基于油液監測的船舶柴油機故障預測與健康管理技術研究

姚曉山 張衛東 周 平 朱子梁

（空軍預警學院黃陂士官學校1） 武漢 430345）（中國人民解放軍92557部隊2） 廣州 510720）

0 引 言

船舶柴油機PHM，即在船舶柴油機失效前進行故障預測，評估當前系統的健康退化程度，判斷系統是由于何種故障模式引起健康水平的下降，并采取必要措施進行預先維護［1］.船舶柴油機在運轉時，因摩擦副磨損，造成的故障和失效占有很大的比例.磨損類故障屬于緩變故障，在臨近故障發生之前的某一時刻，系統狀態參數的變化率通常會一改先前的相對穩定狀態而急劇增大.因此，合理確定表征故障即將發生的狀態變化臨界點是成功實現故障預測的關鍵［2］.

1924年，美國貝爾研究所的休哈特（W.A.Shewhart）運用數理統計原理提出了控制生產過程中的“6σ”方法，即后來發展的質量控制圖和預防缺陷的概念，成為了進行生產過程控制的重要方法.對船舶柴油機運行過程中工作性能的監控和故障預測，與生產過程中利用統計過程控制（SPC）理論對產品進行質量管理，對生產設備加工能力進行預測具有相似的作用［3］.因此，本文將SPC理論引入到船舶柴油機的故障預測技術中，并結合投影尋蹤（PP）方法對船舶柴油機性能退化程度進行綜合評估，為準確掌握船舶柴油機的技術狀態和實現船舶柴油機的健康管理提供指導.

1 船舶柴油機磨損失效機理

磨損是船舶柴油機最主要的失效形式.船舶柴油機的磨損是伴隨摩擦而產生的必然結果，磨損不僅是摩擦副損耗的主要原因，也是影響船舶柴油機使用壽命的主要因素.研究表明，機械類裝備的磨損過程可分為磨合、穩定磨損和急劇磨損3個階段.因此，可通過磨損狀況的監測來反映船舶柴油機的技術狀態.

當船舶柴油機處于穩定磨損階段時，磨損速率基本保持不變，“浴盆曲線”幾乎保持水平；當存在異常磨損時，磨損速率將會出現陡增，“浴盆曲線”將不再保持水平，而油液光譜分析中磨損元素的質量濃度梯度指標代表了磨損速率的變化情況，因此，它能靈敏感知船舶柴油機的早期失效征兆，這為實現船舶柴油機的故障預測與健康管理提供了可能性.

2 基于SPC的船舶柴油機故障預測

2.1 控制圖原理

控制圖的本質是利用子組來監測過程分布規律隨時間的變化情況，以便及時發現異常，尋找原因并采取糾正措施.其中，子組代表某一時刻（實際上是在一個時間段中）過程的分布規律，即用子組（內含若干數據——過程特性的測量值）來估計當時（實際上是在一個時間段中）過程的分布規律［4］.

對于船舶柴油機油液監測而言，一般是定時抽取一個有代表性的油樣進行檢測.因此，子組容量一般為1.子組容量為1時，SPC一般以單次測量值和移動極差（相鄰2次測量值差值的絕對值）為對象建立x-Rs控制圖，其中控制中心線（CL）、控制上限（UCL）和控制下限（LCL）按下式進行計算：（1）x控制圖.CL=ˉx，UCL=ˉx+2.66ˉRs，LCL=ˉx-2.66ˉRs；（2）Rs控制圖.CL=ˉRs，UCL=3.27ˉRs，LCL不考慮.

2.2 控制圖的判斷準則

休哈特控制圖的判斷準則是對設備進行異常判斷的準則，若符合判斷準則，則說明設備出現異常，雖然設備的數據仍處于控制限之內，但通過對數據圖形的判斷即可分析出設備的運行狀況，體現了故障預測的思想.將控制圖中心線上下區域各分成3 等分，中心線至±1σ的區域為C區；±1σ～±2σ的區域為B區；±2σ～±3σ的區域為A 區，符合下面任一條件，即可認為過程處在控制狀態之外：（1）有一個點落在3σ控制界限之外；（2）3個連續的點中有2個點出現在2σ上（或下）控制限的上方（或下方）；（3）5個連續的點中有4個點出現在1σ上（或下）控制限的上方（或下方）；（4）8個連續的點出現在中心線的同一側.

2.3 船舶柴油機故障預測

本文選取船舶柴油機3種主要磨損元素Fe，Pb和Cu油液光譜分析的濃度梯度值作為質量特性指標，數據如表1所列，建立x-Rs控制圖，并在此基礎上進行SPC分析.

表2各列所示分別為Fe，Pb和Cu 3種磨損元素測量值的CL，UCL和LCL，以及對應移動極差的CL和UCL.圖1～圖3分別為其x-Rs控制圖.

表1 某船用柴油機SPC數據表

表2 某船用柴油機SPC極限值

圖1 鐵元素的x-Rs控制圖

圖2 鉛元素的x-Rs控制圖

由圖1～圖3可見，除了圖1中的Fe元素在11號樣本點處Rs=0.065超出控制上限（UCL＿Rs=0.064）外，其他各項質量特性指標均處于控制界限之內，根據休哈特控制圖判斷準則，表明在11號樣本點處出現了異常磨損.由于此時船舶正在海上連續航行，為避免因磨損惡化而造成嚴重事故，更換了潤滑油，并加強了運行過程中的油液監測.從圖中可以看出，各項質量特性指標在11號樣本點之后，都得到了較好的控制，沒有一項指標超出控制界限.

圖3 銅元素的x-Rs控制圖

3 基于PP 的船舶柴油機性能退化綜合評價

3.1 投影尋蹤原理

PP方法基本思路：將高維數據通過某種組合投影到低維子空間上，并通過優化投影指標函數，尋找出能反映原高維數據結構或特征的投影向量，在低維空間上對數據結構進行分析，以達到研究和分析高維數據的目的［5］.其基本步驟如下.

步驟1 構造投影指標函數 PP 方法就是把p維歸一化數據｛x（i，j）｜j=1，2，…，p｝綜合成以a=（a（1），a（2），…，a（p）） （a是單位向量）為投影方向的一維投影值z（i）

綜合投影指標值時，要求投影值z（i）的散布特征應為：局部投影點內部盡可能密集，類間盡可能散開.基于此，投影指標函數可表達為

Sz為投影值z（i）的標準差，Dz為投影值z（i）的局部密度，即

式中：為序列｛z（i）｝的均值；R為局部密度的窗口半徑，它的選取既要使包含在窗口內的投影點的平均個數不太少，避免滑動平均偏差太大，又不能使它隨著n的增大而增加太高；R一般取0.1Sz；距離rij=｜z（i）-z（j）｜；I（R-rij）為單位階躍函數，當R≥rij時，值為1，否則取0.

步驟2 優化投影指標函數 當各指標值的樣本集給定時，投影指標函數Q（a）只隨著投影方向a的變化而變化.不同的投影方向反映不同的數據結構特征，最佳投影方向就是最大可能暴露高維數據某類特征結構的投影方向.因此可通過求解投影指標函數最大化問題來估計最佳投影方向，即

這是一個以｛a（j）｜j=1，2，…，p｝為優化變量的復雜非線性問題，用傳統的優化方法處理較難，本文采用遺傳算法來解決其高維全局尋優問題［6］.

步驟3 分類（優序排列）.把由步驟2 求得的最佳投影方向a＊代入式（1）即可得各樣本點的投影值z＊（i）.投影值z＊（i）和z＊（j）進行比較，二者越接近，表示樣本i與j越傾向于分為同一類.按z＊（i）值從大到小排序，則可以將樣本從優到劣排序.

3.2 性能退化評價

按照上述方法對船舶柴油機的性能退化程度進行綜合評定，首先，將表2中的評價指標轉換成量綱一的量序列｛x（i，j）｝，然后將之代入式（1）～式（4），即得投影指標函數，利用遺傳算法優化求解由式（5）和式（6）所確定的問題［7］.

步驟1 隨機產生p=500組初始單位投影方向向量a＊，按式（1）分別計算p組n維向量的投影特征值z＊（i）.

步驟2 分別計算每組投影方向上的Sz和Dz，進而根據式（2）計算每組投影方向上的目標函數值Q（a）.

步驟3 通過遺傳算法中的選擇、交叉和變異操作，產生3×p組新的投影方向向量a＊.

步驟4 根據Q（a）值越大越優的原則，從3×p組投影方向向量中選取新的投影方向向量，回到步驟1，重新計算z＊（i）.

步驟5 當目標函數值Q（a）不再增大時所對應的投影方向向量就是最優投影方向a＊.

按照上述計算步驟，利用投影尋蹤方法求得船舶柴油機性能退化綜合評價的最佳投影方向為（0.3860.2570.2400.6360.4140.388）.最佳投影方向向量可看作是各評價指標的權重，可以看出，排序第一的是Pb元素的移動極差，這與實際監測過程中發現的Pb元素濃度增長速率最高相印證，證明了最佳投影方向的合理性.同時，得到各樣本的投影值z（i）為（0.9621.4740.6960.8480.8521.1281.8950.8370.7111.2372.1780.5330.6960.8520.8190.6810.6851.0340.8361.4810.5330.524），根據各樣本的投影值z（i），由數理統計中的3σ法則，可制定船舶柴油機性能退化程度綜合評價標準：正常線0.977；警告線1.849；異常線2.285.圖4 中，11號樣本點處性能退化程度超出了警告線，十分接近異常線，若不采取措施極有可能發生嚴重的異常磨損情況，由于及時更換了潤滑油，性能加速退化的趨勢得到了控制，從12號樣本點之后，性能退化得到了較好的控制.

圖4 某船用柴油機投影尋蹤圖

4 結束語

船舶柴油機PHM 技術是適應未來裝備保障發展必不可少的支撐技術，本文將主要磨損元素的濃度梯度作為質量特性指標，運用SPC技術對各質量特性進行了統計分析，結果表明此船舶柴油機可能存在異常因素而導致磨損狀態處在統計控制之外，需要查找故障的根源；利用投影尋蹤（PP）方法對此船舶柴油機整機性能退化程度進行了綜合評定，制定了相應的評判標準，為船舶柴油機健康管理提供了參考依據.

［1］MICHAEL Pecht，KANG Rui.Diagnostics prongnostics and system's health management［M］.PHM Centre，City University of Hong Kong，2010.

［2］李廣太，劉東風，石新發.能譜分析法用于油液磨粒監測研究［J］.武漢理工大學學報：交通科學與工程版，2011，35（3）：533-536.

［3］袁學成，胡湘洪.統計過程控制（SPC）體系實施指南［M］.北京：中國標準出版社，2010.

［4］王瑞芳，劉林，徐 方.基于統計過程控制的機器人系統故障預測技術研究［J］.機床與液壓，2009（6）：227-230.

［5］陳乃九，崔恒建.多元統計過程控制中的投影尋蹤方法［J］.數學進展，2001（3）：193-202.

［6］付 強，劉建禹.基于RAGA的PPC模型在農村能源區劃中的應用［J］.農業現代化研究，2002（5）：374-377.

［7］周 平，劉東風，吳 千.投影尋蹤在柴油機磨損狀態評價中的應用［J］.潤滑與密封，2009（10）：92-95.