船舶发电系统故障分析及诊断技术研究.pdfVIP

船舶发电系统故障分析及诊断技术研究

摘要

现如今十二相整流发电系统在船舶上已经得到了较为广泛的应用，其既具备输出

高品质、高功率密度的直流电压的能力，也具有良好的抗干扰能力，能较好地适应海

上多变、恶劣的环境，因此也正在慢慢淘汰直流发电机系统。同时一些复杂、频发、

后果严重的故障对发电系统的影响也不容小觑，因此为了减轻甚至排除故障的影响和

保护人员以及船舶的安全，对船舶发电系统进行故障研究并采取智能诊断方法是必行

之路也是未来的研究方向之一。

本文首先在仿真环境中建立了十二相同步整流发电系统的仿真模型，其主要包括

双闭环励磁控制系统、基于定转子分解思想的同步发电机、整流系统三个模块，并在

仿真环境下得到了各仿真波形以与故障后的仿真波形对比。

接着研究了FMECA（FailureMode、EffectsandCriticalityAnalysis，故障模式、影

响和危害性分析）分析方法在发电系统上的使用，然后通过典型故障的FMECA分析，

给出了发电系统多种常见故障的FMEA（FailureModesandEffectAnalysis，故障模式和

影响分析）表格，再根据表格中故障的编码、故障发生概率、严酷性等级得到关于故

障的CA（CriticalityAnalysis，危害性分析）矩阵，并由此确定整流侧突然短路故障、

整流元件开路故障、匝间短路故障这三种对船舶发电系统影响较大的故障模式，再对

它们进行了机理分析，最后结合仿真模型验证故障发生后的特征。

然后根据故障电压波动在LabVIEW中搭建了基于自学习阈值的参数异常检测系统，

阈值通过采集发电系统平稳运行的数据并计算得到。该系统可快速检测到电压的变化，

再根据电压值判断发电系统处于正常、故障、危险三种状态的某个状态。

最后针对匝间短路和整流元件开路这两种参数异常检测系统无法判别的故障模式，

采用小波包分解故障特征提取方法，提取了关于直流侧电压故障后高频部分的熵值能

量，再结合SOM（Self-OrganizingFeatureMap，自组织特征映射）神经网络，完成了

对正常运行、匝间短路、整流元件开路这三种模式的区分。

关键词：船舶发电系统；FMECA分析方法；故障建模；参数异常检测；SOM神经网

络

船舶发电系统故障分析及诊断技术研究

ABSTRACT

Nowadays,thetwelve-phaserectificationpowergenerationsystemhasbeenwidelyused

onships.Ithastheabilitytooutputhigh-qualityandhigh-powerdensityDCvoltage,butalso

hasgoodanti-interferenceability.Theharshenvironmentisthereforeslowlyeliminatingthe

DCgeneratorsystem.Atthesametime,theimpactofsomecomplicated,frequentandserious

faultsonthepowergenerationsystemcannotbeunderestimated.Therefore,inordertoreduce

theimpactofthefaultandthesafetyoftheprotectionpersonnel,andthesafetyoftheship,the

faultresearchontheshippingsystemandadoptingintelligentdiagnosismethodsarethemethod

ofintelligentdiagnosis.Theroadofmustalsobeoneofthefutureresearchdirections.

This