船舶动力装置状态监测与主机故障诊断的研究

论文摘要

船舶动力装置是船舶获取机械能、电能和热能而配置的机械设备,且作为船舶的心脏,其安全稳定的运行是保证船舶航运安全的关键。采用在线状态监测和故障诊断技术,能及时掌握船舶动力装置的运行状态和故障征兆,并积极地采取相应的有效措施排除故障隐患,可以避免突发性故障停机和安全事故的发生。本论文以长江三峡库区航标船的动力装置（主要是主机组、柴油发电机组和辅机）为研究对象,结合测试技术、信号处理技术、虚拟仪器、数据库及人工神经网络,进行了基于瞬时转速法和以示功图为主的热力参数法的船舶动力装置状态监测与主机故障诊断技术研究,本文主要研究内容如下:①介绍了船舶动力装置的组成,分析了国内外船舶动力装置状态监测与主机故障诊断方法及其监测诊断的难点和发展趋势,提出了一种基于虚拟仪器技术的船舶动力装置状态监测系统,着重对船舶主机的故障诊断进行了研究。②研究了船舶主机活塞气缸组件,配气系统和燃油喷射系统的故障诊断机理,并在NT855-M240船舶主机上模拟了活塞气缸组件磨损、气门漏气、失火、雾化燃烧不良、燃烧不平衡、燃烧提前、燃烧延迟等七种典型故障,为船舶主机故障诊断系统的开发提供理论和试验依据。③在分析监测对象和参数的基础上进行了船舶动力装置监测系统的总体方案设计,并详细介绍了系统的硬件结构及选型。④采用零点法求取瞬时转速,利用Hanning窗设计N=61阶的FIR低通滤波器对其滤波,对转速波形进行时域和频域分析,通过提取特征参数来诊断船舶主机各缸工作状态并对故障缸进行定位。对气缸压力信号进行等曲柄转角化、均化处理和平滑处理,并提取平均指示压力、指示功、爆发压力、爆发压力相位、压缩压力、膨胀压力、压力升高值等船舶主机性能参数。⑤研究了BP神经网络在船舶主机故障诊断领域中的应用。将根据气缸压力示功图和船舶主机结构参数提取的性能参数作为BP神经网络的输入,创建BP神经网络,通过仿真主机的多种故障构造数据样本对网络进行训练和测试,可以实现船舶主机故障缸具体故障的诊断。实验结果表明,BP神经网络识别能力较好,将其应用于船舶主机常见的故障诊断具有一定的可行性。⑥基于LabVIEW平台开发了船舶动力装置状态监测与主机故障诊断系统,详细介绍了软件系统总体结构和六大功能模块,包括数据采集与信号处理、主机组运行、柴油发电机组运行、辅机运行、主机特性分析和故障诊断等模块。系统可以实现对主机组、柴油发电机组、辅机三大主要系统的状态监测及船舶主机的故障诊断。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题研究的背景及意义
• 1.2 船舶动力装置的组成
• 1.3 船舶动力装置状态监测与故障诊断技术的发展现状
• 1.3.1 船舶动力装置状态监测与故障诊断的方法
• 1.3.2 船舶主机常用的监测与诊断技术
• 1.3.3 船舶动力装置监测诊断的难点
• 1.3.4 船舶动力装置监测诊断的发展趋势
• 1.4 本文的主要研究内容
• 1.5 本章小结
• 2 船舶主机故障诊断机理研究
• 2.1 船舶主机主要工作部件
• 2.2 故障诊断机理研究
• 2.2.1 活塞气缸组件
• 2.2.2 配气系统
• 2.2.3 燃油喷射系统
• 2.3 本章小结
• 3 系统总体方案及硬件设计
• 3.1 系统监测对象及参数分析
• 3.1.1 系统监测对象
• 3.1.2 系统的监测参数
• 3.2 系统总体方案
• 3.3 系统的硬件结构及选型
• 3.3.1 系统的硬件结构
• 3.3.2 系统硬件选型
• 3.4 本章小结
• 4 试验数据处理和分析
• 4.1 瞬时转速测取及其特征参数的提取
• 4.1.1 瞬时转速的测量方法
• 4.1.2 磁电式瞬时转速的测量原理
• 4.1.3 瞬时转速信号的提取
• 4.1.4 瞬时转速信号的滤波和特征参数的提取
• 4.1.5 瞬时转速特征参数用于故障诊断分析
• 4.2 气缸压力示功图信号处理和性能参数提取
• 4.2.1 上止点定位
• 4.2.2 气缸压力信号的等曲柄转角化
• 4.2.3 数据均化处理
• 4.2.4 平滑处理
• 4.2.5 气缸压力示功图的转换和性能参数提取
• 4.3 本章小结
• 5 BP 神经网络在船舶主机故障诊断中的应用
• 5.1 BP 神经网络
• 5.1.1 BP 神经网络结构
• 5.1.2 BP 网络学习算法的实现
• 5.1.3 BP 神经网络的设计要求
• 5.2 应用BP 神经网络进行船舶主机故障诊断
• 5.2.1 输入向量和目标向量设计
• 5.2.2 BP 神经网络的创建
• 5.2.3 BP 神经网络的训练与测试
• 5.3 本章小结
• 6 基于 LabVIEW 的系统软件的开发
• 6.1 虚拟仪器及 LabVIEW
• 6.2 系统软件设计总体结构
• 6.3 数据采集与信号处理模块
• 6.3.1 数据采集模块
• 6.3.2 信号处理模块
• 6.4 主机组运行模块
• 6.5 柴油发电机组运行模块
• 6.6 辅机运行模块
• 6.7 主机特性分析模块
• 6.8 故障诊断模块
• 6.9 本章小结
• 7 结论与展望
• 7.1 结论
• 7.2 展望
• 致谢
• 参考文献
• 附录
• A. 船舶主机故障模拟模式表
• B. BP 神经网络的训练及测试程序
• C. 数据采集卡AC1810 的编程流程
• D. 作者在攻读硕士学位期间发表的论文目录