模拟量信号分析对比健康基线的故障归于第二级的故障诊断阶段，结合压力、转速、力矩、温度等模拟量信号的异常变化以及开关量信号，与正常状态下的信号健康基线进行对比观察是否处于异常状态警戒线内，得出诊断结果；
对于模拟量而言，警戒线为在系统工作模式下健康基线的上下限之外的范围；
对于开关量而言，警戒线为在接收到控制命令处于工作状态时，所给出的异常反馈；
利用参数对比法分析模拟量信号参数及开关量信号，通过对比诊断系统建造初始时根据专家经验以及系统健康状态训练数据(指的是对于船舶风翼动力系统进行建模仿真后，经过分析计算出的动力系统在正常工作时各个信号所处的范围)所设定的健康与故障状态下的参数范围及开关特征(指的是动力系统在正常工作以及在不同类型故障时，各个开关信号有不同的反馈表现)，将各个信号参数间的对比情况映射至各类故障所对应的特征表现，映射过程如下例所示：
(注：此映射过程需在收到相应控制命令后进行)
诊断出系统中存在的故障。对于未能正确识别或未识别出的故障状态，经查明后将所对应状态信息(指的是对于某些没有明确其异常状态信号特征、但实际却发生了的故障，其所出现的故障现象)添加至故障数据库中完善故障数据，以增强故障诊断水平。
步骤5.第二级故障诊断阶段结束后进入第三级故障诊断阶段，这一阶段主要针对于故障特征表现模糊、形成原因复杂的内泄漏故障(主要指液压缸内泄漏、液压泵、液压马达内泄漏等内泄漏故障，其特征模糊、形成原因复杂，需要进行高精度分解才能够进行有效地识别)，通过对压力、流量等信号进行时频域分解提取模拟量信号中隐含的高频故障特征(如对模拟量信号进行小波包分解以对比其时频特征是否处于警戒范围)，结合当前动力系统所接收到的控制信号(该控制信号指所接收到的对船舶风翼的动作控制信号，只有接收到动作信号后系统才会进行供油、升降、回转等动作，此时才能够对压力流量等信号进行分析；若未接收到信号，系统并未动作，此时流量压力等大多处于0或某恒定值，此时无法进行有效的分析，控制信号如：液压泵站供油信号、升降系统上升/下降信号、回转系统旋转/锁定角度信号)以及系统实际动作情况、开关量信号，排查出故障所在位置，以实现对复杂故障的定位。
图2为健康评估方法的流程图，此健康评估方法主要包括故障诊断结果校验、故障影响分析、评估当前动力系统健康状态、评估动力系统硬件健康状态共四个阶段。一种船舶风翼动力系统的健康评估方法，包括以下步骤：
S1：收集船舶风翼动力系统故障诊断结果信息及当前故障情况；基于一种船舶风翼动力系统故障诊断方法收集船舶风翼动力系统故障诊断结果信息及当前故障情况；
S2：对采集船舶风翼动力系统的传感器进行自检；
S3：评估当前故障情况对系统健康状态的影响；根据专家经验知识，基于各个故障诊断结果对液压泵站系统、升降系统、回转系统健康状态的影响情况(这里是指各个系统中可能存在的各类故障对其系统(只针对单一系统)的健康状态可能造成的影响程度。并不是在这个地方界定出健康状态。)，对不同类型的故障赋值以不同数值的影响参数a1，a2，a3，…an，以及对不同故障的发生频率赋值以影响参数b1，b2，b3，…bn；
S4:评估故障发生频率对系统健康的影响：结合当前对船舶风翼动力系统的故障诊断结果以及各类故障的影响因数，计算液压泵站系统、升降系统、回转系统等子系统目前的健康评估值T；根据健康评估值所处范围来评估当前动力系统的健康状态；
该系统当前健康评估值T：
根据健康评估值T所处范围来评估当前各个子系统(指的是风翼动力系统中的液压泵站、升降系统、回转系统)的健康状态，
设定T≥95％时，系统全部完好，工作正常；
95％＞T≥85％时，系统某泵源/升降/回转支路存在轻度故障，工作效率略微降低；
(泵源/升降/回转支路)的各自工作效率对泵源而言，该条泵源的供油效率有所降低；对升降系统而言，
该支路的升降效率(升降速度、升降高度)有所降低；
对回转系统而言，该支路的回转效率(回转速度、回转角度)有所降低。
85％＞T≥70％时，系统某泵源/升降/回转支路存在严重故障，工作效率大幅降低；
70％＞T≥50％时，系统泵源/升降/回转系统存在失效现象，工作效率大幅降低，无法控制风翼系统实现正常动作；
T＜50％时，系统主要泵源/升降/回转系统失效，风翼系统控制失灵。
上述为对船舶风翼动力系统当前使用情况下的健康评估。
船舶风翼动力系统主要由液压泵站、升降系统、回转系统组成。
液压泵站含有多个泵源，可以为动力系统输送工作介质液压油；
升降系统也包含多个升降支路，为船舶风翼提供向上的动力及支撑力，确保风翼能够达到设定高度；
回转系统包含多个回转支路，为船舶风翼提供旋转动力，确保风翼能够旋转至最佳攻角，以实现对风力的最大化利用；
以上各个子系统在船舶中常为一用一备，例如一艘装有4个风翼的船舶，每次只启用2套升降系统。
S5：记录的以往故障频率、维修率、传感器准确率、故障误诊率设定为在一定范围值内变化的影响参数c，将各类故障发生频率设定为影响参数b1，b2，b3，…bn,结合动力系统当前工作状态与近期故障诊断结果、传感器定期自检情况，确定系统硬件健康状态评估值P。
基于各类故障在一定统计时间段内的发生频率以及统计时间段内动力系统的健康状态评估值，对船舶风翼动力系统的部件寿命状态进行评估量化，根据寿命评估量化值分析得到系统硬件的健康状态。
步骤S1、S2、S3、S4、S5顺序执行；
进一步的，所述收集故障诊断结果信息及当前故障情况包括：
经过故障诊断过程后，收集当前时期内船舶风翼动力系统的故障发生类型以及故障数量，并及时更新各个故障的发生频率信息；
进一步的，对采集船舶风翼动力系统的传感器进行自检，所述检验传感器等设备因素是否正常包括：
考虑备用传感器以及传感器故障的因素，当健康分数长期较低时，将传感器故障情况加入到健康评估影响因素中，通过统计传感器数值异常时期内动力系统是否正常工作，以及传感器以往故障情况，来分析当前的故障诊断结果是否受到异常传感器的影响，以排除传感器因素；
具体地：S1、在完成故障诊断功能后，根据系统实际工作情况以及当前系统的工作情况是否存在较大问题，对故障诊断结果的真实性进行检验，同时将传感器等外部因素考虑进健康评估过程，定期进行传感器故障情况自我检验，以方便校准各个故障的发生频率，确保系统健康状态评估准确可靠，传感器故障情况自我检验过程如图3所示，具体过程如下：
1.检查传感器是否出现长期报错/报错时间过久现象；若出现则检查该系统在报错期间工作是否正常，若未出现便可结束传感器自检过程；
2.当传感器出现长期报错/报错时间过久现象时，若动力系统在报错期间工作正常，输出该传感器存在问题，若动力系统在该时间段内被检测出与该传感器监测信号相关的故障，输出该传感器正常；
3.确定是否存在异常报错以及报错时间段，并将传感器故障情况保存至数据库；
4.提取该传感器在传感器故障时间段内的故障诊断以及健康评估信息；
5.根据传感器故障以及动力系统正常工作时间的重合情况，适当降低该传感器信号对应故障发生频率；
6.重新计算各故障的发生频率，并确定当前该传感器正常运行，故障发生频率F重新计算公式如下：
F0—未重新计算故障发生频率；
a—传感器未发生故障时该故障发生次数；
b—传感器故障期间该故障发生次数。
所述检验传感器等设备因素是否正常包括：
考虑备用传感器以及传感器故障的因素，当健康分数长期较低时(康分数指的是以往航行期间内对动力系统健康评估得到的评估分数，即历史数据，其是利用后续方法计算得出的)，将传感器故障情况加入到健康评估影响因素中，通过统计传感器数值异常时期内动力系统是否正常工作，以及传感器以往故障情况，来分析当前的故障诊断结果是否受到异常传感器的影响，以排除传感器因素；
若发现因传感器存在问题而导致诊断结论存在错误，则返回上一步(是在对故障传感器进行修理或替换备用后，重新对该传感器监测信号所相关联的各类故障发生情况进行诊断，判断故障是否真实存在)，重新进行故障诊断(在对故障传感器进行修理或替换备用后，重新对该传感器监测信号所相关联的各类故障发生情况进行诊断，判断故障是否真实存在)，并在显示屏上显示错误通知，若诊断结果无误，则进入下一步的故障影响分析；
由于随着时间的推移，各部件的寿命均有损耗，船舶风翼动力系统的实际稳定性及硬件的健康状态有所下降，因此应对动力系统进行进一步的硬件寿命健康评估。对一定时期内的各类故障发生频率进行统计归纳，由故障发生频率以及传感器定期自检情况，进行系统硬件寿命的健康评估。
在评估过程中将数据库(所存储的以往故障诊断结果、故障频率、传感器准确率等相关信息，这些信息需要存储至数据库中进行备用以进行健康评估)中记录的以往故障频率、维修率、传感器准确率、故障误诊率等设定为在一定范围值内变化的影响参数c，将各类故障发生频率设定为S3中的影响参数b1，b2，b3，…bn,结合动力系统当前工作状态与近期故障诊断结果、传感器定期自检情况，确定系统硬件健康状态评估值P。
由此可输出船舶风翼动力系统硬件健康状态评估结论。
一种船舶风翼动力系统的故障诊断装置：包括：
获取模块：用于获取表征船舶风翼动力系统状态的开关量信号和模拟量信号，根据船舶风翼动力系统正常工作时所得到的开关量信号和模拟量信号，设置其工作参数基线；
保存及设定模块：用于对正常工作时间段内的船舶风翼动力系统信号进行保存，以开关量信号和模拟量信号的工作参数基线设定船舶风翼动力系统的参数健康基线；
第一级诊断模块：用于对于故障为开关量信号，直接进行第一级故障诊断，得到一级故障诊断结果；
第二级诊断模块：用于针对故障为模拟量信号，结合开关量信号，利用参数对比法，进行第二级故障诊断，得到二级故障诊断结果；
第三级诊断模块：用于针对故障特征表现模糊、形成原因复杂的故障，采用时频域分解的方法进行故障针对，得到三级障诊断结果。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种船舶风翼动力系统的故障诊断方法，其特征在于：包括以下步骤：
获取表征船舶风翼动力系统状态的开关量信号和模拟量信号，根据船舶风翼动力系统正常工作时所得到的开关量信号和模拟量信号，设置其工作参数基线；
对正常工作时间段内的船舶风翼动力系统信号进行保存，以开关量信号和模拟量信号的工作参数基线设定船舶风翼动力系统的参数健康基线；
对于故障为开关量信号，直接进行第一级故障诊断，得到一级故障诊断结果；
针对故障为模拟量信号，结合开关量信号，利用参数对比法，进行第二级故障诊断，得到二级故障诊断结果；
针对故障特征表现模糊、形成原因复杂的故障，采用时频域分解的方法进行故障针对，得到三级障诊断结果。
2.根据权利要求1所述的一种船舶风翼动力系统的故障诊断方法，其特征在于：所述开关量信号包括液压泵站高温报警信号、低液位报警信号、油泵过载信号和电源信号；所述模拟量信号包括压力信号和电机温度信号。
3.根据权利要求1所述的一种船舶风翼动力系统的故障诊断方法，其特征在于：所述设定船舶风翼动力系统的参数健康基线采用定期分析船舶风翼动力系统在正常稳定工作时间段内信号的平均值，并将正常稳定工作时间段内信号的平均值与上一周期的数据进行对比，对动力系统模拟量参数健康基线进行更新。
4.根据权利要求1所述的一种船舶风翼动力系统的故障诊断方法，其特征在于：所述针对故障为模拟量信号，结合开关量信号，利用参数对比法，进行第二级故障诊断，得到二级故障诊断结果；包括以下步骤:
利用参数对比法分析模拟量信号参数及开关量信号，通过对比诊断系统建造初始时根据专家经验以及系统健康状态训练数据所设定的健康与故障状态下的参数范围及开关特征，将各个信号参数间的对比情况映射至各类故障所对应的特征表现，诊断出船舶风翼动力系统中存在的二级故障诊断结果。
5.一种船舶风翼动力系统的健康评估方法，其特征在于：包括以下步骤：
收集船舶风翼动力系统故障诊断结果信息及当前故障情况；
对采集船舶风翼动力系统的传感器进行自检；
基于各个故障诊断结果对液压泵站系统、升降系统、回转系统健康状态的影响情况，对不同类型的故障赋值以不同数值的影响参数a1，a2，a3，…an，以及对不同故障的发生频率赋值以影响参数b1，b2，b3，…bn；
结合当前对船舶风翼动力系统的故障诊断结果以及各类故障的影响因数，计算液压泵站系统、升降系统、回转系统等子系统目前的健康评估值T；
记录的以往故障频率、维修率、传感器准确率、故障误诊率设定为在一定范围值内变化的影响参数c，将各类故障发生频率设定为影响参数b1，b2，b3，…bn,结合动力系统当前工作状态与近期故障诊断结果、传感器定期自检情况，确定系统硬件健康状态评估值P。
6.根据权利要求1所述的一种船舶风翼动力系统的健康评估方法，其特征在于：所述对采集船舶风翼动力系统的传感器进行自检，包括以下步骤：
检查传感器是否出现长期报错/报错时间过久现象；若出现则检查该系统在报错期间工作是否正常，若未出现便可结束传感器自检过程；
当传感器出现长期报错/报错时间过久现象时，若动力系统在报错期间工作正常，输出该传感器存在问题，若动力系统在该时间段内被检测出与该传感器监测信号相关的故障，输出该传感器正常；
确定是否存在异常报错以及报错时间段，并将传感器故障情况保存至数据库；
提取该传感器在传感器故障时间段内的故障诊断以及健康评估信息；
根据传感器故障以及系统正常工作时间的重合情况，适当降低该传感器信号对应故障发生频率；
重新计算各故障的发生频率，并确定当前该传感器正常运行。
7.根据权利要求1所述的一种船舶风翼动力系统的健康评估方法，其特征在于：所述健康评估值T的公式如下：
根据健康评估值T所处范围来评估当前液压泵站、升降系统、回转系统的健康状态，
设定T≥95％时，系统全部完好，工作正常；
95％＞T≥85％时，系统某泵源/升降/回转支路存在轻度故障，某泵源/升降/回转支路工作效率略微降低；
85％＞T≥70％时，系统某泵源/升降/回转支路存在严重故障，某泵源/升降/回转支路工作效率大幅降低；
70％＞T≥50％时，系统泵源/升降/回转系统存在失效现象，某泵源/升降/回转支路工作效率大幅降低，无法控制风翼系统实现正常动作；
T＜50％时，系统主要泵源/升降/回转系统失效，风翼系统控制失灵。
8.根据权利要求1所述的一种船舶风翼动力系统的健康评估方法，其特征在于：所述健康状态评估值P的公式如下。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211021849.8A CN115453236A (zh) | 2022-08-24 | 2022-08-24 | 一种船舶风翼动力系统的故障诊断与健康评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211021849.8A CN115453236A (zh) | 2022-08-24 | 2022-08-24 | 一种船舶风翼动力系统的故障诊断与健康评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115453236A true CN115453236A (zh) | 2022-12-09 |
Family
ID=84298061
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211021849.8A Pending CN115453236A (zh) | 2022-08-24 | 2022-08-24 | 一种船舶风翼动力系统的故障诊断与健康评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115453236A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115993504A (zh) * | 2023-03-23 | 2023-04-21 | 山东盛日电力集团有限公司 | 一种电气设备的智能故障诊断方法及系统 |
| CN117368606A (zh) * | 2023-10-17 | 2024-01-09 | 中国船舶集团有限公司第七〇四研究所 | 一种船舶电力推进系统故障监测诊断方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101266273A (zh) * | 2008-05-12 | 2008-09-17 | 徐立军 | 一种多传感器系统故障自诊断方法 |
| CN103997126A (zh) * | 2014-05-28 | 2014-08-20 | 华北电网有限公司 | 一种基于开关量状态的故障诊断分级方法及系统 |
| 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 |
| CN110738331A (zh) * | 2019-09-19 | 2020-01-31 | 智慧航海（青岛）科技有限公司 | 一种智能船舶机舱系统 |
| CN112083355A (zh) * | 2020-09-09 | 2020-12-15 | 江苏杰瑞信息科技有限公司 | 一种船舶舱室设备健康管理与故障预测系统及方法 |
| CN112101764A (zh) * | 2020-09-07 | 2020-12-18 | 中国人民解放军海军工程大学 | 基于状态监测的船舶技术状况综合评估系统 |
| CN113076625A (zh) * | 2021-03-15 | 2021-07-06 | 中国船舶重工集团公司第七一九研究所 | 一种舰船柴油发电机组健康管理系统及其工作方法 |
| CN113158705A (zh) * | 2020-01-07 | 2021-07-23 | 株洲中车时代电气股份有限公司 | 风机故障预测与健康管理装置和方法 |
| CN114066220A (zh) * | 2021-11-13 | 2022-02-18 | 扬州英能吉电气自动化有限公司 | 一种船舶故障预测与健康管理系统 |
-
2022
- 2022-08-24 CN CN202211021849.8A patent/CN115453236A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101266273A (zh) * | 2008-05-12 | 2008-09-17 | 徐立军 | 一种多传感器系统故障自诊断方法 |
| CN103997126A (zh) * | 2014-05-28 | 2014-08-20 | 华北电网有限公司 | 一种基于开关量状态的故障诊断分级方法及系统 |
| 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 |
| CN110738331A (zh) * | 2019-09-19 | 2020-01-31 | 智慧航海（青岛）科技有限公司 | 一种智能船舶机舱系统 |
| CN113158705A (zh) * | 2020-01-07 | 2021-07-23 | 株洲中车时代电气股份有限公司 | 风机故障预测与健康管理装置和方法 |
| CN112101764A (zh) * | 2020-09-07 | 2020-12-18 | 中国人民解放军海军工程大学 | 基于状态监测的船舶技术状况综合评估系统 |
| CN112083355A (zh) * | 2020-09-09 | 2020-12-15 | 江苏杰瑞信息科技有限公司 | 一种船舶舱室设备健康管理与故障预测系统及方法 |
| CN113076625A (zh) * | 2021-03-15 | 2021-07-06 | 中国船舶重工集团公司第七一九研究所 | 一种舰船柴油发电机组健康管理系统及其工作方法 |
| CN114066220A (zh) * | 2021-11-13 | 2022-02-18 | 扬州英能吉电气自动化有限公司 | 一种船舶故障预测与健康管理系统 |
Non-Patent Citations (1)
| Title |
|---|
| 赵浩洋: "风翼液压系统故障诊断方法综述", 《机床与液压》, 23 February 2022 (2022-02-23) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115993504A (zh) * | 2023-03-23 | 2023-04-21 | 山东盛日电力集团有限公司 | 一种电气设备的智能故障诊断方法及系统 |
| CN115993504B (zh) * | 2023-03-23 | 2023-08-18 | 山东盛日电力集团有限公司 | 一种电气设备的智能故障诊断方法及系统 |
| CN117368606A (zh) * | 2023-10-17 | 2024-01-09 | 中国船舶集团有限公司第七〇四研究所 | 一种船舶电力推进系统故障监测诊断方法 |
| CN117368606B (zh) * | 2023-10-17 | 2024-04-12 | 中国船舶集团有限公司第七〇四研究所 | 一种船舶电力推进系统故障监测诊断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115453236A (zh) | 一种船舶风翼动力系统的故障诊断与健康评估方法 | |
| CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
| CN110208019B (zh) | 一种动设备状态监测动态阈值预警方法 | |
| US20210041862A1 (en) | Malfunction early-warning method for production logistics delivery equipment | |
| CN114559819B (zh) | 一种基于信号处理的电动汽车电池安全预警方法 | |
| WO2023197461A1 (zh) | 一种基于工况相似性评估的齿轮箱故障预警方法及系统 | |
| CN108627720B (zh) | 一种基于贝叶斯算法的电力设备状态监测方法 | |
| CN108092623B (zh) | 一种光伏阵列多传感器故障检测定位方法 | |
| CN107291991A (zh) | 一种基于动态网络标志的风电机组早期缺陷预警方法 | |
| CN109507992B (zh) | 一种机车制动系统部件的故障预测方法、装置及设备 | |
| CN110378042A (zh) | 基于scada数据的风电机组齿轮箱油温异常检测方法及系统 | |
| CN114519923A (zh) | 一种电厂智能诊断预警方法和系统 | |
| CN109298633A (zh) | 基于自适应分块非负矩阵分解的化工生产过程故障监测方法 | |
| CN113157732A (zh) | 一种基于pso-bp神经网络的地下铲运机故障诊断方法 | |
| CN112001511A (zh) | 基于数据挖掘的设备可靠性及动态风险评价方法、系统和设备 | |
| CN115146718A (zh) | 基于深度表示的风电机组异常检测方法 | |
| CN114738132A (zh) | 基于实船数据的增压器转速传感器故障诊断方法及系统 | |
| CN106933097B (zh) | 一种基于多层优化pcc-sdg的化工过程故障诊断方法 | |
| CN116010894A (zh) | 一种基于深度堆叠策略的挖泥船施工数据异常检测方法 | |
| CN116363843A (zh) | 试验室设备预警系统 | |
| CN116521406A (zh) | 一种基于残差门gru-vae模型的航空发动机未超限飞参数据异常检测方法 | |
| Liu et al. | Fault diagnosis of diesel engine information fusion based on adaptive dynamic weighted hybrid distance-taguchi method (ADWHD-T) | |
| CN111624985B (zh) | 燃气轮机控制系统传感器故障诊断方法 | |
| CN106649204A (zh) | 一种变压器油中溶解气体异常识别方法 | |
| Zou et al. | Fault diagnosis of shield machine based on SOM-BP neural network fusion |
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 |