船舶動力系統技術狀態評估綜述

曹 蒙，王利偉，陳 博

船舶動力系統技術狀態評估綜述

曹 蒙1，王利偉1，陳 博2

（1. 中國人民解放軍91404部隊91分隊，河北 秦皇島 066001；2. 海軍駐上海地區第一軍事代表室，上海 201913）

本文介紹了船舶動力系統技術狀態評估的發展歷程，從理論層面和應用層面概述了船舶動力系統技術狀態評估的研究現狀，分析了制約其實際應用的關鍵技術。最后，就船舶動力系統技術狀態評估的發展趨勢做了展望。

動力系統 技術狀態 評估

0 引言

船舶動力系統技術狀態的好壞將直接影響船舶的快速性、機動性、安全性等多個方面[1]。因此，及時、準確掌握動力系統技術狀態，對于船舶的使用決策至關重要。科技、信息技術的飛速發展，傳感器、物聯網、新材料等不斷革新都極大地擴展了人們對裝備監控維度、數據采集的廣度、信息挖掘的深度。加之大數據、智能算法、數據挖掘的普及和應用，全面、及時掌握裝備的技術狀態已成為未來裝備建設和發展的重要方向。

1 船舶動力系統技術狀態評估的發展

船舶動力系統的技術狀態，表征了該系統的運轉能力，對于該系統技術狀態的評估，也是隨著工業革命的不斷深入、科學技術的迅猛發展逐漸發展起來的。總體分為以下三個階段[2]：

1）原始評估階段

原始評估始于19世紀初到20世紀中期。這段時期機器、設備結構組成都比較簡單，主要采取“眼看、耳聽、手觸”等原始的方法，判斷機器的運轉狀況。例如，通過“眼看”觀察機器排煙的顏色是否異常，管路是否有漏泄，機體是否有裂紋等；通過“耳聽”機器的響聲大小、有無異響，判斷機器的振動情況；通過“手觸”判斷機體的溫度、排氣壓力是否處于正常范圍之內等。

2）基于傳感器的評估階段

基于傳感器的評估始于20世紀60年代。隨著新材料、傳感器技術的發展，溫度、壓力、轉速等參數實現了自動化監測，基于時頻域分析的信號處理技術，成為該階段技術狀態評估的主要研究方向。自此，機器、設備的技術狀態評估也由之前依靠人工經驗的定性判斷，轉變為客觀數據的定量分析。

3）智能化評估階段

智能化評估始于20世紀90年代。由于機器、設備的日趨復雜、精密，傳統的評估技術已無法滿足工業需求。同時，隨著微型計算機數據處理能力的大幅提升，智能算法和模型得以從繁雜的數據計算中解脫出來，使得狀態評估也更加智能化。其中，故障預測與健康管理（PHM）技術成為該階段研究的熱點，并持續至今。該技術主要是利用先進的傳感器及龐大的數據庫，借助各種智能算法，搭建評估模型，對裝備的技術狀態進行監控、評估、預測，以降低故障發生率，提高裝備運轉的安全性、可靠性[3]。

另外，與“技術狀態評估”意義相近的概念很多，諸如“健康狀態評價”、“綜合評估”等[4～5]，但其核心內容基本一致。目前，該領域研究十分活躍，涉及航空、船舶、基建等諸多應用場景，為保障裝設備安全、提供維修建議、節省經費開支發揮了重要作用。

2 船舶動力系統技術狀態評估研究現狀

2.1 理論層面

陳玲等根據核動力機械設備的串、并聯關系，應用布爾代數理論，建立了設備性能部分退化條件下的狀態評估模型[6]。劉偉波在動力系統狀態評估的基礎上，進一步開展了狀態等級劃分研究，并依據不同等級給出了使用和維修建議[7]。王孟蓮以船舶電力推進系統為研究對象，建立了推進變壓器、變頻器、電動機等典型設備的評估指標體系，構建了基于模糊神經網絡和基于支持向量機的狀態評估模型[8]。梁樹甜等針對船舶電力推進系統技術狀態評估問題，提出了評估流程，建立了基于模糊神經網絡的評估模型，并以船舶運行的實時數據為基礎，展開了仿真研究，驗證了該方法的準確性[9]。馬超建立了基于粗糙集和D-S證據理論相結合的評估模型，實現了兩種方法的功能互補，并利用Visual C#語言開發了技術狀態評估軟件[10]。賀彥鵬根據動力系統的任務剖面，采用模糊綜合評估法，評估了船舶機電系統，并就技術狀態預測做了進一步研究[11]。王天語以主機、螺旋槳和軸系為節點，選取了主機溫度、振動頻率為模型輸入，建立了基于動態貝葉斯網絡的無人船推進系統PHM模型，通過健康狀態的時序關系，實現了推進系統的綜合診斷和實時評估[12]。

可以發現，船舶動力系統的狀態評估，其基本原理是通過選取表征系統附屬設備的狀態監測參數，基于實時數據與歷史數據，采用適當的算法，建立評估模型，實現對系統當前運行狀態，乃至未來狀態的綜合分析和預測。

2.2 應用層面

德國勞氏船級社（LR）、日本船級社（NK）先后制定了船舶狀態評估程序（CAP），明確了船舶檢驗的時間和范圍。其中，動力機械是主要檢測內容之一。若評估中發現安全隱患，還將制定防護措施加以改善[13]。

軍用領域，美國海軍開發了水面艦船綜合狀態評估系統（ICAS），該系統將艦上分系統采集的動力系統相關設備參數，傳回岸基分系統進行狀態評估，形成綜合分析報告，并針對存在的故障提出維修建議[14]。

圖1 水面艦船綜合狀態評估系統

如圖1所示，ICAS由3個子系統組成，具體功能如下[15]：

1）艦上分系統。利用數據總線、數據采集卡和便攜式數據分析器等3種方式實現數據采集；配置數據集（CDS）對采集的數據進行匹配識別，并完成趨勢分析；綜合電子技術手冊（IETMs）則根據分析結果，提供初步的維修建議。

2）傳輸鏈路。對具有無線通信功能的船舶，ICAS系統可通過電子郵件的形式將采集的數據發送至岸基分系統。對于不具備無線通信功能的船舶，則以光盤為載體，將數據錄入，再轉交岸基分系統。

3）岸基分系統。維修工程庫服務器（MELS）通過搭建的算法，分析故障模式及嚴重程度，并提出有針對性的維修建議。對各設備采集的數據分析完成后，將形成上級系統的綜合性能分析報告（IPAR），目前，可支持燃氣輪機、柴油機、壓縮機等12類系統的綜合分析。對于船舶通用的系統，將以艦隊所有船舶的數據為基礎展開分析，最終形成企業級性能分析報告（ePAR）。

3 船舶動力系統技術狀態評估關鍵技術

目前，對于船舶動力系統技術狀態評估的理論研究比較多，但在具體應用上，探索較少，多停留在狀態監測參數的超限報警層面，制約其從理論到應用的關鍵技術主要體現在以下3個方面：

1）評估指標的選取。船舶動力系統涉及主機、齒輪箱、軸系、螺旋槳等諸多裝置，系統構成復雜，監測參數多樣，選取哪些參數作為評估模型的輸入，決定了評估結果的權威性。若考評參數過多，會帶來繁雜的冗余信息，增加模型的處理難度；若考評參數過少，則會造成信息的丟失，不能正確反映系統的技術狀態。

2）評估算法的選取。目前，應用于技術狀態評估的算法多種多樣，有層次分析法、熵權法、模糊綜合法、主成分分析法、雷達圖法等傳統方法，也有神經網絡、數據挖掘、深度學習等智能算法；有基于單一算法的評估模型，也有采用多種算法相結合的綜合評估模型。各種模型在時間響應、結果靈敏度等方面，呈現不同的差異。

3）故障數據的積累。神經網絡、支持向量機、數據挖掘等智能算法，雖然很好地解決了監測數據與技術狀態的非線性映射關系，但其良好的判別結果需要大量數據的訓練，尤其是基于各類故障數據的深度學習。然而，設備故障種類多樣、嚴重程度難以區分，部分故障還具有破壞性，由此造成了故障數據庫的不全面，給基于智能算法構建的模型留下了評估盲區，降低了準確率。

4 船舶動力系統技術狀態評估的發展趨勢

隨著監測數據獲取維度、計算機運算能力的增加，以及智能算法、機器學習的應用，技術狀態評估正逐漸從依靠“單參數、小樣本、離線式”向“多參數、大數據、在線式”的模式迅速發展。

1）基于多參數的信息融合技術。一方面，船舶動力系統涉及裝備種類多樣，各個裝備都需要評估參數予以描述；另一方面，隨著材料、加工工藝的進步，更多的監測參數被納入評估體系。由此，對于不同設備、不同模式、不同介質的信息輸入的有效處理，成為技術狀態評估的關鍵，而這一過程依賴于成熟的信息融合技術。

2）基于大數據的信息挖掘技術。由于多參數的信息輸入，加上實時的在線評估，在原來數據基礎上，又增加了時間維度，使得綜合評估系統處理的數據異常龐大。由此，對數據挖掘提出了更高的要求。通過科學、合理的展開數據清洗、篩選、提取、建模等工作，在保證準確率的同時，可有效節省響應時間，提高分析效率。

3）基于在線式的狀態評估技術。不同于油液分析、振動分析等離線評估方式，基于實時數據的在線評估更加突出了評估的時效性。在評估方式上，既有基于船舶自身數據庫的在線評估，也有利用信息傳輸，依托岸基分析保障資源開展的在線評估，進一步拓展了在線評估的外延。

[1] 邵開文, 馬運義. 艦船技術與設計概論[M]. 北京: 國防工業出版社, 2014.

[2] 張金玉, 張煒. 裝備智能故障診斷與預測[M]. 北京: 國防工業出版社, 2013.

[3] 周林, 趙杰, 馮廣飛. 裝備故障診斷與健康管理技術[M]. 北京: 國防工業出版社, 2015.

[4] 李碩, 徐國平, 蔡興雨, 等. 雷達裝備健康狀態評價方法研究[J]. 火控雷達技術, 2017，46（1）: 12-15.

[5] 胡義, 陳柄文, 徐振峰. 基于AHP-云模型的混動船舶動力系統綜合評估[J]. 艦船科學技術, 2017, 39（8）: 79-84.

[6] 陳玲, 蔡琦, 尚彥龍. 基于布爾代數與模糊邏輯的核動力系統技術狀態評估[J]. 原子能科學技術, 2010, 44（9）: 394-398.

[7] 劉偉波. 基于層次分析法的某型船舶主動力裝置綜合評估研究[D]. 大連: 大連海事大學, 2013.

[8] 王孟蓮. 船舶電力推進系統狀態評估研究[D]. 武漢: 武漢理工大學, 2013.

[9] 梁樹甜, 郝春學, 王孟蓮. 模糊神經網絡在船舶電力推進系統狀態評估中的應用[J]. 中國艦船研究, 2014, 9（5）: 99-104.

[10] 馬超. 船舶動力系統狀態評估理論與應用研究[D].大連: 大連海事大學, 2015.

[11] 賀彥鵬. 船舶機電系統狀態評估技術研究[D]. 哈爾濱: 哈爾濱工程大學, 2016.

[12] 王天語, 王鴻東, 梁曉鋒, 等. 基于動態貝葉斯網絡的無人船推進系統PHM技術[J]. 艦船科學技術, 2019, 41（12）: 80-86.

[13] 趙軍. 船舶技術狀態評估方法研究狀況概述[J]. 船電技術, 2018, 38（8）: 6-8.

[14] 楊劍征. 美國海軍艦船綜合狀態評估系統發展研究[J]. 船舶科學技術, 2016, 38（8）: 146-148.

[15] Duilio M.ICAS and remote monitoring informational brief[EB/OL]. http://slideplayer.com/slide/4462520/, 2015-02-25.

Review on technical condition evaluation of marine power system

Cao Meng1，Wang Liwei1，Chen Bo2

（1. Unit 91404 of PLA，Qinghuangdao 066001, Hebei, China; 2. The First Military Representative Office of the Navy in Shanghai, Shanghai 201913, China）

U664.81

A

1003-4862（2022）03-0034-03

2021-08-08

曹蒙（1987-），男，碩士，助理工程師，主要從事艦船動力系統的狀態評估。E-mail:caomeng12@126.com