基于數據驅動的應急柴油機啟動狀態評估方法

魏琨竺，包彬彬，茆志偉，梁兆熙，魏東海

（1.北京化工大學 發動機健康監控及網絡化教育部重點實驗室，北京 100029；

2.中核武漢核電運行技術股份有限公司，武漢 430223； 3.北京市第八十中學，北京 100102）

核電廠應急柴油機組是站內應急設備，要求其在失去廠外供電的情況下能保證核電站反應堆專設安全設施能夠及時正常運行。應急柴油發電機組在核電站內屬于一級安全設備。依據核電站的安全準則，當緊急事故發生時，應急柴油機必須在10秒內快速啟動并輸出額定功率。這對應急柴油機的啟動性能提出了很高的要求。

目前，柴油機啟動性能的分析研究主要集中在兩點：環境因素的影響和設計參數的影響。杜遙[2]等研究了高原環境對電站發動機啟動性能的影響以及對策；徐余慧[3]等研究了柴油機發電機組在南極惡劣的低溫低壓環境下啟動困難和運行效率低下的問題。當前對于核電站應急柴油機啟動過程的研究相對比較少，周國強等[4]對應急柴油機啟動時間的影響因素進行了研究，發現柴油機Ready信號邏輯判據由頻率改變為轉速之后，能夠較好地解決頻率信號處理時的延遲問題；Lim等[5]針對多因素導致的應急柴油機啟動時間延長的安全風險進行了深入研究；Arroyo等[6]利用振動和聲發射技術對應急柴油機進行了故障診斷的研究。

通過對現場實際情況的考察以及相關資料的查閱發現，目前啟動時間和熱工參數仍是應急柴油機啟動性能判定的主要依據，即對機組進行定期實驗，通過判斷柴油機啟動時間和介質（空氣、冷卻水、潤滑油）的溫度、壓力等性能參數是否處于允許的合理范圍內來評估機組的健康狀態。但核電站應急柴油機結構較為復雜，在快速啟動過程中，啟動時間一旦超出規定限制或參數顯示異常，僅僅利用熱工參數難以對問題進行有效排查。

數據驅動方法是一種以數據為出發點，通過利用研究對象的在線和離線數據，以統計理論、數據挖掘等技術作為理論指導，應用神經網絡、貝葉斯方法等機器學習方法分析數據內部包含的信息，總結學習數據深層關系，最終實現基于數據的評價、監控、診斷、決策和優化等的各種期望功能的方法[7]。代耀宗[8]等人運用基于數據驅動的評估方法，分析了戰場態勢的要素并構建行動效能影響因素模型，完成了基于強化學習的作戰行動效能評估研究工作，最終通過一個實例展示了評估過程。馬歡和車敏[9]采用基于層次分析-模糊綜合評估的數據鏈作戰效能評估模型，將指標的定量測量和定性分析相結合，從作戰應用能力的角度對數據鏈的態勢共享能力進行分析評估，得到了態勢共享能力的總體評價結論。吳軍[10]等人針對軸承性能衰退狀態監測中的故障信號微弱問題，提出了一種基于自適應噪聲完備集合經驗模態分解的滾動軸承性能衰退狀態監測方法，通過利用斯皮爾曼等級相關系數和主成分分析的特征融合，獲得了表征滾動軸承性能衰退狀態的健康指數，該方法可以較準確地識別滾動軸承性能衰退狀態。

因此，本文提出一種基于數據驅動的柴油機啟動狀態監測評估方法。首先連續采集啟動階段每個工作周期信號，通過對瞬時轉速的分析實現角域精確重采樣；然后提取能夠表征啟動過程工作狀態的特征參數并進行歸一化處理；再確定特征參數的權重系數，計算特征參數的健康等級隸屬度，可對應急柴油機啟動狀態進行評估。

1 非穩定工況角域精確重采樣方法

角度域分析是一種將信號與參考旋轉角度進行關聯，以完成時域信號轉換為角度域信號的分析方法[11]。角度域分析可根據系統周期特性對角度域的數據進行對應，因此角域分析可作為對柴油機進行分析的重要方法之一。完成準確的角度域重采樣工作是完成角度域特征分析的保障，即將時域信號精確轉化到角域。當柴油機處于穩態工況時，采用將鍵相信號（平均轉速）進行線性轉化的方法可以基本滿足故障診斷角度域分析的精度要求，然而當柴油機處于快速啟動過程這種瞬變工況時，瞬時轉速將持續增大并有大幅波動。圖1比較了柴油機處于快速啟動升速階段時某一工作周期的瞬時轉速和平均轉速。

圖1 啟動階段瞬時轉速與平均轉速對比圖

可以看出，曲軸的瞬時轉速在一個工作周期里有持續的直流增量，且不斷波動。若仍采用基于鍵相的線性轉化方法，則很有可能引起較大的相位偏差[12]，因此本文利用基于瞬時轉速的角域精確重采樣方法，為角域特征的準確提取奠定了基礎。

柴油機在活塞做功行程上止點附近位置會有顯著發火沖擊。如圖2所示。

圖2 基于2種方法計算的啟動升速階段角域波形輪廓圖

圖2分別為通過平均轉速和瞬時轉速計算得到的波形輪廓圖（本文以A7缸為例，根據發火順序和發火間隔角度以及鍵相安裝位置，計算出缸內點火活塞上止點在72°），不難看出通過瞬時轉速計算得到的結果更為精確：前者計算出的波形發火沖擊相位大約位于90°的位置，存在約12°的誤差；而后者計算出的發火沖擊相位在約72°左右的位置。為進一步對2種方法進行比對，繪制了根據2種方法轉化的角域值對比圖，如圖3所示。

圖3 通過兩種轉速轉化的角域值對比

可以看出2種計算結果的差額呈現一個先增大后減小的變化趨勢，當曲軸的瞬時轉速越大時，根據這2種方法轉化所得到的結果差異越大。

2 開機啟動瞬變工況監測信號分析及特征提取

氣瓶啟動是應急柴油機的啟動方式，當柴油機以靜止狀態開始啟動后，氣瓶中的高壓空氣通過分配器送到缸蓋，壓開閥門后進入氣缸，推動活塞開始運動，曲軸不斷增速并最終達到發火轉速，氣缸內點火做功，此時曲軸轉速急劇增加，當達到某一特定轉速后，啟動空氣源被斷開，此時柴油機僅通過燃燒做功保持曲軸的升速，以達到設定轉速。本文通過對應急柴油機現場實際所測數據進行分析，研究柴油機啟動狀態的瞬時工況監測方法。

2.1 開機啟動過程瞬時轉速及振動的特點

和穩態工況相比，柴油機在啟動瞬態工況下的顯著沖擊包括發火燃燒沖擊和高壓空氣氣動閥開啟沖擊。如圖4所示。

圖4是應急柴油機啟動階段的瞬時轉速分別在7個工作周期內的波形圖，可以看出7個周期內波形的變化都是呈上升的趨勢，并存在一定范圍的波動性。

柴油機各缸體間的振動波形存在相似性，因此可對某一氣缸啟動階段的任意一個完整工作周期的缸蓋振動波形進行分析，如圖5所示。

第1小節中提到，本文實驗中A7缸的上止點位于72°的位置，所以可判斷圖中a位置的沖擊為發火沖擊；根據柴油機啟動階段的工作過程特點可推斷，b位置的沖擊為高壓空氣進氣閥開啟沖擊。

圖4 快速啟動過程瞬時轉速波形組圖

圖5 A7缸完整周期缸蓋振動波形圖

在柴油機的實際啟動過程中，隨著轉速不斷增加，氣缸缸內溫度和壓力愈發接近缸內點火燃燒的臨界條件，而發火燃燒程度也更為劇烈；同時，缸內爆燃壓力的提高推遲了啟動空氣壓開高壓空氣進氣閥的時間，這也表明相同時間內曲軸轉過的角度將進一步增大，所以高壓空氣進氣閥開啟沖擊的相位將后延。圖6所示是A7缸在啟動過程中基于瞬時轉速的角域轉化振動波形圖。

圖6 啟動升速階段A7缸振動波形圖

從圖6中可以得出：在第1周期內氣缸并未點火，從第2周期開始出現點火沖擊，其幅值隨著周期增加而不斷增高；在第1到第5周期內，高壓空氣進氣閥開啟沖擊都非常顯著，同時其相位不斷向后延續，而在第6個周期時消失，此時已將高壓氣源切斷。

2.2 開機啟動瞬變工況特征選擇與提取

2.2.1 瞬時轉速特征選擇與提取

在柴油機的啟動過程中，其瞬時轉速可看作是由呈上升趨勢的直流量和周期性波動的交流量組成的。瞬時轉速的直流量表達了在整個周期內平均轉速的變化規律，其波動情況也呈現了機組的整體工作狀態。如圖7所示。

圖7 瞬時轉速單周期轉速直流增量特征

通過計算瞬時轉速的上、下包絡線及其均值，繪制出了瞬時轉速的均值曲線，該均值曲線的峰值就可以看作單一周期內轉速的直流量。同樣地，分別計算出瞬時轉速交流量的上、下包絡線均值，進而把上包絡線均值與下包絡線均值的差值視作波動分量的交流量，如圖8所示。

圖8 瞬時轉速單周期轉速波動量均值特征

2.2.2 振動特征選擇與提取

Norden E Huang等[13]開發了一種分析非線性和非平穩數據的新方法，這一方法通過數據自身的時間尺度特征來進行信號分解，事先不用設置任何基函數，這一特點使得該方法和傅里葉分解法以及小波分解法從本質上區別開來。正是由于這樣的自適應性，讓它在處理非平穩及非線性數據上具有了非常明顯的優勢。該方法的關鍵部分是“經驗模式分解”（Empirical Mode Decomposition，EMD），它能使復雜信號分解為有限數量的本征模函數（Intrinsic Mode Function，IMF），得到的各IMF分量蘊藏了原信號的不同時間尺度的局部特征信號。因此本文選用EMD的方法對柴油機的信號進行降噪處理，以某次實測信號為例，計算各IMF與原始信號的相關系數及各IMF與原始信號的能量比，所得結果見表1。

根據Pearson相關系數的定義，小于0.2的相關系數被認為是該2項數據之間極弱相關或無相關。因此選擇分解后的前2個IMF之和作為降噪后的信號。實際測試數據的初步分析結果表明：所有氣缸點火沖擊峰值的平均值及包絡能量平均值、所有氣缸高壓空氣進氣閥開啟沖擊峰值的平均值、包絡能量平均值以及開啟相位平均值等5個特征能夠從一定程度上反映啟動階段缸內發火和高壓空氣工作狀態。

3 開機啟動非穩態工況監測評估方法

本文開展的柴油機啟動狀態監測研究主要是針對整機的啟動性能，利用柴油機的歷史啟動數據，提取多次開機監測參數特征，提出了一種基于測試數據計算最大隸屬度的監測評估方法。通過計算出的啟動性能特征參數集的最大隸屬度[14]，提出了一種應急柴油機整機啟動性能監測評估方法。因為特征參數大多數情況下并不存在標準值，所以本文通過對應急柴油機監測存儲的多次開機啟動歷史數據進行分析。

根據現場實驗的歷史參數，通過以下步驟完成對整機啟動性能的監測：

表1 各IMF與原始信號的比較

（1）將評估的結果劃分評定等級。按照健康、良好、一般、劣化、危險5個等級對柴油機的啟動性能狀態進行劃分。

（2）確定狀態特征參數。本文第2小節對整機啟動瞬變工況振動和瞬時轉速的特征進行了分析，并最終選擇了特征值的平均值作為分析整機啟動的狀態參數，因此本文將以下7個特征參數值定為柴油機監測狀態的特征參數：所有氣缸點火沖擊峰值的平均值及包絡能量平均值；所有氣缸高壓空氣進氣閥開啟沖擊峰值的平均值、包絡能量平均值以及開啟相位平均值；周期內瞬時轉速的直流量平均值和交流量平均值，文中分別計為：T1、T2、T3、T4、T5、T6和T7。表2為某核電站某20缸柴油機組歷史測量數據的特征參數表，本文充分利用該數據對柴油機啟動性能進行評估。

表2 測試數據特征參數表

（3）將數據進行歸一化處理。為了得到實驗所測數據與歷史測試數據更直觀的對比，本文將本次測試數據同歷史數據之間的偏差值與歷史測量值的標準差進行歸一化處理。設x是某一特征參數的此次測量值，xL是其歷史測量值（xL可依次代表表2中的xs，xp，xm），那么兩者之差δL=x-xL。然后選定歸一化量化函數，依據狀態參數特征與評估目標之間的關系，對越大越優型和越小越優型2種特征依次利用式（1）和式（2）進行歸一化值的計算，歸一化函數如圖9所示。

圖9 特征參數的歸一化函數

若λs、λp、λm的最終結果均為1，則表明本次整機啟動過程健康；若λs、λp、λm的結果均在0.5以上，則表明啟動狀態良好，那么選取δs、δp、δm的平均值作為健康指標；若λs、λp、λm的某一結果小于0.5，則表明啟動過程可能存在隱患，那么選取三者之間最小值作為健康指標；一旦λs、λp、λm中的計算結果有數值等于0，則機組狀態可能較為危險。綜上，整理得柴油機啟動過程狀態健康指標的計算式

通過式（1）及式（2）對表2中特征參數進行計算可得到λs、λp、λm，之后則通過式（3）依次對各特征參數進行計算，最終得到的健康狀態指標λTi匯總如表3所示。

表3 測試數據特征參數歸一化表

（4）確定特征參數的權重系數，并對每一項權重系數進行正則化處理。因為前文提及的7個特征參數都可以從某些方面體現柴油機啟動過程中整機工作性能的優劣性，所以本文將每一個特征參數給定統一的權重，權重向量w=，進行正則化處理后權重向量為

（5）計算特征參數的健康等級隸屬度。按照機器退化過程的經驗，本文利用三角模糊函數對健康等級隸屬度進行計算，下列5個計算式依次是5種啟動狀態的隸屬度計算函數

把特征參數指標向量通過以上各狀態的隸屬函數進行計算，所得結果列為表4。

表4 測試數據特征參數健康狀態隸屬度

（6）計算開機啟動狀態等級。先將置信水平定為0.9，然后把各參數的健康等級隸屬度進行基本可信度分配，所得結果如表5所示。

表5 健康等級基本可信度分配表

本文采用Dempster組合規則對各狀態特征的參數進行證據融合[15]，從而計算出證據融合的結果。設Θ為柴油機啟動狀態監測辨別框，將其冪集寫作2Θ，當集函數 m：2Θ→[0,1] 滿足m(φ)=0，并且，那么將m稱為柴油機啟動狀態監測辨別框Θ上的基本可信度分配函數。當函數Bel：滿足，那么稱Bel為辨別框架Θ上的信度函數。設分別有Bel1和Bel2為框架Θ上的2個信度函數，m1和m2依次為其對應的基本可靠度分配函數，則Dempster組合規則可用式(9)表示

根據Dempster組合法簡化后的形式可寫為m(A)=m1⊕m2，同時關于多證據融合簡化后的形式寫為M=m1⊕m2⊕…⊕mn。

通過以上的組合規則，本文把7個特征參數證據進行了融合，最終得到的計算結果為M=(5.242×10-7,0.99986,1.391×10-4,0,0,4.7898×10-7)，依據最大隸屬度原則，可推出柴油機本次啟動過程狀態為“良好”，與實際現場專家分析討論的評估結論一致。

4 結語

提出了一種基于數據驅動的應急柴油機監測評估方法。該方法根據應急柴油機快速啟動階段的特點，結合瞬時轉速角域精確重采樣方法和EMD降噪方法，準確提取了能夠反映啟動階段缸內發火和高壓空氣工作狀態的7個特征參數，并計算出特征參數的健康等級隸屬度，最終利用Dempster組合規則對各狀態特征的參數進行數據融合，依據最大隸屬度原則，對應急柴油機開機啟動狀態進行評價，結合現場實際監測測試數據驗證了該方法的有效性，為分析應急柴油機啟動性能奠定基礎，具有較好的實際應用推廣價值。