[发明专利]一种基于分块的船舶柴油机故障监测方法

摘要

一种基于分块的船舶柴油机故障监测方法，属于船舶柴油机故障监测领域，包括：在船舶柴油机各子系统安装传感器监测运行状态，同时根据结构和工作原理对监测变量进行分块；分别构建每一分块对应的主成分分析监控空间和支持向量机分类模型；使用T2和SPE统计量实时监测每一分块中的运行数据，将超出对应控制限的监测变量导入构建的对应支持向量机分类模型中；使用支持向量机确定滑动窗口内出现故障的概率，根据故障阈值确定故障是否发生；最后根据故障贡献率确定故障发生分块。本发明使用分块方法可以提升故障监测过程的计算效率，根据主成分分析和支持向量机实现二次故障检测降低故障误判，最后利用故障贡献率确定故障发生位置，降低船舶柴油机维护难度。

主权项

1.一种基于分块的船舶柴油机故障监测方法，其特征在于，该方法根据船舶柴油机的结构和工作原理对其监测变量进行分块，分别使用主成分分析方法和支持向量机分类模型实现每一分块监测数据的二次故障检测，随后根据滑动窗口内出现故障的概率和人为设定的故障阈值确定故障发生的可能性以减小故障误判，最后利用故障贡献率确定故障发生的具体分块；具体包括以下步骤：步骤S1：在船舶柴油机重要节点安装状态参数监测传感器，并按照结构和工作原理对监测变量进行分块；对柴油机重要节点的状态参数进行采集和处理，得到监测变量；所述的状态参数主要包括温度、压力、各种介质的质量流量及各子系统的工作效率；所述的重要节点主要包括不同介质流经各子系统前后位置节点和各个工作步骤的发生位置节点，其中所述介质主要包括空气、冷却水及滑油，工作步骤包括燃烧过程、冷却过程及空气增压过程，子系统包括涡轮器、增压器、机械增压器、空冷器、滤清器、滑油冷却器、扫气箱及气缸；基于对监测变量的分块实现故障监测，分块方法主要是根据船舶柴油机的结构和工作原理实现，将每一个单独的工作步骤获得的监测变量分为一块；步骤S2：在每一分块中使用主成分分析方法将监测变量从原始监测空间映射到主成分分析监测空间，并同时训练获得支持向量机故障分类模型；所述的主成分分析监测空间可以表示为不同分块中主元空间和残差空间的负载矩阵；所述的支持向量机故障分类模型是根据历史正常和故障数据确定的可以实现正常监测变量和故障监测变量分类的函数；步骤S3：分别在每一分块的主元空间和残差空间中构建两个监控统计量及其对应的控制限，实现监测变量的一次故障检测，随后将检测出可能存在故障的监测变量传递给对应分块的支持向量机分类模型；所述的监控统计量构建公式如下式所示：T²＝(XP_t)Λ^‑1(XP_t)^T其中，T²用于表征当前主元空间中监测数据与正常数据的距离，SPE用于表征残差空间中监测变量之间关系的变化程度；分析获得两种监控统计量的正常情况下的分布规律如下式所示：其中，F为统计学中的F分布，β是置信度系数，两个统计量可以根据其取值确定对应的控制限；χ²为统计学中的卡方分布，g＝μ/δ，h＝2δ²/μ，其中μ为正常情况下监控统计量的均值，δ为正常情况下监控统计量的标准差；当实时监测数据的监控统计量均超出控制限时说明当前数据中可能存在故障因素，完成一次故障检测；将检测出的可能存在故障的监测数据传递给对应分块的支持向量机分类模型，继续监测后续数据；步骤S4：当连续t个采样点的监控统计量均超出控制限时则使用对应分块的支持向量机分类模型对步骤S3中传递过来的监测数据进行二次故障检测，使用设定的长度为N的滑动窗口中出现故障因素的概率和人为设定的故障阈值最终确定故障是否发生；所述的连续监控统计量超出控制限的采样点个数t必须大于或等于滑动窗口长度N，因此认为只有当t≥N时才开始二次故障检测；所述的二次故障检测是指当连续n个采样点的监测变量均可以被主成分分析方法检测出故障因素时，将这些数据输入到对应分块的支持向量机分类模型中再次进行故障检测，判断是否可能存在故障因素；随后建立一个长度为N的滑动窗口，当滑动窗口内出现故障的概率超出人为设定的阈值时即可确定系统此时存在故障；所述的出现故障的概率是指滑动窗口内检测出故障的采样点个数与滑动窗口长度的比值；步骤S5：构建故障贡献率参数，分别计算出现故障时每一分块的故障贡献率，确定故障发生的具体分块；第b个分块的故障贡献率计算方法如下式所示：其中，下标b是指具体的分块编号，为第b个分块的T²统计量；为对应的第b个分块的T²统计量控制限；SPE_b为第b个分块的SPE统计量；SPE_b,lim为对应的第b个分块的SPE统计量控制限；使用T²和SPE统计量超出控制限的倍数作为此时对应分块的故障贡献率，确定其中故障贡献率最高的分块，选定故障贡献率最大的分块即为故障发生分块。