打开文本图片集

摘  要：针对船舶柴油机配气系统故障定位问题，提出一种基于振动信号的配气系统故障定位方法。分析配气系统故障发生的原因，并论证通过监测振动信号的变化来进行故障诊断是有效的。具体论述基于振动信号的故障定位方法，对振动信号进行时域特征分析。以柴油机的离线故障数据为例，对该方法的有效性进行验证，结果表明采用该方法能有效地对柴油机配气系统进行故障定位。

关键词：柴油机配气系统;振动信号;故障定位

0 引 言

船舶柴油机是船舶工业领域最常见的动力机械设备，是船舶动力的核心。由于自身结构较为复杂且所处的工作环境较为恶劣，柴油机的故障发生率很高。配气系统作为柴油机的主要组成部分，其性能的优劣不仅会直接影响柴油机的动力性、经济性、工作平稳性和可靠性，而且会影响船舶的安全航行[1]。研究船舶柴油机配气系统故障定位技术，判断故障发生的准确位置，是避免柴油机因配气系统发生故障而造成损失的一种有效手段，因此研究船舶柴油机配气系统故障定位方法具有重要意义。

传统的故障定位方法是通过人工进行故障判断，对工作人员的技术经验要求较高，判断效率通常较低。与传统方法相比，基于数据驱动的故障定位方法具有定位准、效率高等优势。已有研究结果表明，基于数据驱动的故障定位方法采用的数据源于当前采样的在线数据和系统储存的大量历史离线数据。与在线数据相比，离线数据的数量多，信息量丰富，不会出现在线数据丢失和测量偏差等问题。

基于离线数据的故障定位方法主要有3种[2]，即：

（1）基于统计分析的故障定位方法。该方法主要是对历史过程数据进行统计分析，为每个样本计算对应的监控统计量，并根据正常样本估算出的置信限分析样本当前的运行状态，主要采用主元分析法（PCA）、偏最小二乘方法（PLS）、时间序列分析方法（TSA）和灰色理论等。

（2）基于信号处理的故障定位方法。信号的幅值、相位和频率在故障发生时会产生不可预期的变化，该方法利用丰富的专家经验知识和系统运行过程中的各种状态信息分析处理这些变化的信号，得到系统运行状况和故障状况的综合性评价，主要采用小波变换法、形态信号处理法和谱分析法等。

（3）基于人工智能的故障定位方法。由于故障类型与故障征兆之间不存在简单的对应关系，基于人工智能的故障诊断技术适于解决系统的不确定性和复杂性问题，主要采用人工神经网络和支持向量机等方法。

本文对柴油机配气系统进行失效模式和失效影响分析，识别出监测变量，在此基础上提出基于数据驱动的故障定位方法。

1 船舶柴油机配气系统的振动监测故障定位方法

1.1 柴油机配气系统失效模式和失效影响分析

柴油机配气系统主要由凸轮轴传动机构、凸轮与凸轮轴、气阀传动机构和气阀装置组成，见图1。

配气系统的主要作用是控制柴油机气缸内的排气和进气，其工作状态直接影响气缸内气体的燃烧效果。配气机构中的气阀因落座频繁而对阀座有撞击作用，加上缸内高温、高压燃气的侵蚀，使得气阀和凸轮/挺柱结构很容易发生磨损和腐蚀，从而造成配气系统发生故障[3-4]。柴油机配气系统失效模式和失效影响分析见表1。

1.2 基于数据驱动的故障定位方法

当配气系统发生故障时，气阀气流冲击力和气阀落座冲击力的作用时间和强度都会发生变化，使得缸盖表面的振动响应信号发生相应的变化[5-6]。因此，根据缸盖振动信号对配气机构进行故障诊断是可行的。与振动信号相比，热力学参数具有时延性，同时热力学模型的构建过程较为复杂，故选择基于离线振动数据的信号处理方法能快速反映故障信息，实现故障定位。

本文主要采用基于信号处理的故障定位方法，对柴油机缸盖表面的振动进行数据处理并提取特征值;同时，通过对特征值进行解析来确定故障发生位置，并通过实际验证判断故障定位方法的有效性。具体振动信号故障定位流程见图2。

2 试验验证

处在工作状态的柴油机不可避免地会受到零部件的冲击、摩擦和燃烧时的冲击波等物理振动的影响，这些物理振动会导致柴油机的表面在工作时产生振动信号。柴油机部件及系统的状态信息可通过对振动信号进行分析来反映。对振动信号进行分析是实现船舶柴油机状态监测和故障定位所采用的主要手段之一[7-9]。

本文采用基于数据驱动的信号处理方法对离线振动数据进行时域分析，提取相关特征量，进而准确判断故障发生位置，大大降低维护成本，提高柴油机的运行效率。

2.1 被测柴油机的系统结构

本文的研究对象是处在1 000 h運行测试过程中的柴油机，包含20个气缸（A1—A10和B1—B10），同时布设有多台传感器，以便对转速、振动、温度和压力等热力学参数进行数据收集。数据采集装置将这些数据传输给上位机，并在服务器等储存设备中储存，以便后续进行工作日志查看和离线数据分析。柴油机测试系统结构见图3。

2.2 柴油机故障数据离线分析

在1 000 h运行测试过程中，按照试验要求对柴油机进行多工况循环周期测试，发现有异常声响出现，初步判断为柴油机内部配气系统出现故障。由于柴油机气缸数较多且测试环境较为恶劣，需对故障点进行准确定位，以便进行快速维护。该处理方法本质上是通过对振动信号进行方差特征分析来实现故障定位。

2.2.1 振动数据变化分析

首先提取故障测试周期内的20个气缸表面的振动数据和每个气缸3 h内的数据。由于振动数据的储存频率为1 Hz，因此每个气缸共提取10 800个数据。

随后对不同气缸的数据变化情况进行对比，实现定性判断。随机选取9个气缸的数据进行对比，数据走势和幅值基本上没有差异，见图4。

2.2.2振动数据时域特征提取

首先对故障周期内的20个气缸的数据进行提取并围绕表1中给出的时域特征进行分析。为使数据的时域特征更加准确，将故障周期数据提取长度扩大到6 h，每个气缸振动数据点为21 600个，能实现完整保留时域信息。柴油机中的A1—A10气缸和B1—B10气缸分别被定义为序列1～20，以方便分析。

2.2.3基于振动数据的故障诊断

图5和图6分别为20个气缸6 h的振动数据的均方根值和方差。从图5和图6中可看出，20个气缸的均方根值变化不大，而10号缸（即A10缸）的振动方差波动最大，可确认是A10缸发生了故障。

A10缸的方差有巨大差异表示其数据严重偏离数据中心值，振动方差超出其他缸的振动方差表示其振动的异常程度较为严重，是配气系统故障的主要有诱因，故确认柴油机故障是由A10缸引发的。

2.2.4故障确认

经过初步判断之后对柴油机进行拆解，拆开缸盖之后发现A10气缸的配气系统中的排气滚轮有碎裂情况出现。挺柱和滚轮衬套表面有磨损，缸排气凸轮表面有拉毛。气缸排气阀座出现异常磨损，磨损量达到2.6 mm，超出了2.0  mm的极限值。实际碎裂后的A10缸排气滚轮见图7。

通过最终的实际拆解验证，可证明将振动方差值作为特征值进行故障定位的方法是可行的，因此基于振动数据得到的结论是具有可信性的。

3 結束语

本文采用基于数据驱动的方法准确地判断了故障位置，并证明了通过提取振动数据的时域特征来实现故障定位的方法是可行的，具有准确性。该研究为柴油机配气系统的故障定位提供了一个新的解决方案，能大大降低维护时间和人工成本。

参考文献

[1] 毕红亮. 某发动机凸轮轴与滚轮挺柱磨损失效分析[D].济南：山东大学， 2017.

[2] 文成林，吕菲亚，包哲静，等.基于数据驱动的微小故障诊断方法综述[J].自动化学报，2016，42（9）：1285-1299.

[3] 唐占飞. 中型CNG发动机凸轮/挺柱接触应力与疲劳磨损失效分析[D]. 大连：大连理工大学， 2008.

[4] 张超. 某重型柴油机气门失效机理及其改进方案研究[D]. 镇江：江苏大学， 2014.

[5] 余永华，杨建国.船舶柴油机监测诊断技术研究及其应用[J].柴油机，2013， 35（2）： 1-6.

[6] 李晗，萧德云.基于数据驱动的故障诊断方法综述[J].控制与决策，2011， 26（1）： 1-9.

[7] 郭新莲.柴油机配气机构和燃油系统故障诊断研究[D].哈尔滨：哈尔滨工程大学，2016.

[8] 杨志甲，白书战，胡玉平，等. 某船舶用柴油机配气机构仿真分析[J].内燃机与动力装置， 2015， 32（2）： 45-51.

[9] 任庆霜，司景萍，梁红波，等. 基于振动信号的发动机故障诊断方法分析[J]. 公路与汽运， 2010（3）： 22-25.