摘 要

随着现代科学技术的发展，船舶开始向网络化、数字化及智能化逐渐发展，这就对船舶的可靠性及操作维护提出了更高的要求。柴油机是船舶的心脏，它对船舶操纵性能有着直接影响，设备和人员的安全也决定于柴油机的可靠运行。传统的故障监测诊断方式显然已经满足不了现在的社会要求，越来越多的人开始关注柴油机的故障诊断。本文主要完成的工作为：

（1）通过介绍船舶柴油机的研究背景，引出了国内外船舶柴油机故障诊断方法研究现状与发展趋向，同时介绍了船舶柴油机故障诊断常见的几种方法

（2）阐述了可靠性理论的基础，在此基础上通过介绍柴油机故障分布规律对柴油机故障模式分析了早期失效、偶尔失效以及磨损失效的现象及影响因素。

（3）介绍了柴油机主机的组成，在柴油机的整个寿命周期内分析产生故障发生的原因和故障结果的关系，分析了柴油机的子系统和关键零部件故障机理

（4）分析BP神经网络的模型结构及算法原理，验证标准BP神经网络的寻优能力和预测精度，提出PCA优化BP神经网络故障诊断的方法，

关键词：船舶柴油机；故障模式；故障诊断；BP神经网络

Abstract

With the development of modern science and technology, ships began to gradually develop into networks, digitization and intelligence, which put forward higher requirements for the reliability and operation and maintenance of ships. The diesel engine is the heart of the ship. It has a direct impact on the handling performance of the ship. The safety of the equipment and personnel is also determined by the reliable operation of the diesel engine. The traditional way of fault monitoring and diagnosis obviously has not met the current social requirements, and more and more people are beginning to pay attention to the fault diagnosis of diesel engines. The main work accomplished in this article is:

(1) By introducing the research background of marine diesel engines, the research status and development trend of fault diagnosis methods for marine diesel engines at home and abroad are introduced, and several common methods for fault diagnosis of marine diesel engines are introduced at the same time.

(2) The foundation of reliability theory is elaborated. Based on the introduction of diesel engine fault distribution, the early failure, occasional failure and wear failure phenomena and influencing factors of the diesel engine failure mode are analyzed.

(3) The composition of the diesel engine's main engine is introduced. The relationship between the cause of failure and the failure result is analyzed during the entire life cycle of the diesel engine, and the failure mechanism of the subsystems and key components of the diesel engine is analyzed.

(4) Analyze the model structure and algorithm principle of BP neural network, verify the optimization ability and prediction accuracy of the standard BP neural network, and propose a method for PCA to optimize the fault diagnosis of BP neural network.

Key Words：marine diesel engine; failure mode; fault diagnosis; BP neural network

目录

摘 要 I

Abstract II

目录 III

第1章 绪论 1

1.1 研究的背景及意义 1

1.2 船舶柴油机故障诊断的研究现状 1

1.3 本文研究内容及章节安排 4

第2章 船用柴油机可靠性理论分析 5

2.1 可靠性的基本概念 5

2.2 柴油机故障分布规律 5

2.2.1 柴油机故障特性 5

2.2.2 柴油机故障率曲线 5

2.3 故障的分类模式 7

2.4 可靠性特性的分布规律及分析 8

2.5 可靠性分析方法 10

第3章 船用柴油机故障分析 14

3.1 柴油机的工作原理 14

3.2 柴油机总体结构 15

3.3 船用柴油机故障分析 18

3.3.1 汽缸盖与气缸套 18

3.3.2 曲轴与连杆 19

3.3.3 燃油系统 19

3.2.4 配气系统 20

3.4 柴油机故障的预测方法 21

第4章 基于神经网络的柴油机故障诊断方法 23

4.1 BP神经网络 23

4.1.1 BP网络结构 23

4.1.2 BP算法的原理分析 24

4.2 BP学习算法 26

4.2.1 网络误差定义与权值调整原理 26

4.2.2 BP神经网络的算法实现 28

4.3 标准BP神经网络 29

4.4 基于PCA-BP神经网络的故障诊断方法 30

4.4.1 诊断步骤 31

4.4.2 案例分析 32

第5章 总结与展望 41

5.1 全文总结 41

5.2 不足之处及后续工作展望 41

参考文献 43

致谢 45

第1章 绪论

1.1 研究的背景及意义

随着航运业的迅速发展，船用柴油机不断向大型化、集成化、智能化方向发展，船舶的安全性越来越重要。船舶柴油机作为船舶主要动力来源，其可靠性将直接影响经济性及人员的安全。而在柴油机的运行中，由于工作条件差，复杂的故障模式，故障机制的组合以及可靠性的基本理论薄弱等原因，因而很容易引发故障，可能导致海损事故。严重时可能威胁到整个机组的安全^[1]。在船舶故障统计中，由船舶动力系统引起的故障是最多的 ^[2]。

由于机械设备越来越大型化和复杂化的发展趋势，以及基于现在的维修水平导致过度维修或者失修的现象时有发生，使得其维护成本也越来越高。为了避免因为重要设备发生故障而中断整个生产流程甚至会造成人员伤亡，公司每年需要花费几千万美元来维护设备，这是因为公司为了防止此类故障的发生，不得不频繁更换零部件来避免事故，这样的过度维修既浪费了大量时间也大幅度地提高了维护成本。这些事故和浪费的维护成本，对设备的可靠性、可维护性、安全性及经济性等概念有了新的含义，促进了故障诊断技术的发展。

为了确保船舶安全，必须按照规范设计、建造、使用船舶。船舶柴油机的管理、使用维修人员应当掌握可靠性管理的方法，懂得操纵，保证柴油机设备无故障地工作，保障其在整个寿命周期中的技术维护和修理费用最低。在很多情况下，传统的人工检查及故障数据分析也很难找出故障原因，因为在很多故障情况下都会引起柴油机的某些参数发生相似的变化，这就需要新的解决途径。使用先进的故障诊断技术，可以有效防止灾难性的设备故障，同时还能有效防止失修和过度维修，从而使设备的经济效益和安全性得到显著的提高。经过多年积累，特别是在传感器，测试技术，信号处理技术等科技手段的开发和推广中，使得对多种多样的信号的监测和处理可以简单实现，从而对故障进行诊断，因此，对船舶柴油机故障的智能检测与诊断也逐渐成为当前的热点课题。

1.2 船舶柴油机故障诊断的研究现状

多年以来，国内外针对设备故障诊断技术开展了大量的研究工作，重点工作是对其运行状态能够评价出可以科学的数据结果。在传统的柴油机故障诊断中，往往是依据监控报警和人工检测的方式，依靠工作人员丰富的工作经验对故障数据进行诊断排除。在20世纪70 年代中后期，国外增加了发动机内部参数的自动检测，并开发出了柴油机工况诊断系统。计算机技术在各领域中的广泛应用，促进了传感器技术还有动态测试技术的发展，这时将监测数据信号输入计算机进行处理的方式，取得了较好的成果。这加快了故障处理的过程，也给维修人员提供更科学的参考依据。自从80 年代中期开始，柴油机预测诊断系统趋向智能化。

在柴油机故障研究方面，自从1985 年以来，中国装备管理协会设备诊断技术协会，中国振动工程学会机械故障诊断分会，和中国机械工程学会设备维修先后组织了十余次的全国性故障诊断会议，这极大地推动了我国柴油机监测及故障诊断技术的发展。

对于船舶柴油机故障诊断，本文介绍以下几种：

（1）直观检查法

这种方法是最传统也是最简单的方法，检查人员通过直接观察和简单测量柴油机及其零件的外观和表面状态，根据自己所掌握的经验对当前状态进行诊断。对于柴油机内部零件，可利用观察工具直接观察，或者直接利用触感。从描述可以看出，这种方法对工具的要求并不高，比较简单，但是对诊断者的要求很高，必须具有足够丰富的经验才可以做出正确诊断。

（2）热工参数监测法

热工参数能直接反映柴油机的各个工作过程的状态，这种监测方法就是可以实时监测其各个系统的压力和温度等状态参数。从这个角度来看，柴油机可以分为气缸、进气和排气系统、燃油系统、冷却水系统、润滑系统、增压系统、中冷器和曲柄箱。对每个子系统涉及到的介质分别监测其流量、压力和温度等参数，从而反映整个系统的整体状态。随着柴油机的大型化和复杂化，这些参数累积起来可能要达到几百组，相对来说这是一个比较大的信息量。传统的监测和处理手段是为参数设置一个阈值，它并没有考虑到数据之间的相关性和整体性，不能对整机的运行状态作出全面判断。

（3）油液监测法

磨损和失效是常见的故障。检测柴油机用过的滑油样品，采取相关手段分析其理化特性和颗粒成分，可以对异常磨损这种过程性的故障具有很强的针对性，所以在这类故障诊断上表现出了很大的优势。但是由于这种针对性也导致其局限性，只能诊断出异常磨损零件的种类，而不能确定其具体位置，它使用的铁谱分析对不是磁性的磨粒不敏感，导致其分析范围受限，而且只能对润滑部件实施监测，监测范围有限。

4）振动监测法

这种方法有很多优点，例如实时性好，可以快速判断当前状态，并采取必要措施，很方便实现在线实时诊断；精度高，目前的传感器监测振动信号可以达到很高的精度，即使微小的变化也可以察觉得到，而且数据采集系统也可以实现很高的采样频率，这就使得数据科学性和可用性大大提高；信号易于获取，由于是在机体外部采集信号，使得传感器的安装比较方便，采集信号比较便捷。可见采用这种方法具有很多优势，研究人员在这方面取得了很大进步，将其变成柴油机的主要监测手段之一。但是这种方法也有自己的局限性，那些不引起振动异常的故障就不能采用这种方法，为了使诊断具有全面性还需要与其他方法结合。

（5）瞬时转速监测法

瞬时转速是柴油机对外做功效果最直接的反映，这对某些特定故障表现出的不同瞬时转速特征，它可以通过分析即时转速信号来识别。但是这种方法由于收集信号单一，这就导致其有时只能对柴油机当前运行状态进行识别，而不能诊断出具体的故障。例如，分析瞬时转速只可以得到某缸功率上升或者下降，不能确定引起这个现象的具体原因。因此有些故障反映到转速上的变化是相似的，辨识度并不是很高。

综合国内外研究，可以发现柴油机的状态监测和诊断技术有了显著的进步。柴油机故障诊断技术越来越复杂，也变得越来越智能。

虽然人工智能算法为船舶柴油机的故障诊断提供了一种新思路，但国内外在这方面的研究总体而言还是处于起步发展阶段，其发展趋势主要表现为：

（1）智能化^[3][4][5]

智柴油机结构特性复杂，且相关技术不断提高，出现故障的种类日益增多，这就对柴油机故障诊断系统提出了更高的要求，为更快、更好、更准确的诊断柴油机故障，人们尝试将智能算法引入诊断系统中，目前各研究人员也在该领域进行深入研究。智能化诊断系统可以根据采集到的柴油机状态信号自行进行故障诊断，具有很强的独立性，并利用其强大的自组织和联想能力进行自我发展完善，可大大提高工作效率，使诊断结果的更为准确。

（2）实时化^[1][6]

现在的数据采集系统能够实现采样频率保持很高的水准，并且可以轻松实现实时采集数据，这就要求诊断系统能对采集到的数据进行实时处理与分析。如果诊断系统融合了专家知识库，还要求其能快速地推理和搜索，对设备当前运行状态进行判断。针对这样的需求，诊断算法要能对采集信号和知识库进行快速的处理，要能快速准确地给出诊断结果，能对信息处理具有实时性，这也是诊断系统的一个热门发展方向。

（3）预测化^[7]

当前故障诊断排除都是在故障发生后进行的调查。如果人们无法及早预测，重大事故会导致非常严重的后果。就要求诊断系统具有预测能力，能够以历史或其他经验为参照，对设备的发展趋势作出判断。因此，预诊断可能成为今后的发展方向。

在故障诊断研究范围内，以往的“浅层’’神经网络工作能力有限，对复杂函数的表示不够清楚，在模式识别中学习数据特征的能力也不能够满足，因此这些浅层神经网络的应用也受到一定限制。随着科技的不断发展与创新，机器学习迎来了新高潮^[8]。

目前国内对故障诊断方法主要是基于模型分析，基于信号分析，基于知识分析。由于需要对故障机理进行建模和深入研究，前两种方法在实际应用中受到限制，目前故障诊断的趋势是基于知识诊断。

1.3 本文研究内容及章节安排

本文围绕船用柴油机的可靠性进行分析研究，根据船舶主机的故障特性，结合可靠性利率中的统计方法，对可靠性失效模式现象和特征进行分析。从理论上进行定量分析和定性分析，确定船舶柴油机高可靠性的科学评估指标，采用BP神经网络方法对柴油机故障分类检测。

论文主要工作及章节安排如下：

第一章绪论本文选题的背景及意义，介绍了柴油机的故障检测及故障诊断的研究现状，并在此基础上列出了几种故障诊断的方法，同时也介绍了本文的研究目的、主要研究内容和章节安排。

第二章从可靠性的角度介绍了柴油机故障的分布，并对故障分离模式进行了说明，最后介绍了经典的柴油机可靠性分析方法的定义与应用过程。

第三章从柴油机的总体结构引出柴油机的子系统和关键零部件故障机理，然后介绍了柴油机故障预测方法当前专家学者使用的几种方式。

第四章研究人工神经网络技术的理论和实现，在理论基础上，重点介绍了BP神经网络的网络结构及算法原理，对标准BP神经网络的寻优能力和预测精度进行研究，提出PCA优化BP神经网络故障诊断的方法，。

第五章对全文的研究工作进行了总结，并提出了今后的研究工作

第2章 船用柴油机可靠性理论分析

故障分析是提高产品可靠性的重要手段，本章从可靠性理论出发，主要介绍船用柴油机故障模式（早期失效、偶尔失效以及磨损失效）现象及影响因素分析，基于可靠性理论的故障特性分布和分析，简要介绍了典型柴油机的故障模式及影响分析（FMECA）。

2.1 可靠性的基本概念

可靠性定义为组件（或系统）在特定时间和环境下执行指定功能的能力。这个定义包括四个条件：目标，性能，环境和时间。可靠性可分为广义可靠性与狭义可靠性，固有可靠性和工作可靠性，任务可靠性与基本可靠性^[9]。

在可靠性工程中，对于不可修产品，评价其可靠性一般都是通过对它的寿命数据进行统计分析。对于可修复产品，可靠性通常通过维护过程和两个故障间隔之间的统计的随机变化来评估。

2.2 柴油机故障分布规律

2.2.1 柴油机故障特性

在柴油机工作过程中，在各种负荷和环境压力下，其零部件各种损伤随时间逐渐恶化，结构不断变化。柴油机会随着时间的增加产生故障。通常故障有如下特性：渐发性，耗损性，模糊性，多样性，潜在性^[10]。

2.2.2 柴油机故障率曲线

故障率曲线能够直观描述产品失效规律。产品工作过程的周期可以通过故障率曲线的三种类型来表现出。通过将这三个周期绘制成连续曲线，可以获得典型的故障率曲线—浴盆曲线，如图 2.1 所示。在浴盆曲线上，它可以被分为三个时期，下文将会对它们进行介绍。

容许故障率

使用寿命

早期失效时期

0

偶尔失效时期

图2.1 典型故障率曲线——浴盆曲线

磨损失效时期

t

1.早期失效期

这段时间内的故障率似乎从一开始就很高，随着使用时间的增加逐渐减少。根据故障原因，采取完善产品设计、严格规范生产标准、加强试验和磨合等措施，可以提高产品的早期可靠性。早期的故障也可以看做设备的磨合期。在磨合期间，根据制造商提供的说明，严格执行磨合期内的产品说明书，能够提高柴油机使用期的可靠性。

2.偶而失效期

在这个阶段，失败率相对较低且稳定，产品能够保持良好的工作性能。 在这个阶段，产品随机发生故障，没有办法预测它何时发生，不明确具体因素，但质量差，材料缺陷，环境和使用环境不合理等原因可能导致故障的发生。在本阶段使用期间，船用柴油机应当进行强制性维护，定期检查和适当维修，并保持并保证其良好的工作能力。