秦一斐

摘要：船用柴油机故障诊断对船舶航行和人员安全至关重要。本文介绍了船用柴油机的基本组成以及诊断方法和研究现状，并对船用柴油机故障诊断存在问题进行分析、对发展前景进行展望。

关键词：船用柴油机;故障;诊断

0  引言

船用柴油机具有高热转化效率、实用经济、启动方便的特点，适用不同型号的船舶。船用柴油机作为船舶航行的主要动力来源，当它发生故障时，将直接影响船舶的操纵性能以及设备和人员的安全。为了最大程度地避免事故的发生，保障船舶操纵人员的安全，同时还能带来潜在的经济效益和社会效益，需要不断加强对船用柴油机运行状态的监测。因而，对于船用柴油机故障诊断的研究至关重要。

1  船用柴油机的基本组成

船用柴油机是由以下七大系统所组成，当柴油机系统发生故障时，不仅会导致柴油机运转异常，严重的还会造成机器损耗和人员伤亡。船用柴油机的实物图如图1所示。船用柴油机的基本组成如图2所示。

1.1 机体组件系统

是船用柴油机的基本骨架，包括气缸盖、气缸体等部件。

1.2 曲柄连杆系统

负责将活塞的往复运动转换为曲轴的旋转运动，包括活塞组、连杆组、曲轴飞轮组等部件。

1.3 进排气系统

负责提供充足而干净的新鲜空气，并将燃烧后的废气排出，包括进、排气门等部件。

1.4 燃油供给系统

按照船用柴油机负荷情况，向柴油机气缸内喷入适当的燃料，包括高压油泵、喷油器等部件。

1.5 润滑系统

以一定压力不间断地送到船用柴油机各摩擦表面输送清洁的润滑油，以减少摩擦阻力和零件的磨损，从而保障船用柴油机长期稳定工作，包括滑油泵、滑油管路等部件。

1.6 冷却系统

冷却船用柴油机的高温零件，以保证在正常温度下工作，包括水泵、水箱等部件。

1.7 启动系统

提供外部动力供船用柴油机的安全可靠启动。

2  传统的故障诊断方法

传统的故障诊断依靠肉眼、物理设备测量等方式直观观察船用柴油机的故障。具体方法如下[1]：①直接观察法：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;②热工参数检测法：通过监测柴油机工作时的热力参数来判断其工作状态好坏的诊断方法;③油液检测法：利用油品化验及光铁谱的分析，对润滑油中磨粒形状、大小、浓度等的诊断来判断柴油机磨损故障状态的一种方法;④振动检测法：对柴油机工作过程中产生的振动信号进行采集、分析及处理，达到诊断柴油机零部件状态的方法;⑤瞬时转速检测法：凡是影响到柴油机工作循环的故障，均可以在瞬时转速上反映出来。柴油机对外做功效果最直接的反映，通过对其分析能对柴油机的运行状态作出评估。

3  船用柴油机故障诊断的研究现状

3.1 基于专家系统的船用柴油机故障诊断

专家系统利用大量的具有专家水平的知识与经验，模仿人类专家解决问题的过程，进行判断推理，构建专家系统的数据库，并利用历史经验不断扩充知识库。镇江船艇学院的黄学卫等人的船用康明斯柴油机故障诊断专家系统的设计与应用就对船用柴油机专家系统进行了研究[2]。大连海事大学的岑汉伦的MAN B&W二冲程柴油机故障诊断专家系统研究，收集大量船用柴油机故障资料，利用混合推理法和混合推理法构建故障诊断推理机，开发了船用柴油机专家系统[3]。武汉理工大学的曹彬的船用柴油主机故障诊断专家系统的研究利用模糊技术实现了船用柴油机专家系统的开发[4]。

3.2 基于神经网络的船用柴油机故障诊断

神经网络一般有两种，一种是生物神经网络，另一种是人工神经网络。生物神经网络是真实的生物的意识思考过程，用于产生生物的意识，指挥生物进行行动。人工神经网络是一种模仿生物神经网络行为特征、思考过程的一种网络，依靠搭建的神经网络算法来预测结果。

人工神经网络依靠算法的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络涉及多学科交叉领域，应用在计算机、数学、生物学等领域，通过建立数学模型实现了计算机模拟生物神经网络的过程，具有强大的非线性映射能力，并具有良好的自适应学习能力等特性。人工神经网络的基本结构如图3所示。

利用神经网络寻找船用柴油机数据之间的规律，大大提高了诊断效率。罗存刚利用神经网络实现船用柴油机远程故障的诊断研究[5]，之后张志刚等人的用神经网络算法同样实现了在船用柴油机远程故障诊断中的应用[6]，提高了故障诊断的效果。中北大学的李伟实现基于和声搜索算法优化BP神经网络的柴油机故障诊断研究[7]。江苏科技大学的唐晓霞实现了对船用柴油机故障诊断系统的开发与研究[8]。

4  船舶柴油机故障诊断研究存在的问题

4.1 基于专家系统的船用柴油机故障诊断方法

专家系统依靠与船用柴油机的故障历史经验，但船用柴油机的故障数据具有采集收集困难、采集方法不一的特点，对专家系统知识库的积累产生一定的影响。

4.2 基于神经网络的船用柴油机故障诊断方法

由于神经网络依靠样本训练数据，因而对训练样本的准确性和正确性要求非常高，神经网络无法从船用柴油机故障发生原理的角度考虑样本数据的准确性，如果样本的准确度不够高、正确性无法保证将导致训练结果的偏差。同时选用合适神经网络的训练算法对整个网络的训练结果十分关键，虽然已经实现了多种神经网络在船用柴油机故障诊断的应用，但是由于神经网络的复杂性，网络结构不易优化，导致算法提升的空间很小。由于船用柴油机多发故障在一定程度上有高度地相似性，不同的多种故障可能会引起船用柴油机参数变化、工作过程一致和相同的船用柴油机的工作状态。因而对于船用柴油机多发故障诊断的研究非常少。所以目前基于神经网络的船用柴油机故障诊断方法大都研究单一情况导致的船用柴油机故障，但是船用柴油机的实际故障一般为多发故障，因而距离神经网络广泛应用于船舶柴油机故障诊断还有一定的距离。

5  未来研究展望

虽然船用柴油机的故障诊断技术已经取得了飞速的发展，但是由于船用柴油机工作环境恶劣，且船用柴油机位于甲板之下。因而，对船用柴油机的故障诊断提出了极大挑战，研究依靠于大数据、云计算的在线故障诊断系统是未来的一大研究方向。

6  总结

船用柴油机的故障诊断方法有很多种，基于专家系统的船用柴油机故障诊断方法依赖于历史经验和推理机，基于神经网络的船用柴油机故障诊断方法依赖于样本数据的正确性和算法的好坏。将专家系统的历史经验数据作为神经网络的训练数据，研究船用柴油机数据的内部联系，同时不断优化现有算法的优劣性是提高船用柴油机故障诊断的重要途径。在新的历史背景下，将大数据、云计算等计算机应用在船用柴油机故障诊断上能够又好又快的实现故障诊断，节省人力资源成本。

参考文献：

[1]杨安声.船用柴油机热工故障仿真与诊断方法研究[D].武汉：武汉理工大学，2010.

[2]黄学卫，李金寿，鲍苏宁.船用康明斯柴油机故障诊断专家系统的设计与应用[J].装备制造技术，2015（10）：99-100，104.

[3]岑汉伦.MAN B&W二冲程柴油机故障诊断专家系统研究[D].大连：大连海事大学，2014.

[4]曹彬.船用柴油主机故障诊断专家系统的研究[D].武汉：武汉理工大学，2013.

[5]罗存刚.基于神经网络的船用柴油机远程故障诊断研究[D].大连：大连海事大学，2009.

[6]张志刚，邓小飞，周军.神经网络算法在船用柴油机远程故障诊断系统的研究[J].焦作大学信息工程学院，2019（16）：97-99.

[7]李伟.基于和声搜索算法优化BP神经网络的柴油机故障诊断研究[D].太原：中北大学，2017.

[8]唐晓霞.船用柴油机故障诊断系统的开发与研究[D].镇江：江苏科技大学，2014.

[9]钱琴.神经网络在船用柴油机性能诊断中的应用[J].舰船科学与技术，2016（3A）：34-36.

[10]陈涛.基于神经网络的船用柴油机故障診断研究[D].武汉：武汉理工大学，2014.