船舶電機全生命周期數據管理及故障預警研究

王金榮，曾忠平，喻 丹，羅 珊，王曉花，郭 威

(中船動力鎮江有限公司，江蘇 鎮江 212000)

0 引言

電機作為現代化工業生產最主要的原動力和驅動裝置，在工業生產中發揮著越來越重要的作用，但是電機在使用過程中的運行維護與保養費用也在不斷增加。傳統的運行維護模式不僅存在著維修周期長、時間成本和人力成本高等缺點，還存在著維修過剩與維修不足的矛盾、備件多余與備件不足的矛盾。因此，傳統的運行和維護模式已經不能滿足現代化工業生產的需要。

電力系統是船舶運行的動力來源，而電機又是電力系統的最核心部分，一旦電機突發故障停止工作，將會嚴重影響船舶的穩定運行。隨著船舶規模的不斷擴大，船舶電機數量也在不斷增加，原有的電機管理系統已經很難滿足實際使用需求。為此，本文將建立一套大型船舶電機全生命周期數據管理及故障預警系統，主要對船舶電機全生命周期數據進行數據分析、特征值提取，并建立船舶電機運行狀態特征數據庫。船舶電機實時運行時，該系統通過數據分析、數據比對、趨勢化分析等手段，能夠對船舶電機運行狀態進行故障及其前兆判識。

1 系統部署意義

系統具有生產狀態數據管理、運行狀態數據管理、維修狀態數據管理、數據統計分析等功能。系統組成見圖1。建立船舶電機全生命周期數據管理及故障預警系統具有較大的經濟價值，具體體現如下：

(1)建立船舶電機電子檔案。記錄船舶電機運行狀態、保養維護等環節的數據。通過二維碼管理，可以快速查看船舶電機相關信息。

圖1 船舶電機全生命周期數據管理

(2)通過船舶電機運行狀態監測，實時獲取船舶電機運行狀態數據，同時利用故障前兆診斷分析模塊，對船舶電機健康指數進行評估。當船舶電機健康指數較低，通過訪問船舶電機電子檔案，可以提前做好靠岸維修和備件采購計劃，做到按計劃維護，避免由非計劃停機造成的嚴重后果。

(3)通過狀態監測及故障前兆診斷系統，實現由故障維修到計劃維修、計劃維修到狀態維修的改進，解決了維修過剩和維修不足的矛盾，節省了時間成本和人力成本。

(4)通過長期的數據積累形成大數據，從大數據中提取船舶電機故障運行特征，形成故障特征庫。豐富的故障特征庫可以為船舶電機故障識別提供可靠的數據支撐。

(5)船舶電機制造工廠將出廠試驗數據管理、生產過程數據管理與運行維護數據管理一體化，有利于實現產品質量可追溯，充分挖掘船舶電機全生命周期價值鏈。

2 系統設計

2.1 系統技術構架

系統技術構架包括數據采集層、數據存儲與訪問層、數據分析與決策層、應用展示層。

數據采集層可以接收數據采集終端的數據，也可以接收來自其他平臺的數據。

數據存儲與訪問層主要包括數據存儲、備份與恢復、數據訪問接口、訪問權限等。數據存儲與訪問層為上層服務提供數據支持。

數據分析與決策層對數據進行分析，通過基于人工神經網絡的專家系統得出數據分析結論，評估船舶電機健康狀態，制定相應的保養維修計劃。

應用展示層包括波形顯示管理、頻譜顯示管理、運行狀態參數顯示管理、系統設置、報告生產等系統操作與交互界面。

2.2 系統組成構架

系統組成構架見圖2。系統核心組成包括船舶電機生產制造數據管理、運行狀態數據管理與船舶電機維護數據管理。

圖2 系統組成構架

3 系統功能介紹

3.1 運行狀態數據管理

通過前端數據采集設備，獲取船舶電機在運行過程中的電量參數和非電量參數，如：電壓、電量、溫度、振動加度數、振動速度、軸心軌跡等。實時監測這些電量參數與非電量參數，可以全面評估船舶電機運行狀態。通過對原始波形數據進行譜分析、特征值比對、趨勢分析等可以識別早期潛在的微弱故障信息，從而制定針對性維修計劃。運行狀態數據管理是電機全生命周期的數據管理及遠程運行診斷系統的核心模塊。

由于船舶電機的數量及類型各不相同，因此船舶運行過程中需要搭建局域網進行在線監控，主要包括以下幾個部分。

3.1.1 數據采集終端

數據采集終端通過電機廠家自帶模擬量傳感器采集船舶電機實時運行狀態數據，將模擬量信號轉換為數字量；數據采集終端通過基于局域以太網的高速通訊協議與船舶服務器通訊，將實時采集的運行狀態數據上傳至船舶服務器。

3.1.2 在線運行狀態監測

船舶服務器通過獲取的數據不斷對電參數和非電量參數進行分析處理，并展示分析結果。當監測的實時運行狀態數據超過閾值時，系統發出預警信息，并將預警信息發送給監管員。閾值可由用戶預先設定，也可以由歷史數據分析計算得到。在線運行狀態監測示意圖見圖3。

圖3 在線運行狀態監測

3.1.3 歷史趨勢數據比對

通過連續的實時在線監測，對波形數據進行分析，得到加速度和速度有效值、幅值、峰值、波形因數、脈沖因數、峭度系數、頻譜、電壓電流有效值、幅值、功率因數、諧波、溫度等能夠反應電機運行狀態的特征數據，并將這些時域、頻域特征值存儲至服務器，形成歷史數據。在進行實時監測時，可以將實時監測數據與歷史數據進行比對，當數據差異較大時，系統發出預警信息。歷史趨勢數據對比見圖4。

圖4 歷史趨勢數據對比

3.1.4 故障前兆診斷預警

系統的核心是電機故障前兆診斷模塊。在線狀態監測只能簡單查看電機是否有異常，無法準確判斷故障早期的微弱故障或潛在故障。故障前兆診斷預警模塊通過頻譜分析、數據趨勢化分析、歷史數據比對分析，可以識別癥狀不明顯、特征信息微弱、信噪比低等特點的潛在故障。故障前兆診斷預警系統有利于檢修人員制定有針對性的維修計劃。

3.2 船舶電機維護數據管理

船舶電機維護數據管理主要記錄船舶電機維修記錄、更換零部件、報廢等相關信息。在船舶電機出現異常狀態運行時，通過查看船舶電機維護記錄信息，可以幫助維修人員快速找到異常運行的原因，排除故障。在故障前兆診斷時，相關零部件的尺寸參數直接影響故障特征頻率，從而影響故障前兆診斷結論，因此記錄電機維修記錄、零部件更換信息對故障前兆診斷具有重要作用。提前采購備件時也需要查看維修記錄、更換零部件等相關信息。電機維護數據管理是電機全生命周期數據管理的重要環節。

3.3 生產制造數據管理

系統提供其他平臺數據接口用于接收電機生產制造數據，包括電機生產過程中使用的原材料信息、工藝流程數據、電機出廠試驗等環節的數據，對電機全生命周期數據管理進行完善和補充。

4 系統特點

4.1 多參數加權融合監測

船舶電機在線運行涉及電路系統、磁路系統、絕緣系統、機械系統、通風散熱系統和負載等，其運行參數可分為電參數和非電參數。電參數主要包括電壓、電流、功率、功率因數、諧波比例等。非電量參數主要包括溫度、流量、壓力、振動等。這些參數包含了豐富的電機運行狀態信息，船舶電機在異常或故障運行時，異常或故障信息會在相應的電參數或非電參數中有所體現。如：電機發生偏心和軸承故障等機械故障時，會導致振動烈度值變大，直接反應到振動信號中，也會導致船舶電機氣隙不均勻，磁路不對稱；間接反應到定子電流信號中。對船舶電機運行時的電參數與非電參數進行實時監測，并結合船舶電機運行環境及工況，分析計算各參數的加權值，最終進行多參數加權融合診斷。相對于多參數獨立監測，加權融合監測可以更加準確地獲取船舶電機在線運行狀態數據及故障前兆預警信息。

4.2 故障前兆診斷專家系統

神經網絡具有非線性、平行分布處理、學習和自適應性、數據融合、多變量系統等特點。通過信號處理技術獲取電機在線運行狀態特征數據，結合電機運行工況進行樣本學習，構建基于人工神經網絡的專家系統。將電機運行工況作為輸入參數進行學習，建立的神經網絡可以結合工況進行故障前兆診斷，得到更準確的診斷結論。人工神經網絡的專家系統在知識獲取、并行推理、容錯能力等方面具有明顯的優越性。在進行故障前兆診斷分析時，人工神經網絡專家系統可以處理復雜的機械故障，具備人類專家級水平故障前兆診斷的能力。

4.3 大數據云平臺

每套船舶電機監控系統均是獨立運行系統，實時對船舶電機的運行實時狀態進行監測管理。船舶服務器存儲電機生產流程數據、運行狀態數據、檢修維護數據等全生命周期過程相關的數據，并在靠岸維護保養時與安全局域互聯網實現數據共享。系統通過數據積累，形成大數據，對大數據進行分析，獲得電機在全生命周期各環節的數據特點，以此作為比對標準，可以提高船舶運行服役質量。

5 結論

(1)保證船舶電機服役質量。船舶電機在線運行狀態監測實時監控反映船舶電機運行狀態的特征參數，以保證船舶電機處于安全、可靠的運行狀態。

(2)降低運維成本。船舶電機故障前兆診斷技術可以準確判斷船舶電機故障點和故障類型，給出合理的維修計劃，節省人力成本和時間成本。

(3)充分挖掘船舶電機全生命周期價值鏈。船舶電機全生命周期數據管理可以優化船舶電機制造工藝流程、合理配置資源、提高生產效益。

(4)系統對船舶電機全生命周期進行數據管理，可以提高船舶電機生產和使用過程中的信息化水平、促進電機行業的發展。

本文研究目前尚處于理論研究階段，尚未應用于實際。后續該系統應用于船舶后將結合某船安裝實例進行介紹，并對實際經濟效益進行分析。