船舶電力直驅(qū)推進(jìn)裝置狀態(tài)監(jiān)測和智能診斷

寧昶雄, 張雪琴, 嚴(yán)新平, 歐陽武

(1.武漢理工大學(xué) 船海與能源動力工程學(xué)院, 湖北 武漢 430063; 2.國家水運(yùn)安全工程技術(shù)研究中心 可靠性工程研究所, 湖北 武漢 4 300632; 3.武漢理工大學(xué) 交通與物流工程學(xué)院, 湖北 武漢 430063)

自21世紀(jì)以來,船舶電力推進(jìn)系統(tǒng)的發(fā)展達(dá)到了空前的繁榮,特別是將電機(jī)與水力部件一體化、取消傳動環(huán)節(jié)的先進(jìn)電力直驅(qū)推進(jìn)裝置,因其功率密度大、布置多樣、機(jī)動靈活、高效節(jié)能、環(huán)保低噪等顯著優(yōu)點(diǎn),目前廣泛應(yīng)用在破冰船、郵輪、科考船、鉆井平臺等船舶上[1]。我國在2021年發(fā)布的《十四五規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》[2]中再次強(qiáng)調(diào)了海洋裝備智能化綠色化的戰(zhàn)略目標(biāo),隨著“碳達(dá)峰”及“碳中和”長期愿景的提出,船舶電力直驅(qū)推進(jìn)裝置正在迎來前所未有的發(fā)展空間和廣闊舞臺。電力直驅(qū)推進(jìn)裝置是船舶動力系統(tǒng)的核心做功單元,其可靠性、安全性直接決定了船舶航行安全。吊艙推進(jìn)器、輪緣驅(qū)動推進(jìn)器等電力直驅(qū)推進(jìn)裝置一般懸吊在船體之外,面臨著狀態(tài)未知、故障獲悉滯后、故障危害嚴(yán)重等問題。“中國制造2025”計劃中將智能運(yùn)維規(guī)劃為重要發(fā)展戰(zhàn)略,其核心支撐技術(shù)包括了狀態(tài)監(jiān)測和故障診斷,具備對推進(jìn)裝置的狀態(tài)感知和健康認(rèn)知能力也是未來船舶無人化、智能化的重要基礎(chǔ)。

狀態(tài)監(jiān)測手段不足、失效模式不明確、無法預(yù)測故障等問題將會很大程度限制了電力直驅(qū)推進(jìn)裝置的應(yīng)用和大功率化的發(fā)展。具備健康管理功能是先進(jìn)電力直驅(qū)推進(jìn)裝置發(fā)展的必然趨勢。2017年ABB推出了其工業(yè)數(shù)字化解決方案AbilityTM,并為我國自主建造的極地科考破冰船“雪龍2號”提供電力推進(jìn)健康狀態(tài)管理系統(tǒng)[3],結(jié)合其智能傳感器對船舶的主要設(shè)備進(jìn)行監(jiān)測、診斷和提供維護(hù)建議。總體而言,目前專門針對船舶電力直驅(qū)推進(jìn)裝置狀態(tài)監(jiān)測及智能運(yùn)維的研究,國內(nèi)外少有報道。將電力直驅(qū)推進(jìn)裝置拆分成若干核心部件,從核心部件出發(fā),尋找與其結(jié)構(gòu)形式和工況相似的對象,從監(jiān)測和診斷技術(shù)中找到參考也是一個重要研究途徑。本文首先將電力直驅(qū)推進(jìn)裝置按照結(jié)構(gòu)形式來劃分介紹,分析其特點(diǎn)及常見的失效模式;其次整理電力直驅(qū)推進(jìn)裝置各部件的狀態(tài)監(jiān)測和智能診斷技術(shù)的研究現(xiàn)狀;最后對該領(lǐng)域存在的問題做出分析,并展望了未來具體的研究方向。

1 電力直驅(qū)推進(jìn)裝置的特點(diǎn)分析

吊艙式[4]和輪緣式[5]是2種主要的船舶電力直驅(qū)推進(jìn)裝置。吊艙式是當(dāng)下備受推崇的一種結(jié)構(gòu)形式,其電機(jī)被安裝在吊艙內(nèi),電機(jī)轉(zhuǎn)子直接與螺旋槳相連,由全回轉(zhuǎn)機(jī)構(gòu)實(shí)現(xiàn)360°的矢量推進(jìn),目前絕大部分新造郵輪采用圖1(a)所示推進(jìn)器。國內(nèi)已有數(shù)家單位相繼研制出兆瓦級吊艙推進(jìn)器樣機(jī),并開展了示范應(yīng)用。由招商局郵輪制造有限公司、上海中車漢格船舶與海洋工程有限公司、南京高精傳動設(shè)備制造集團(tuán)有限公司、武漢理工大學(xué)聯(lián)合研制的7.5 MW中壓吊艙推進(jìn)器已進(jìn)入制造階段;如圖1(b)所示,輪緣驅(qū)動推進(jìn)器采用新型的電力直驅(qū)推進(jìn)技術(shù),將驅(qū)動電機(jī)、螺旋槳、軸承和導(dǎo)管等集成一體,螺旋槳安裝在電機(jī)轉(zhuǎn)子環(huán)內(nèi),電機(jī)定子安裝在導(dǎo)管內(nèi),通電時定子驅(qū)動鑲嵌有永磁鐵的轉(zhuǎn)子旋轉(zhuǎn)從而帶動螺旋槳產(chǎn)生推力,可以進(jìn)一步提高功率密度和降低噪聲。武漢理工大學(xué)與海軍工程大學(xué)、廣州海工船舶設(shè)備有限公司聯(lián)合開展輪緣推進(jìn)器關(guān)鍵技術(shù)研究,成功研制出了多種規(guī)格輪緣驅(qū)動推進(jìn)器,如圖2所示,部分推進(jìn)器采用了對轉(zhuǎn)輪緣驅(qū)動技術(shù)、磁液雙懸浮軸承技術(shù)和超耐磨減振軸承技術(shù)等,獲得了全國首個輪緣推進(jìn)器CCS認(rèn)證證書,這些推進(jìn)器在純電池動力集裝箱船、科考船、拖輪、旅游船、無人水質(zhì)監(jiān)測船、無人燈光艇等船舶中得到應(yīng)用。

圖1 船舶電力直驅(qū)推進(jìn)裝置的結(jié)構(gòu)形式Fig.1 The structure of marine integrated electric propulsion devices

圖2 武漢理工大學(xué)與廣州海工聯(lián)合研制的輪緣推進(jìn)器Fig.2 Rim-driven thruster jointly developed by Wuhan University of Technology and Guangzhou HG Marine Co., Ltd.

綜合這2種電力直驅(qū)推進(jìn)裝置共同具有的核心部件,可歸納為電機(jī)、軸承和密封、螺旋槳及殼體(或?qū)Ч?,這些部件的失效將極大降低推進(jìn)裝置的安全性,甚至可能使船舶在航行過程中失去動力。梳理這些部件的故障模式是提出狀態(tài)監(jiān)測、故障診斷技術(shù)的基礎(chǔ)。

1.1 電機(jī)系統(tǒng)

感應(yīng)電機(jī)因其結(jié)構(gòu)簡單、制造成本低、可靠性高的特點(diǎn)而在船舶推進(jìn)電機(jī)上廣泛應(yīng)用,其又可分為異步電機(jī)和同步電機(jī),在大功率交流推進(jìn)系統(tǒng)中,各國基本趨向于使用同步電機(jī)。永磁電機(jī)的定子結(jié)構(gòu)與感應(yīng)電機(jī)相似,但轉(zhuǎn)子替換成了永磁體,因此無勵磁損耗以及集電環(huán)、電刷相關(guān)的損耗,實(shí)現(xiàn)了更高的轉(zhuǎn)矩密度和效率,輪緣推進(jìn)器主要采用這種電機(jī)。

上述電機(jī)的故障模式主要包括機(jī)械故障、電氣故障和磁故障,具體可分為:1)定子損壞導(dǎo)致一個或多個繞組開路或者短路;2)異步電機(jī)的轉(zhuǎn)子導(dǎo)條或端環(huán)斷裂;3)轉(zhuǎn)子的靜態(tài)、動態(tài)或混合偏心;發(fā)生在輪緣電機(jī)中還會導(dǎo)致護(hù)套損傷;4)軸承或齒輪的失效;5)同步電機(jī)轉(zhuǎn)子勵磁繞組短路;6)永磁電機(jī)的永磁體退磁、損傷[6-8]。

實(shí)際工業(yè)應(yīng)用中定子故障在中高壓大型感應(yīng)電機(jī)故障中占比最大[9],此外軸承故障也是常見的電機(jī)故障。逆變器和控制器與電機(jī)共同組成電機(jī)系統(tǒng),在沒有冗余和容錯控制的情況下,任何一個部分發(fā)生故障都會導(dǎo)致系統(tǒng)失效。逆變器中的功率開關(guān)器件和直流母線電容的開路、短路是主要故障模式[10],而各種拓?fù)浣Y(jié)構(gòu)和容錯結(jié)構(gòu)的應(yīng)用,可提高逆變器的可靠性。控制器由中央處理器和配套電路組成,處理器根據(jù)電流信號、位置信號、控制程序和指令對逆變器進(jìn)行控制,而位置傳感器的信號異常和損壞是控制器主要的故障模式[11]。輪緣推進(jìn)電機(jī)采用無位置傳感控制技術(shù),位置預(yù)測精度不夠?qū)е驴刂齐y度大。

1.2 軸承和密封

無論是吊艙推進(jìn)還是輪緣推進(jìn),軸承都是其中的關(guān)鍵部件。徑向軸承用于支撐螺旋槳軸、螺旋槳及其附件的重量,推力軸承需要承載螺旋槳產(chǎn)生的推力并傳遞至整個船體。吊艙電力推進(jìn)裝置使用油潤滑軸承,優(yōu)點(diǎn)為技術(shù)較成熟、承載力大、潤滑效果好,但也常出現(xiàn)滑油泄漏和燒瓦的問題。這種軸承主要失效模式為:磨損、擦傷、膠合、燒瓦、疲勞、腐蝕、氣蝕。在實(shí)際使用中,占比最高的前4個故障原因?yàn)榛筒桓蓛簟⒒筒蛔恪惭b誤差、對中不良和載荷過大等。

水潤滑軸承是輪緣驅(qū)動推進(jìn)裝置的核心部件,但由于水的粘度低,其承載能力相比油潤滑下降很大,摩擦副之間容易產(chǎn)生異常磨損。目前針對水潤滑軸承的研究以軸承高分子復(fù)合材料、承載機(jī)理和減振降噪等內(nèi)容為主[12-13],對于其故障診斷的專題報道較少。文獻(xiàn)[14]總結(jié)了水潤滑徑向軸承的故障模式,包括有疲勞、膠合、磨損、燒蝕、氣蝕、壓痕6種,但總體而言,船舶推進(jìn)系統(tǒng)水潤滑軸承的故障模式和機(jī)理尚未完全揭示清楚。

滾動軸承是吊艙電力推進(jìn)裝置常用軸承形式之一。ISO 15243國際標(biāo)準(zhǔn)對滾動軸承的故障模式及原因等做了明確的分類和規(guī)定[15],但針對船舶電力推進(jìn)器中滾動軸承的失效形式報道較少,鑒于風(fēng)電機(jī)組的結(jié)構(gòu)和工況與推進(jìn)器類似,其軸承的主要故障模式可供參考:塑性變形、潤滑劑失效、電弧腐蝕、磨損、安裝不當(dāng)[16]。

吊艙電力推進(jìn)裝置需要安裝密封防止外部海水或內(nèi)部滑油泄漏。推進(jìn)系統(tǒng)常用的密封包括皮碗密封、氣胎密封、機(jī)械密封、填料密封等,也是吊艙電力推進(jìn)裝置的核心技術(shù)之一,多屏障唇形密封結(jié)構(gòu)和油氣調(diào)節(jié)系統(tǒng)方案是較為先進(jìn)方案。密封失效模式主要為磨損和泄漏,主要原因包括:摩擦磨損、軸系振動、軸傾斜、密封面高溫、雜質(zhì)侵入[17]。

1.3 螺旋槳

螺旋槳是電力推進(jìn)器產(chǎn)生推力的主要部件。由于長期浸泡在水中,工作環(huán)境惡劣,受力復(fù)雜多變,尤其是葉梢處線速度大、厚度薄,發(fā)生損壞的可能性高。在輪緣推進(jìn)器中,由于螺旋槳根部安裝在轉(zhuǎn)子內(nèi)壁,槳葉葉梢處于旋轉(zhuǎn)中心,線速度低,可靠性有所提高。目前螺旋槳的研究主要涉及理論設(shè)計與優(yōu)化、空泡、尾流、噪聲等,根據(jù)實(shí)際應(yīng)用情況統(tǒng)計,螺旋槳故障模式主要包括:纏繞故障、接觸摩擦、斷裂、變形、鳴音、氣蝕等。

2 電力直驅(qū)推進(jìn)裝置狀態(tài)監(jiān)測技術(shù)

電力直驅(qū)推進(jìn)裝置故障診斷的前提是獲取可靠的狀態(tài)信息數(shù)據(jù),這依賴于先進(jìn)的傳感和信號分析技術(shù),并根據(jù)閾值指標(biāo)和退化趨勢初步判斷設(shè)備有沒有故障。本文梳理了集成電力推進(jìn)器主要部件的狀態(tài)監(jiān)測技術(shù),如圖3所示。目前集成電力推進(jìn)器成熟的監(jiān)測系統(tǒng)較少,ABB推出了AbilityTM平臺結(jié)合智能傳感器實(shí)現(xiàn)了對吊艙推進(jìn)器中的電機(jī)和軸承關(guān)鍵健康指標(biāo)的無線遙測。

圖3 船舶電力直驅(qū)推進(jìn)裝置主要部件的狀態(tài)監(jiān)測技術(shù)Fig.3 Condition monitoring technology for main components of marine integrated electric propulsion devices

2.1 電機(jī)、逆變器及控制器

反映電機(jī)健康狀態(tài)的參數(shù)包括電參數(shù)、振動、溫度、磁場等,為了獲取這類信號,目前應(yīng)用較多的監(jiān)測手段可概況為:

1)振動監(jiān)測:振動監(jiān)測是在旋轉(zhuǎn)機(jī)械上應(yīng)用最廣泛的一種非侵入式監(jiān)測技術(shù),通過振動傳感器來提取振動信號,可從中提取大量與電機(jī)健康狀態(tài)相關(guān)的特征[18-20]。但集成電力推進(jìn)器中空間小、各部件振動信號的耦合程度高,傳感器的布置和信號的解耦是難點(diǎn);

2)電參數(shù)監(jiān)測:電流和電壓作為電機(jī)的電參數(shù),可通過供電系統(tǒng)或?qū)Ｓ脗鞲性O(shè)備獲取,各種故障模式的特征都在電參數(shù)信號中有所反映[21-22],這是最易于實(shí)現(xiàn)的監(jiān)測手段;

3)電磁場監(jiān)測:正常情況下,感應(yīng)電機(jī)氣隙中的磁通量隨時間和空間呈正弦變化,當(dāng)電機(jī)出現(xiàn)故障則會導(dǎo)致磁通量的分布產(chǎn)生偏離[23]。通過監(jiān)測電機(jī)的軸向磁通量可以分析出定子匝間短路、轉(zhuǎn)子斷條、偏心及軸承等的故障[24]。但是集成電力推進(jìn)器中大量電力電子元器件會產(chǎn)生大量電磁干擾,對監(jiān)測效果的影響需要評估;

4)溫度監(jiān)測:電機(jī)定轉(zhuǎn)子和軸承等的故障會導(dǎo)致異常溫升,傳統(tǒng)監(jiān)測手段通常將熱電偶安裝在繞組中,近些年發(fā)展出了無傳感器的定子溫度監(jiān)測方法和轉(zhuǎn)子溫度無線遙測方法[25-26]。除了點(diǎn)測溫方法,熱成像可以對電機(jī)整體溫度分布進(jìn)行測量并標(biāo)記出最高溫度點(diǎn)的位置[27],該方法通常作為輔助監(jiān)測手段;

5)氣隙扭矩監(jiān)測:定子繞組不平衡和轉(zhuǎn)子損壞時,電機(jī)氣隙中會出現(xiàn)扭矩諧波,不同的故障會在氣隙轉(zhuǎn)矩中產(chǎn)生特定頻率,由于無法直接測得氣隙扭矩,通常與仿真結(jié)果相比較來確定故障的存在,但可表征的故障類型有限[28]。

逆變器和控制器的健康狀態(tài)通常反映在回路的電參數(shù)信號中,無需額外的監(jiān)測手段。此外,將聲發(fā)射技術(shù)引入到推進(jìn)電機(jī)中,通過安裝壓電傳感器采集應(yīng)力波來識別電機(jī)轉(zhuǎn)子、定子和軸承的機(jī)械故障,具備故障定位和早期故障的監(jiān)測能力,還可側(cè)面反映電氣故障,但容易受到環(huán)境噪聲的影響[29],尤其集成電力推進(jìn)器中各部件集成度較高,之間的聲干擾不可忽視。由于輪緣推進(jìn)器取消了密封裝置,永磁電機(jī)直接置于水環(huán)境中,定轉(zhuǎn)子表面會覆蓋有金屬或高分子防水護(hù)套(圖4)。護(hù)套損傷可能導(dǎo)致水滲入到定轉(zhuǎn)子中,嚴(yán)重時會使電機(jī)短路損毀。目前尚缺乏可靠的輪緣推進(jìn)電機(jī)護(hù)套損傷原位監(jiān)測手段,研究人員也嘗試?yán)贸暭夹g(shù)進(jìn)行護(hù)套損傷定位和損傷程度識別,超聲C掃描[30]、激光超聲[31]、螺旋導(dǎo)波[32]等需進(jìn)一步論證。此外,光纖光柵(fiber bragg grating,FBG)超聲光纖傳感技術(shù)[33]、分布式光纖技術(shù)也為輪緣推進(jìn)電機(jī)狀態(tài)監(jiān)測提供了思路。

圖4 輪緣推進(jìn)電機(jī)防水護(hù)套安裝狀態(tài)Fig.4 Installation status of the waterproof sheath of the rim-driven motor

2.2 軸承和密封

集成電力推進(jìn)器軸承的健康狀態(tài)與其潤滑狀態(tài)關(guān)聯(lián)緊密,各種損傷的出現(xiàn)會導(dǎo)致振動、溫度、壓力等參數(shù)產(chǎn)生異變。從性能角度看,監(jiān)測技術(shù)可概況為:

1)振動監(jiān)測:振動監(jiān)測被廣泛應(yīng)用于滾動軸承[34]狀態(tài)判別,通過頻譜分析、小波變換等現(xiàn)代信號處理手段,提取特征信息用于故障診斷[35]。與滾動軸承相比,集成電力推進(jìn)器中使用的滑動軸承自身故障模式與振動特征之間的映射關(guān)系尚不明確[14],大多從轉(zhuǎn)子系統(tǒng)角度來識別系統(tǒng)故障,例如根據(jù)軸心軌跡的形狀來判斷不平衡、不對中、油膜渦動等故障[36]。此外多源信息融合是滑動軸承故障診斷的研究熱點(diǎn)[37];

2)溫度監(jiān)測:溫度屬于緩變信號,當(dāng)軸承的故障或極端工況出現(xiàn)一段時間后,溫度會表現(xiàn)出異常。這種特點(diǎn)導(dǎo)致其對于早期故障的表征不敏感,但由于軸承具有一定的容錯能力而且測溫技術(shù)較可靠且實(shí)施成本低,常被用于燒瓦等故障監(jiān)測。監(jiān)測方法通常為熱電偶、熱成像[38]和光纖傳感[39]等;

3)磨損監(jiān)測:磨損直接決定了設(shè)備的使用壽命。目前,油液監(jiān)測是閉式潤滑軸承最常見的磨損監(jiān)測手段[40],但難以應(yīng)用于使用開式水潤滑軸承的輪緣推進(jìn)器中。此外,聲發(fā)射技術(shù)也可用于滾動軸承[41]和機(jī)械密封的磨損監(jiān)測[42-43],對材料表面的剝落、斷裂、分層等的識別具有優(yōu)勢。該技術(shù)被引入滑動軸承中,結(jié)合智能算法對磨損識別具有較高精度[44];

4)液膜厚度和壓力監(jiān)測:液膜厚度可直接反應(yīng)軸承的潤滑狀態(tài)和機(jī)械密封端面間隙大小[45],潤滑膜厚的測量方法主要有電渦流法[46]、電阻法[47]、電容法[48]、超聲法[49]、光纖法[50]等;根據(jù)潤滑膜的壓力分布還可以判斷軸承是否存在偏載情況[51],該方法在滾動軸承上尚無應(yīng)用。

2.3 螺旋槳

螺旋槳安裝在船體外部且不可視,其狀態(tài)監(jiān)測是一個經(jīng)典難題,通常采取對螺旋槳軸的振動和電機(jī)電參數(shù)的監(jiān)測[52]間接反映槳葉的健康狀態(tài)。Song等[53]提出監(jiān)測水聲信號提取其中螺旋槳的特征頻率,通過計算和試驗(yàn)驗(yàn)證了該方法在低信噪比的情況下仍具有較好識別能力,并表示在未來可以用于槳葉的故障診斷。針對飛機(jī)槳葉的監(jiān)測手段也可以提供參考,如將微型振動傳感系統(tǒng)[54]或光纖應(yīng)變傳感器[55]安裝于槳葉上。

3 電力直驅(qū)推進(jìn)裝置故障診斷技術(shù)

目前,針對船舶電力推進(jìn)裝置故障部件的診斷方法可分為基于模型和基于信號處理的傳統(tǒng)診斷方法和智能診斷方法3類,如表1所示。其中基于模型的診斷方法起步最早[56],根據(jù)故障部件的監(jiān)測信息與其仿真模型輸出信息之間的殘差值來實(shí)現(xiàn)故障診斷[57]。但是船舶電力直驅(qū)推進(jìn)裝置屬于多變量動態(tài)系統(tǒng),電機(jī)、螺旋槳和軸承等關(guān)鍵部件相互耦合,難以建立準(zhǔn)確的數(shù)學(xué)模型和部件的失效模型,對于復(fù)雜失效模式的診斷,該方法很難付諸實(shí)施。相比之下,基于信號處理的方法不需要具體的數(shù)學(xué)模型,只依賴電流、振動和聲音等信號就可以獲得故障特征,具有快速和高效的優(yōu)點(diǎn)。如今小波分析[58]、經(jīng)驗(yàn)?zāi)B(tài)分解[59]、包絡(luò)分析[60]等信號技術(shù)已被廣泛應(yīng)用于船舶推進(jìn)裝置的故障診斷領(lǐng)域。但船舶集成電力推進(jìn)器不同于傳統(tǒng)的軸系推進(jìn),其系統(tǒng)集成化和自動化程度更高,各部件間的關(guān)系更加復(fù)雜,單靠信號處理技術(shù)無法做出快速準(zhǔn)確的判斷,其故障特征的評估仍要依靠經(jīng)驗(yàn)豐富的研究者。

表1 船舶電力直驅(qū)推進(jìn)裝置診斷方法對比Table 1 Comparison of diagnostic methods for marine integrated electric propulsion devices

隨著各種狀態(tài)監(jiān)測技術(shù)成功應(yīng)用于船舶電力推進(jìn)器,服役過程中產(chǎn)生的海量運(yùn)行數(shù)據(jù)中蘊(yùn)含了各部件的健康信息。如圖5所示,電力推進(jìn)裝置的狀態(tài)監(jiān)測系統(tǒng)將采集的數(shù)據(jù)輸入故障診斷系統(tǒng)中來進(jìn)行故障模式的識別,以實(shí)現(xiàn)“知”曉電力推進(jìn)裝置是否產(chǎn)生了故障,產(chǎn)生了何種故障。智能診斷方法不拘泥于復(fù)雜的解析模型和故障機(jī)理層面的探索,利用數(shù)據(jù)挖掘技術(shù),獲取推進(jìn)裝置各部件監(jiān)測數(shù)據(jù)與各類故障之間隱含的非線性映射關(guān)系。同時合理且有深度的數(shù)據(jù)挖掘能獲取細(xì)節(jié)化的故障特征,進(jìn)而發(fā)現(xiàn)船舶電力直驅(qū)推進(jìn)裝置部件潛在的早期微小故障,具有較高的工程實(shí)用價值[61]。本文從故障診斷的角度出發(fā),重點(diǎn)分析目前主流的幾種智能診斷方法在船舶推進(jìn)裝置上的研究和發(fā)展,包括專家系統(tǒng)、模糊邏輯和機(jī)器學(xué)習(xí)。

圖5 船舶電力直驅(qū)推進(jìn)裝置故障診斷方法分類Fig.5 Classification of fault diagnosis methods for marine integrated electric propulsion devices

3.1 專家系統(tǒng)

專家系統(tǒng)作為智能診斷方法中早期代表,是一種基于規(guī)則和推理方法來解決復(fù)雜問題的計算機(jī)系統(tǒng)。通過歸納總結(jié)船舶電力推進(jìn)裝置各部件的故障類型、容錯控制,將相應(yīng)的領(lǐng)域眾多專家經(jīng)驗(yàn)集于一體,形成知識庫和推理機(jī)來代替大部分不重復(fù)的腦力勞動。文獻(xiàn)[62]針對船舶電機(jī)部件以故障樹的形式構(gòu)建了一個3層知識庫結(jié)構(gòu),第1層判斷電機(jī)類型,第2層記錄特定機(jī)器的故障癥狀,第3層確定每種癥狀的可能原因和維護(hù)措施。通過引入權(quán)重因子來根據(jù)歷史數(shù)據(jù)改進(jìn)故障樹,確保電機(jī)的維修時間和成本最小化。文獻(xiàn)[63]針對由螺旋槳引起的推進(jìn)裝置故障的問題構(gòu)建了基于遠(yuǎn)程故障診斷的專家系統(tǒng)。如當(dāng)增壓系統(tǒng)發(fā)生故障時,會檢查是否因?yàn)殡姍C(jī)螺旋槳不匹配導(dǎo)致主機(jī)轉(zhuǎn)速下降,排氣溫度升高;當(dāng)軸承發(fā)生異常振動時,會檢查是否螺旋槳存在磨損、空蝕、變形、斷裂、質(zhì)量不均勻、水動力不平衡等問題,或者是否由于船艉的不均勻流場導(dǎo)致螺旋槳產(chǎn)生激勵力,造成軸和船舶振動。專家系統(tǒng)不需要大量的歷史數(shù)據(jù),利用經(jīng)驗(yàn)知識解決復(fù)雜的專業(yè)問題。這也導(dǎo)致目前的應(yīng)用主要在船舶電機(jī)和螺旋槳上,因?yàn)樵搶ο髴?yīng)用廣泛、失效案例豐富,而水潤滑軸承的專家系統(tǒng)則尚未見報道。鑒于電力直驅(qū)推進(jìn)裝置部分失效模式尚不明確,一旦出現(xiàn)知識庫之外的新故障,專家系統(tǒng)既沒有對應(yīng)的規(guī)則推理又缺乏自學(xué)習(xí)的能力,在實(shí)際應(yīng)用中存在一定的局限性。

3.2 模糊邏輯

模糊邏輯也是一種發(fā)展較早的智能診斷方法,當(dāng)船舶電力推進(jìn)器部件的故障現(xiàn)象比較模糊時可借助隸屬函數(shù)和模糊關(guān)系建立故障模式和特征信息的不確定關(guān)系。文獻(xiàn)[64]中收集了船舶推進(jìn)器螺旋槳-軸的實(shí)驗(yàn)故障信號作為模糊邏輯的輸入,引入遺傳算法自動生成最優(yōu)模糊神經(jīng)結(jié)構(gòu),極大地縮短了診斷時間。模糊邏輯和專家系統(tǒng)的結(jié)合被廣泛地應(yīng)用于故障診斷研究[65],將電機(jī)[66]、軸承[67]、螺旋槳[52]等核心部件的特征向量存放在事實(shí)數(shù)據(jù)庫。規(guī)則知識庫中以模糊集的方式存放不確定的專家知識,通過特征向量與規(guī)則庫之間的模糊匹配,進(jìn)而識別出故障類型。在面對不精確的數(shù)據(jù)、模糊的故障現(xiàn)象和原因時,模糊邏輯更具靈活性和容錯性。同時其依賴于專家經(jīng)驗(yàn)知識,診斷結(jié)果是由模糊規(guī)則和模糊集推理得出,相較于單純的專家系統(tǒng)來說,降低了對專家知識的需求,但對于缺乏相關(guān)知識的新研裝備,應(yīng)用仍具有一定的局限性。因此,在診斷如船舶電力直驅(qū)推進(jìn)裝置的多部件耦合集成系統(tǒng)時,如何根據(jù)先驗(yàn)知識選擇合適的模糊規(guī)則和模糊集至關(guān)重要。

3.3 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)的主要思想是借助電力直驅(qū)推進(jìn)裝置運(yùn)行過程中正常數(shù)據(jù)和故障數(shù)據(jù),以數(shù)據(jù)驅(qū)動的方式獲得診斷模型。人工神經(jīng)網(wǎng)絡(luò)(artificial neural network, ANN)是機(jī)器學(xué)習(xí)故障診斷中最常用的分類器之一,主要應(yīng)用于船舶推進(jìn)器電機(jī)[68]、軸承[69]等關(guān)鍵部位的診斷,故障決策時不需要專家經(jīng)驗(yàn),整個過程更加自主化。然而,ANN的建立需要在大量樣本數(shù)據(jù)的基礎(chǔ)上,但集成電力推進(jìn)器結(jié)構(gòu)緊湊,空間狹窄,現(xiàn)階段無法布置太多傳感器,因此,關(guān)鍵部位單一的數(shù)據(jù)來源限制了網(wǎng)絡(luò)的診斷能力。此外ANN收斂速度慢,泛化能力差,當(dāng)樣本選擇不當(dāng),實(shí)船數(shù)據(jù)與訓(xùn)練數(shù)據(jù)庫不匹配時,實(shí)時診斷存在困難。

支持向量機(jī)(support vector machine, SVM)作為一種相對較新的智能算法,克服了ANN收斂速度慢,易陷入局部最優(yōu)的缺點(diǎn)。目前,針對實(shí)際應(yīng)用中船舶推進(jìn)裝置難以獲得大量故障樣本的問題,文獻(xiàn)[70]提出了一種SVM和連續(xù)小波變換(continue wavelet transform, CWT)結(jié)合的診斷方法,使用非常窄的尺度從特定的頻帶中提取電機(jī)啟動過程中振動信號的細(xì)節(jié)特征,與ANN相比該方法實(shí)現(xiàn)簡單且診斷精度較高。通常訓(xùn)練集由歷史運(yùn)行數(shù)據(jù)構(gòu)成,電力直驅(qū)推進(jìn)裝置的正常數(shù)據(jù)遠(yuǎn)多于故障數(shù)據(jù),文獻(xiàn)[71]將基于模型的方法和SVM方法相結(jié)合來解決不同類別的訓(xùn)練樣本不平衡的問題,建立船舶推進(jìn)裝置的仿真模型,利用改進(jìn)后的SVM對仿真數(shù)據(jù)進(jìn)行定量的故障檢測。SVM在處理小樣本,非線性數(shù)據(jù)的分類時更具優(yōu)勢,但由于船舶電力直驅(qū)推進(jìn)裝置內(nèi)部高溫、高濕、高鹽的惡劣的環(huán)境,以及螺旋槳和電機(jī)帶來的非定常激勵力的影響,傳感器所監(jiān)測的信號中干擾因素較多。單一的SVM受低信噪比樣本、不平衡樣本以及模型參數(shù)的影響很大,和其他人工智能技術(shù)的結(jié)合,是彌補(bǔ)其局限性的發(fā)展方向之一。

深度學(xué)習(xí)以其強(qiáng)大的自學(xué)習(xí)能力成為目前智能診斷的熱點(diǎn),各種深度學(xué)習(xí)算法已應(yīng)用于推進(jìn)器部件的故障診斷中。如深度置信網(wǎng)絡(luò)(deep belief networks, DBN)具有自適應(yīng)地提取原始數(shù)據(jù)的故障特征的能力,在船舶軸系故障診斷中,其克服了背景噪聲、電路元器件零點(diǎn)漂移等干擾因素實(shí)現(xiàn)了故障類型的自動識別[72]。針對船舶集成推進(jìn)裝置微小故障不易發(fā)現(xiàn),淺層機(jī)器學(xué)習(xí)算法難以有效識別故障特征等問題,文獻(xiàn)[73]將軸承故障特征提取和分類環(huán)節(jié)融合到一個學(xué)習(xí)體中,利用一維卷積神經(jīng)網(wǎng)絡(luò)(one dimension-convolutional neural networks, 1D-CNN)直接提取原始數(shù)據(jù)的有效特征,并設(shè)計了一維全局均值池化層代替?zhèn)鹘y(tǒng)的全連接層,減少了參數(shù)量和診斷時間,更加適用于微小故障的快速診斷。同時,船舶電力直驅(qū)推進(jìn)裝置工況復(fù)雜多變,淺層機(jī)器學(xué)習(xí)算法存在一種模型只能針對一類特定工況的問題,文獻(xiàn)[74]將膠囊網(wǎng)絡(luò)(Caps-Net)與卷積網(wǎng)絡(luò)(convolutional neural networks, CNN)相結(jié)合,建立了一種具有強(qiáng)泛化性的模型。利用不含池化層的CNN提取原始圖像的重要特征,將基于動態(tài)路由算法的膠囊網(wǎng)絡(luò)作為分類器,實(shí)現(xiàn)在不同工況下電機(jī)的多故障智能檢測。此外,深度遷移學(xué)習(xí)在處理變工況、小樣本情況下的故障診斷問題極具優(yōu)勢,可通過縮小源域和目標(biāo)域的分布差異,實(shí)現(xiàn)診斷模型的遷移[75],有潛力解決試驗(yàn)室模型難以工程化應(yīng)用的問題。

相比ANN、SVM這些淺層的機(jī)器學(xué)習(xí)算法,深度學(xué)習(xí)無需任何先驗(yàn)知識,可以直接在采集的信號上迭代學(xué)習(xí)提取特征,實(shí)現(xiàn)端對端的故障診斷。同時,深度學(xué)習(xí)模型的可移植性強(qiáng),在不同問題領(lǐng)域具有良好的適用性和泛化能力,是未來船舶電力直驅(qū)推進(jìn)裝置智能診斷的一個重要方向。目前,深度學(xué)習(xí)在船舶電力推進(jìn)裝置的故障診斷中仍處于起步階段,主要圍繞船舶軸承、電機(jī)和逆變器[76]等單個部件開展的試驗(yàn)研究。船舶電力直驅(qū)推進(jìn)裝置樣本量少且樣本不平衡的現(xiàn)狀是限制深度學(xué)習(xí)方法在實(shí)際船舶中應(yīng)用的重要因素。如何將故障診斷模型從試驗(yàn)室轉(zhuǎn)化到實(shí)船領(lǐng)域,深度遷移學(xué)習(xí)為其提供了解決思路。

4 存在的問題與對策建議

電力直驅(qū)推進(jìn)裝置智能運(yùn)維研究的核心問題之一是如何實(shí)現(xiàn)對其健康狀態(tài)的感知,這又包括了3個問題,首先明確健康指標(biāo),其次是如何“感”,再是如何“知”,分別取決于故障模式和機(jī)理分析、狀態(tài)監(jiān)測技術(shù)、故障診斷技術(shù)。

目前對集成電力推進(jìn)器故障模式和機(jī)理的認(rèn)識還停留在單個部件層面,各損傷模式之間的相互影響規(guī)律研究仍存在許多空白。此外輪緣推進(jìn)器在國內(nèi)還處于研發(fā)和推廣階段,其主要部件故障模式和機(jī)理的研究尚未報道,仍需開展大量的理論和試驗(yàn)研究。

針對電力直驅(qū)推進(jìn)裝置的特點(diǎn),目前狀態(tài)監(jiān)測方向存在以下3個問題:

1)推進(jìn)器集成化程度高,內(nèi)部空間狹小,集成電力推進(jìn)器整體被吊裝在船艙外部,這使得傳感器的布置難度增加,可布置的傳感器數(shù)量減少,可監(jiān)測性下降;

2)傳感器的工作環(huán)境惡劣,狹窄的推進(jìn)器內(nèi)部存在高溫、高濕、高鹽的環(huán)境,部分傳感器需要浸泡在海水、泥沙水中,對傳感器本身的防護(hù)性和可靠性提出了更高的要求。同時,電力推進(jìn)系統(tǒng)中大量的電力電子元器件會對傳感器信號產(chǎn)生電磁干擾;

3)由于電力直驅(qū)推進(jìn)裝置中電機(jī)、軸承、螺旋槳的安裝緊湊,電機(jī)的不平衡磁拉力、螺旋槳的非定常水動力等之間互相干擾,導(dǎo)致各部件的振動信號高度耦合,增加了后續(xù)診斷的難度。

為了解決電力直驅(qū)推進(jìn)裝置狀態(tài)監(jiān)測中的技術(shù)難題,本文提出了在未來需要重點(diǎn)關(guān)注的研究方向:

1)傳感設(shè)備應(yīng)朝著小型化、集成化、智能化的范式發(fā)展,在零部件的設(shè)計制造階段就實(shí)現(xiàn)其狀態(tài)參數(shù)的獲取,與部件融為一體形成智能裝備,對其全生命周期健康狀態(tài)進(jìn)行監(jiān)測,同時單個傳感器應(yīng)具備多種狀態(tài)參數(shù)的采集能力,盡可能在傳感設(shè)備有限的情況下獲取更多的參數(shù);

2)針對電力直驅(qū)推進(jìn)裝置對傳感器可靠性以及信號傳輸可靠性的高要求,如何將光纖傳感、超聲無損監(jiān)測等對電磁干擾不敏感、易于實(shí)現(xiàn)分布式傳感網(wǎng)絡(luò)的監(jiān)測技術(shù)應(yīng)用于電力推進(jìn)器是重要發(fā)展方向之一;同時,基于5G的物聯(lián)網(wǎng)技術(shù)為解決信號傳輸易受干擾的問題提供了思路;

3)發(fā)展先進(jìn)的信號處理技術(shù),針對多部件耦合信號進(jìn)行分離,引入數(shù)據(jù)清洗技術(shù),同時結(jié)合多維度不同類型的信息融合技術(shù),對數(shù)據(jù)進(jìn)行預(yù)處理,可提高信號的有效性。

智能診斷依賴于數(shù)據(jù)的種類、數(shù)量、質(zhì)量等,對電力直驅(qū)推進(jìn)裝置智能診斷的難點(diǎn)總結(jié)為:

1)由于傳感設(shè)備的安裝空間有限,可能存在樣本采集來源單一、樣本量少的問題;

2)傳感設(shè)備的工作環(huán)境惡劣,易導(dǎo)致傳感器零點(diǎn)漂移或信噪比差,同時各部件之間運(yùn)行存在相互干擾,導(dǎo)致采集的信號耦合成分多,需要降低診斷對數(shù)據(jù)擾動的敏感性;

3)目前尚沒有電力直驅(qū)推進(jìn)裝置的故障數(shù)據(jù)集,故障模式和故障機(jī)理還有待進(jìn)一步揭示。基于實(shí)測數(shù)據(jù)的故障診斷存在樣本不平衡、模型訓(xùn)練不充分,易發(fā)生欠擬合和過擬合等問題;

4)電力直驅(qū)推進(jìn)裝置實(shí)際服役環(huán)境復(fù)雜多變,目前基于實(shí)驗(yàn)室條件的模擬工況和狀態(tài)信號離推進(jìn)裝置實(shí)際服役狀態(tài)有較大差別,這會影響服役時的故障診斷精度。

總的來說,電力直驅(qū)推進(jìn)裝置的智能診斷還面臨許多問題,近些年對深度遷移學(xué)習(xí)的研究為解決這些難題提供了解決思路,該方法在不同工況、小樣本情況下診斷極具優(yōu)勢,可以將試驗(yàn)室條件下的診斷模型遷移到實(shí)際工程中。

5 結(jié)論

1)船舶電力直驅(qū)推進(jìn)裝置中的水潤滑推力軸承、輪緣電機(jī)護(hù)套的故障模式和機(jī)理尚不明確,缺乏失效案例和故障數(shù)據(jù)集的統(tǒng)計,直接影響故障診斷研究開展和模型準(zhǔn)確性。

2)電力直驅(qū)推進(jìn)裝置的特殊性導(dǎo)致其狀態(tài)監(jiān)測系統(tǒng)尚未成熟,嵌入式智能傳感、光纖傳感、超聲無損監(jiān)測等測試技術(shù)為電力直驅(qū)推進(jìn)裝置狀態(tài)監(jiān)測提供了思路。

3)智能診斷方法各有優(yōu)劣,但在實(shí)際推進(jìn)器中應(yīng)用仍存在許多難題,其中深度遷移學(xué)習(xí)針對這些問題極具優(yōu)勢,是重點(diǎn)研究方向。具備全壽命周期健康感知的集成電力推進(jìn)系統(tǒng)是未來發(fā)展趨勢。