艦船電力系統故障診斷綜述

劉華龍

（海軍駐四二六廠軍事代表室,遼寧 大連 116000）

艦船電力系統故障診斷綜述

劉華龍

（海軍駐四二六廠軍事代表室,遼寧 大連 116000）

摘要：艦船電氣系統的故障診斷對于艦船安全保障以及戰斗效能發揮著重要的作用，一旦艦船文獻問題可以及時的解決，確保艦船系統有序運行的狀態，本文從艦船電力系統故障診斷進行了分析。

關鍵詞：艦船電力系統；故障診斷；分析

0　引言

船舶行業的不斷發，對于船舶電力系統質量要求更為嚴格，對于系統的故障檢測和故障診斷的技術要求很高，故障檢測是系統存在故障，故障診斷是對故障檢測的內容進行診斷定義，這是廣義的診斷，狹義的是指對電力系統出現的各種故障種類、大小、時間、具體部位進行確定，對船舶電力系統進行故障診斷是保障系統穩定、安全運行的技術保障，不斷的提升電力系統的故障診斷技術，電力監控系統要不斷的將其性能完善，推進電力系統工作效率，確保船舶系統的正常、高效運行。

1　電力推進控制系統結構與功能模型

故障診斷功能模型框圖與控制系統功能模型框圖。船舶電力推進系統故障診斷的建立與容錯控制模型的建立，需要做的第一步是找出影響電力推進系統影響外部海況的因素，還有需要分析找出電力推進系統內部故障的類型，從而對系統故障的檢測和診斷提供依據；同時對系統運行中各種狀態在操作過程出現的互斥性進行分析，一旦出現錯誤診斷，可以提供依據。其中，可以及時發現測量系統中存在或是發生傳感器故障就是信號校驗模塊，這是它的基本任務，將故障中受到污染的數據進行處理，測量出實際真實的數據，為系統控制以及人工操作提供有效的數據支持。通過處理后的信號，更加的有利于電力系統分析干擾能力的推進，同時可以提升工況故障的診斷準確性。校驗后的測量信號是擾動分析模塊估計系統主擾動變量，從而可以提供必要的擾動控制信息。

預定的工況分析可以對系統當前所處的工況進行準確的分析，包括正常工況、異常工況、應急工況。工況分析的結果可以被決策支持模塊接受，在對當前的自動識別系統運行和操作中，決策支持模塊可以為操作人員提供信息決策的信息，提升操作的準確性。為了避免在操作中，操作人員錯誤的設置操作阻斷模塊，此系統只允許為正確的操作進入系統，利用軟件對于錯誤操作的提示，阻斷并且提示錯誤的操作。應急控制方案的執行顯現，是通過應急控制模塊將系統處于臨界緊急狀態，從而進入應急工況。作為一個備用的控制方案，容錯控制目的是在系統處理異常工況，即非臨界緊急工況的時候，可以對某些指標指數仍然可以降低，確保系統在一定的時間內安全運行，對于系統中出現的不同因素的故障和運行工況，通常來說，可以采用控制系統重組或重構的方法調整控制系統的結構或參數。

2　艦船電力系統故障診斷基本方法

2.1基于數學模型的方法

使用這種方法需要建立精確的數學模型，這類診斷的代表方法就是使用狀態估計法和過程參數估計法。模型的選擇要根據適合的模型診斷，或是根據過程參數的變化進行選擇。在大型船舶發電機轉子線圈匝間短路故障發生時，有其機械特征和電磁特征，利用數學模型可以對故障進行處理分析，提出對稱分量法的分析和診斷匝間短路故障的方法，同時,這種分析方法也可以對電流故障（中性點接地系統在發生常見短路故障時）、電壓（瞬態變化）進行分析，可以及時準確的分析出故障類型和部位，最大程度上減少故障給電力系統帶來的損失。數學模型的方法在艦船結構模型已知的情況下或是動態可建模時都是可以使用的，并且有很大的優勢。數學模型的方法可以對艦船運動的動態性和實時診斷深入的進行反映，不過受到當前我國艦船系統中電力設備不具備通用型，多為專研結構，因此在工程應用中建立的數學模型很難精確，在工程中使用的范圍也不是很廣泛。

2.2基于故障樹的診斷方法

故障樹分析方法是將艦船電力系統故障分為幾個大項的事件，一旦故障出現，要逐級的排出對故障事件進行排除，最后找到故障原因。一旦系統出現故障，沿著故障樹不斷提問“為什么出現這種現象？”對故障樹采取啟發模式進行故障的搜索，利用人類的思維模式，因而這樣的方法是容易理解和接受的，在使用故障樹分析法之前，要對這種方法診斷故障存在的不足之處要了解和掌握：其一，應用這種方法的使用時間長，使用難度大，建樹的過程是復雜的，因而遺漏和錯誤是容易發生的；其二，在系統建立時，局部的正確和失誤都是存在的，因而誤差的產生不可避免。

2.3基于神經網絡的診斷方法

人工神經網絡的特點是卡可以和其他診斷方法結合，對于解決艦船系統中復雜的設備診斷取的了很好的效果：自適應遺傳算法用于優化BP神經網絡的權值和閾值，并結合船舶主機軸系故障診斷的實例，能有效克服BP神經網絡容易陷入局部極小點和收斂速度慢等缺陷，計算速度也明顯改善。基于人工神經網絡的診斷方法主要是避免了專家系統故障診斷所面臨的知識庫構造等難題，不需要推理機的構造。

2.4基于數據融合技術的診斷方法

在艦船電力診斷故障系統中，將基于數據融合技術在數據模型的檢測層提出自適應加權數據融合算法；在特征層提出基于灰色優勢分析的數據融合算法；在決策層提出基于D-S證據理論的數據融合算法。這些算法的出現，對于傳統電力系統故障中一些數據的處理問題，可以有效的解決避免，對于艦船電力系統診斷的特殊性有著較高的適應性，對于系統中存在的不穩定性因素可以有效的消除，確保系統出現故障可以精確可靠的診斷出來。這種方法的的瓶頸就是如何保證推理機制的正確性，降低系統的使用難度和人為影響診斷結果的影響，提升信息的準確性。

3　結 語

做好艦船電氣系統故障診斷，要建立相關的故障診斷系統，同時要有專業的故障維修人員，一旦故障即將發生，系統會出現提示，維修人員及時解決，確保艦船在一個有序高效的環境下運行，因此，選擇一個適合的電力系統故障的處理方法是非常重要的，本文詳細的分析了幾個解決電力系統故障的方法，要根據故障的不同選擇適合的處理方法，保障電力系統安全、穩定的運行。

參考文獻：

[1] 周煉，廖瑛，曹登剛，李磊.組合故障診斷技術在船舶柴油發電機組上的研究[J].電腦應用技術,2007（01）.

[2]陳佳，王建華，張冰，朱志宇.船舶電站故障診斷中的數據融合算法[J].電力自動化設備,2006（03）.