船舶动力装置故障诊断专家系统的研究.pdfVIP

第四届全国海事技术研讨会文集 船舶动力装置故障诊断专家系统研究 张维竞 李新波 (上海交通大学 上海200030) 擅要本文论及船舶动力装置故障诊断的常用方法．这些方法的原理和应用特点，以及这些方法需 要用到的信号源．根据某船舶动力装置的特点，指出了需要重点解决的故障类型．根据实用可靠的要求- 提出采用故障诊断专家系统，以及开发该系统需要解决的关键技术和问题． 关健词船舶动力装置， 故障诊断。专家系统 0前言 舰船动力装置故障诊断系统的主要任务是保护船舶轮机设备正常运行，免于严重损害， 减少故障停机的概率及因停机检修或过度维修造成的损失，使船舶动力装置的维修工作按 需进行，从而提高船舶营运的经济性和可靠性。对于舰艇而言，则可提高其战略和战术性能。 因此．船舶动力装置故障诊断系统的研究与开发引起了国内外造船及航运界的专家、技术人 员的广泛重视，这方面的研究有了长足的进步，国外已出现商品化的故障诊断系统，代表 系统等。 1诊断方法 现有的故障诊断方法主要可以分为五类 _；；_■罐溜礓德蕊潮薯警：：蕾差1i疆锄a溜疆馏馐灌藿谴§ 1．1专家系统方法 基习；专家系统的故障诊断系统很多。诊断专家系统是基于推理和符号的，它的特点是在 一 症状和原因之问建立明确的对应关系，多数采用基于规则的知识表示方法。对于可能遇到 没有对应规则的故障的问题，可以通过在知识库中加入关于被诊断系统结构和功能模型的 深层知识来解决。 对于专家系统来说，如何在大量的知识和规则中快速搜索适用的部分是重要的问题。基 本的做法是分层次进行诊断。可采取的办法是把症状分为最重要症状、次重要症状和一般 症状三个级别，并把诊断约束在最有可能出问题的发动机子系统内进行，以节约搜索时间。 也可以把发动机按结构和功能分别分级，并且相应地把故障分级。分别采取不同的诊断策 略。 通常专家系统采用的推理策略为结合正向和反向推理进行试探性推理，尽管可以如上述 进行层次诊断，但是如果知识库中的规则数很大时，其速度也会有明显下降。有人介绍了 ～种并行反向推理算法，可以加快推理的速度。 1．2神经网络方法 ·198· 』，。}惑疆曩疆褥噌i》。 神经网络诊断方法采黾硬件和软件模仿人类的思维，输入量是故障的症状，输出量是故 障原因，具有驴想、容错、记I二、自适应和自学习能力．在处理复杂的非线性问题时具有 很大的优越性。神经网络基于数值和算法，使用的推理机制是它本身不能解释的。 神经网络由一定数量的处理单元(神经元)组成，过些神经元彼此连接，每个神经元从 别的神经元接收经过加权的输出作为输入量，通过非线性的传递函数把自己的计算结果输 出给其他神经元。神经网络的结构有很多种翟是常见的只有两种：多层感知器结构(虬P， Multi—layerPerceptron)和自组织特性图结构(或称Kohoneu网络)。 MLP网络有一个输入层，多个隐藏的中间层和一个输出屡。每层的神经元接收上层来的 输入值并把计算出的输出值传送给下一层网络的神经元。通常要用一定数量的样本数据来 训练神经网络，样本保括故障的症状和原因，而网络要作的是调整各个神经元权重。使得 输出的结果与样本的吻合，这是一个学习的过程。可能翌化很长的时闺，需要大量的数据。 采用MLP结构的故障诊断系统比较常见，，它需要知道每种故障的症状和原因来进行训 练，但是实践中往往很难得到这些数据。甚至即使有了这些数据，如果没有包括所有可能 的情况或者训练花费的时间太长的话，也会限制诊断系统的作用。更不要说去诊断没有学 习过的故障了。Kohonen结构的神经网络能够适应没有预期结果(故障原因)的场合，因 此可以诊断未经训练的故障．并且在训练时需要的数据量也会大大减少。 L3模糊分析方法 设备的故障与症状之间常常不具有明确的一一对应关