摘 要

船舶运输自问世以来承担了世界各地的商贸往来和文化交流的重任，大大加快了世界各地的联系，成为当今世界的一种必不可少的交通方式。目前各种大中型船舶基本都依靠其主动力推进装置来驱动船舶有效的进行货物往来和人员运输，其主动力推进装置的性能好坏，稳定程度直接决定了船舶能否正常航行，也关乎到船舶上航行人员能否正常的完成工作和他们的生命财产安全。船舶主推进系统在船舶的航行过程中具有无可替代的作用，但船舶主推进系统在运行的过程中却具有工作环境恶劣，条件多变，故障发生率高等特点，这些工作特点和恶劣的工作环境决定了在在船舶的航行过程中其主推进系统极易发生故障，所以对其的故障分析与预测的研究对当下就显得尤为重要。当前，船舶主推进系统的故障分析方法层出不穷，其中通过神经网络技术进行故障分析和预测成为了这其中的一种非常重要的方法。

本文主要是通过神经网络的分析预测方法来对船舶主推进系统大型低速柴油机滑动轴承进行故障分析及预测。

1. 本文首先通过对滑动轴承的分类结构进行分析得出其常见故障类型并且分析其所发生故障的原因得到故障模型。
2. 然后通过在滑动轴承油孔出口旁的油液进行采样，把采集的油样进行油液分析法（光谱分析法与铁谱分析法）进行综合分析得出其检测参数建立状态参数集。
3. 最后通过Matlab的程序编写和其中的BP神经网络工具箱来建立船舶主推进系统滑动轴承的故障分析与预测模型。

关键词：船舶主推进系统；滑动轴承；BP神经网络；油液分析法

Abstract

Since the advent of shipping, ship transportation has undertaken business and cultural exchanges around the world, which has greatly accelerated the connections around the world and has become an indispensable mode of transportation in today's world.At present all kinds of large and medium-sized ship basically rely on the main power propulsion system to drive the ship to transport goods and people effectively, its main power propulsion system performance is good or bad, stability directly decided the sailing ship can be normal, also about the life property safety of the ship sailing on personnel.Ship main engine propulsion system in the process of running a bad working environment, changing conditions, the high incidence of failure, so the research on the fault analysis and prediction of it is very important for the moment.At present, the fault analysis method of the ship's main propulsion system is endless, and the fault analysis and prediction through BP neural network is a very important method.

This paper analyzes and predicts the failure of the sliding bearing in the main propulsion system.

1. Through to the sliding bearing through the analysis of the common faults in the fault model of the sliding bearing .
2. Then sample the oil next to the outlet of the oil hole of the sliding bearing, the sample collected for the oil analysis(spectrum analysis and ferrographic analysis)comprehensive analysis is made on the test parameters to establish state parameter set.
3. At last, by BP neural network toolbox in Matlab to build the ship's main propulsion system fault analysis and prediction model of sliding bearing.

Key Words：Ship's main propulsion system;BP neural network;Sliding bearing;Oil analysis

目 录

第1章 绪论 1

1.1 选题的背景及意义 1

1.2 国内外研究现状 2

1.3 论文主要研究内容 2

1.4 论文的组织结构 3

第2章 船舶故障分析方法的基本理论 4

2.1 船舶故障的分类和规律 4

2.1.1 船舶故障分类 5

2.1.2 船舶故障规律 5

2.2 常见故障分析方法 5

2.2.1 FMEA 5

2.2.2 FTA 6

2.2.3 模糊数学法 7

2.2.4 灰色关联度法 7

2.3 本章小结 7

第3章 船舶主推进系统中滑动轴承的常见故障及其原因分析 8

3.1滑动轴承的分类结构及材料 8

3.1.1 两半式厚壁轴瓦滑动轴承 8

3.1.2 两半式薄壁轴瓦滑动轴承 8

3.1.3 整体衬套式轴瓦滑动轴承 9

3.2 滑动轴承的常见故障及原因分析及FTA图示 9

3.2.1 轴瓦的过度磨损 12

3.2.2 轴瓦的裂纹和剥落 12

3.2.3 轴瓦腐蚀 13

3.2.4 轴瓦烧熔 13

3.3 本章小结 13

1. 基于油液分析法的船舶主推进系统中滑动轴承故障分析研究 14

4.1 油液分析法简介 14

4.1.1 光谱分析法 14

4.1.2 铁谱分析法 15

4.2 实验油样的采集 16

4.2.1 油样采集的要求 16

4.2.2 油样采集的周期 16

4.2.3 实验油样的采集 16

4.3 本章小结 16

第5章 基于Matlab神经网络工具箱的滑动轴承故障诊断预测模型 18

5.1 BP神经网络简介 18

5.1.1 BP神经网络介绍 18

5.1.2 BP神经网络学习方法 18

5.1.3 BP神经网络的局限性 18

5.2 基于Matlab神经网络程序设计 19

5.2.1 数据的归一化处理 19

5.2.2 BP神经网络的建立 19

5.2.3 BP神经网络的训练 19

5.2.4 BP神经网络的仿真 20

5.3 基于Matlab神经网络工具箱的模型建立 20

5.3.1 神经网络工具箱的介绍 20

5.3.2 神经网络中数据的处理与分析 23

5.4 故障分析预测模型的建立和故障的预测诊断 23

5.4.1 基于油液分析法的各个参数的预测 23

5.4.2 基于油液分析法的故障分析预测模型的建立和故障的预测诊断 43

5.5 本章小结 47

第6章 结论 48

参考文献 49

致谢 50

附录A 51

附录B 53

第1章 绪论

1.1 选题的背景及意义

随着世界经济文化联系日益紧密，船舶航运业在当下仍然具有着其巨大的优势，拥有着其无可取代的地位。船舶在航行运输的过程中，为其提供推进动力的主推进系统的性能好坏，稳定程度直接决定了船舶能否正常航行，也关乎到船舶上航行人员的生命财产安全。当前，船舶主动力推进装置多为柴油机，而柴油机在运行的过程中具有工作环境恶劣，条件多变，故障发生率高等特点，所以对其的故障分析与预测的研究对当下就显得尤为重要。现如今船舶主推进系统的故障分析方法层出不穷，其中通过BP神经网络进行故障分析和预测成为了这其中的一种非常重要的方法。

1.2 国内外研究现状

船舶的推进动力主要是由柴油机内的燃油通过压燃的方式，将其内能转变成活塞的机械能然后通过曲轴的旋转带动螺旋桨提供前进动力。自现代船舶出现后，随着现代科学技术的迅速发展，在船舶航行的故障诊断方面也取得了一些列的发展。

在上世纪的五十年代时期，当时计算机技术还没有大规模普及，在那个时候的故障诊断技术主要是通过船舶航行过程中的轮机员通过观察船舶各参数的变化判断其船舶是否发生故障。船舶在航行过程中的各种参数被轮机员周期性的记录在船舶航行日志中，若某一时期某一参数不正常时，轮机员根据船舶航行日志和其自身经验判断其所发生的故障，然后进行事后维修。

到上世纪七十年代时期，计算机已初步应用于船舶领域。许多国外先进的船舶公司在原有传统的故障分析的基础上通过计算机，传感器等开发了一系列新的故障诊断系统如：

1. SODS系统（Sulzer公司）。SODS系统能够将船舶柴油机作为其监测诊断对象，能够实现连续，在线这两个故障分析系统的基本内容。SODS系统通过传感技术，不仅能够连续监测主推进系统中各工质的转速、温度、压力等普通性能参数；而且还能够监测喷油器雾化的喷油压力和燃油压力值这两个燃油瞬时参数；SODS系统最主要的特点是通过传感器，能够最大程度实现监测缸套和活塞环的磨损程度，并且能够以计算机为基础，记录所监测的主推进系统的各项参数，并能够进行简单的预测分析。

（2）CC10系统（Bamp;W公司）。Bamp;W公司所设计研究的CC10系统通常只能够用于Ｋ－ＧＦ系列低速二冲程柴油机。CC10系统与SODS系统在数据采集方面类似，也使用传感技术，通过传感器将监测到的信息输入到计算机之中。但CC10系统与Bamp;W系统不尽相同的是，对于所输入的数据信息，CC10系统在一天之中只自动处理一次，对船舶主推进系统各设备参数进行趋势分析和计算，并且进行处理结果的输出。当船舶设备发生故障时，则系统通过警报装置发出警报来通知相关人员进行处理和应对，同时该系统能够通过计算机为核心显示有关该故障情况下的参数变化，以帮助工作人员对该故障进行诊断和处理。

（3）CMS系统（挪威)。CMS系统是挪威公司通过以故障树故障分析方法为基础所设计研发的船舶故障诊断系统，此系统的主要特点是故障状态和原因一目了然，并且在对于一个故障的情况下，能够逐一列出可能导致该故障的可能原因，以便于船上的工作人员能够通过该系统仔细排查所发生故障的原因以解决故障。

这些系统通过检测和获取船舶航行过程中的参数变化来判断其是否发生故障，并能对其故障进行分析和简单预测，船舶的故障诊断进入了一个新的发展阶段。

上世纪八十年代，我国也开始大规模的进行了船舶故障诊断系统方面的研究，国内一些列的学者和大学研究机构均对此进行了大量的研究。例如：华中科技大学的刘世元、杨叔子等专家，武汉理工大学的周铁尘教授等专家，通过研究运用声振技术来进行故障诊断的研究；陈长征等专家、张振仁等专家通过运用小波神经网络为基础进行的故障诊断分析^[1]。

近年来，船舶主推进系统故障分析预测系统的研发伴随着社会的发展和科技的进步而取得了一系列的成就。这其中比较重要的是一种人机一体系统应用到了故障分析处理方法之中，这种人机一体系统其以人脑的智能活动作为其核心理念，并且通过运用计算机的程序编程来实现并代替人脑的智能活动。这种人机一体系统的先进故障分析预测理念，使得船舶主推进系统故障分析诊断技术水平呈现出了巨大的提升。在此之外，这种人机一体系统还能够帮助建立主推进系统设备状态的监测，各设备状态参数数据的读取；船舶主推进系统故障状态的诊断和预测，各设备运行趋势的判断。在这种船舶主推进系统故障分析诊断预测系统成立的基础上，这个故障分析诊断系统中所包含的智能技术和科技知识，决定了故障分析预测智能技术的发展水平。

现如今，随着计算机智能模拟预测技术的高速发展，船舶的故障诊断方法在不断的完善和发展中呈现出了新的技术创新，国内外的各科研机构也通过其各自不同的算法和理念各自研发出了不同的船舶故障诊断系统，船舶主推进系统的故障分析和预测呈现出百家争鸣的趋势。

1.3 论文主要研究内容

本文以BP神经网络故障分析诊断为基础，以船舶主推进系统大型低速柴油机内的滑动轴承为例来进行故障分析及预测。通过分析滑动轴承的分类结构得出其常见的故障并且分析其原因得出其滑动轴承的故障分析模型，然后通过在滑动轴承油孔出口旁的油液进行采样，把采集的油样通过油液分析法中的光谱分析法和铁谱分析法进行综合分析得出其检测参数建立状态参数集，最后运用Matlab内的BP神经网络工具箱来建立船舶主推进系统滑动轴承的故障分析与预测模型，并且通过前期油液分析法所得数据在运用所建立的船舶主推进系统滑动轴承的故障分析与预测模型进行故障分析和预测。

1.4 论文的组织结构

本文共分为6个章节来系统的介绍船舶主推进系统的故障分析与预测研究，下面是各个章节的主要内容介绍：

1. 主要介绍了运用于船舶故障诊断方法的发展背景，国内外的研究现状还有研究船舶主推进系统故障分析与预测的目的及意义。
2. 主要介绍了有关故障的分类和故障规律，同时也介绍了目前船舶设备故障诊断的一些常用研究方法。
3. 本文以船舶主推进系统中的滑动轴承为例，介绍了滑动轴承的分类和滑动轴承的常见故障及其原因分析。
4. 本文论述了基于油液分析法的船舶主推进系统中滑动轴承故障分析研究，介绍了油液分析法的基本内容，并通过油液分析法中的光谱分析法和铁谱分析法对所采集的油液样本进行处理，然后本文介绍了油液采集的要求、注意的事项和油液采集的部位。
5. 主要是介绍了神经网络的有关知识，介绍了建立神经网络的相关步骤，最后通过Matlab的程序编写和神经网路工具箱，首先对油液分析法的各参数数据进行预测，建立故障分析预测模型，然后对所预测得的参数数值进行故障的判定。
6. 是对上面的五章进行归纳性总结，得出本论文最终的结论。

第2章 船舶故障分析方法的基本理论

2.1 船舶故障的分类和规律

在进行故障分析诊断之前，我们应首先了解船舶故障的分类和故障规律以便我们更好的了解所发生的故障，从而进行故障的分析诊断和预测。

2.1.1 船舶故障分类

船舶因其工作环境复杂多变，其发生的故障也多种多样，我们可通过其故障的特点，原因，性质和其对船舶航行的影响进行分类。

若按故障的特点进行分类，则船舶故障可分为：

（1）渐进性故障：船舶各设备经过长期的运行使用磨损加剧而使其性能逐步降低而发生的故障。可通过船舶在运行过程中的状态监测及时进行部件的修理和更换进行预防。

（2）突发性故障：没有先兆，突然发生，难以预测的故障。其发生原因多为设备的内部缺陷和外部环境因素^[6]。

（3）波及性故障：波及性故障又称二次故障，多为船舶的某种故障的发生而影响其他设备从而引起更大的故障，其无法防止和预测。

（4）断续性故障：船舶某部件在一段时间内故障状态与正常状态相互交替。

若按故障的原因进行分类，则船舶故障可分为：

（1）结构性故障：船舶部件在设计方面存在缺陷或所选用的材料不适合等原因引起的故障。

（2）工艺性故障：船舶设备由于在设计、制造、安装方面发生错误而造成的故障。

（3）磨损性故障：船舶设备在长期的使用过程中逐步发生磨损最终而引发的故障。

（4）管理型故障：船舶各设备由于管理人员维护保养不良和操作失误等原因而造成的故障发生。

若按故障的性质进行分类，则船舶故障可分为：

（1）人为故障：主要是由于人为失误如维护保养不良或操作失误而引起的故障，人为故障在船舶故障中占80%一上，是船舶故障的主要形式。

（2）自然故障：由于设备的工作环境恶劣，外界环境的变化等原因所引发的故障。

若按对船舶航行的影响进行分类，则船舶故障可分为：

（1）局部故障（船舶不停航）：该类故障主要会导致船舶部分设备在航行过程中功能失效，可在船舶的航行过程中进行故障的维修^[6]。

（2）重大故障（船舶长时间停航）：此类故障可导致船舶在航行过程中重要设备功能失效，使船舶若继续航行会发生重大危险。必须使船舶停航，由船上工作人员对故障进行维修或更换备件来排除故障^[6]。

（3）全局性故障（船舶长时间停航）：船舶在航行的过程中发生十分严重的设备故障使船舶的各重要系统丧失其基本功能并使船舶丧失航行能力，此类故障需船舶进入船厂进行长时间的修理^[6]。

2.1.2 船舶故障规律

船舶在航行的过程中，其各部件在不同时期的故障几率各不相同，其故障规律的变化符合故障率规律曲线。我们可将其分为三个阶段，及早期故障期、随机故障期、磨损故障期。

早期故障期（磨合期）主要是指船舶设备刚刚投入使用的故障时期，这一时期的特点是：故障率较高，但会随着设备的使用磨合而逐渐降低。这一时期的故障可通过磨合、调试、修理和更换发生故障的零件等措施使其故障率降低^[6]。

随机故障期（偶然故障期）主要是指磨合期之后晚期故障期之前的一段时间，主要有以下特点：

1. 故障期时间较长，这一时期是可进行可靠性评估的时期，同时也是船舶的主要使用期。
2. 偶然故障期内所发生的故障无法通过预防性措施来避免，在这一时期所发生的故障多是因为设备原有缺陷、操作失误或环境问题所引发的，这类故障最显著的特点的偶然性大，没有先兆，无法预防。

（3）故障率低、运行稳定、与使用时间无关、近于恒定。

磨损故障期（晚期故障期）主要是指船舶在使用寿命后期时，设备故障率迅速升高的时期。其特点主要是：由于腐蚀、磨损、老化和疲劳，其故障率随时间的变化而快速升高。若能在这一时期定期维护和更换零件则能有效的推迟这一故障时期^[6]。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：