船舶發(fā)動(dòng)機(jī)故障診斷算法研究

童紫揚(yáng)，趙志強(qiáng)，黃惠文，馬欽鵬，劉海鋒

（1.廣東海洋大學(xué) 海運(yùn)學(xué)院，廣東 湛江 524088；2.江蘇科技大學(xué) 能動(dòng)學(xué)院，江蘇 鎮(zhèn)江 212003）

0 引言

船舶發(fā)動(dòng)機(jī)作為船舶的核心裝備，對(duì)船舶的航行安全至關(guān)重要。隨著船舶發(fā)動(dòng)機(jī)日趨智能化、自動(dòng)化，其內(nèi)部結(jié)構(gòu)愈發(fā)復(fù)雜。本文以船舶發(fā)動(dòng)機(jī)為研究對(duì)象，將基于粗糙集的屬性約簡(jiǎn)、BP算法與故障診斷分析相結(jié)合，可提高故障診斷的準(zhǔn)確率并降低故障診斷成本。依據(jù)已約簡(jiǎn)好的數(shù)據(jù)，將數(shù)據(jù)進(jìn)行歸一化，創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)；在程序中設(shè)置訓(xùn)練參數(shù)，完成訓(xùn)練后進(jìn)行仿真測(cè)試，得出5種工況的故障診斷的準(zhǔn)確率[1-2]，用以為船舶發(fā)動(dòng)機(jī)故障診斷算法研究提供依據(jù)。

1 基于粗糙集的屬性約簡(jiǎn)

1.1 粗糙集屬性約簡(jiǎn)的基本概念

粗糙集對(duì)于問題的描述或處理比較客觀，粗糙集理論不包含處理不精確或不確定原始數(shù)據(jù)的機(jī)制，它與概率論、模糊數(shù)學(xué)以及證據(jù)理論等處理不確定或不精確問題的理論有很強(qiáng)的互補(bǔ)性[3-4]。粗糙集約簡(jiǎn)有如下定義[5]：

1）具有完整的信息系統(tǒng)S，且S由以下4種元素構(gòu)成：粗糙集論域U；屬性集合R=C∪D（其中C為條件屬性，D為決策屬性）；屬性值域V；從U×R到V的信息函數(shù)f?？杀硎緸镾={U，R，V，f}；

2）對(duì)任意非空屬性子集B?R，若f(a,b)=f(c,b)成立，則稱a,c關(guān)于B不可分辨關(guān)系，記作Ind(B)；

3）1個(gè)信息系統(tǒng)S=(U,R)，設(shè)某屬性集P中任意1個(gè)屬性都不能消除，且Ind(P)=Ind(R)(其中P?R)，則稱屬性集合P是屬性集合R的1個(gè)約簡(jiǎn)；

4）所有屬性約簡(jiǎn)有不可消除屬性的集合，稱為R的核Core(R)。

1.2 故障工況原始數(shù)據(jù)的約簡(jiǎn)

1）數(shù)據(jù)處理

本文以船舶發(fā)動(dòng)機(jī)的故障診斷為研究對(duì)象，列出了船舶發(fā)動(dòng)機(jī)5種工況的原始數(shù)據(jù)，其中包括正常工況、中冷器效率降低、壓氣機(jī)效率降低、燃燒持續(xù)期延長和噴油量減少。

以條件屬性編碼C1～C15分別表示：功率、最大爆發(fā)壓力、壓氣機(jī)流量、壓氣機(jī)出口溫度、壓氣機(jī)出口壓力、中冷器后溫度、中冷器溫差、中冷器后壓力、中冷器壓差、掃氣溫度、排氣口溫度、掃氣壓力、排氣口壓力、廢氣進(jìn)渦輪機(jī)溫度、廢氣出渦輪機(jī)溫度[6]。原始數(shù)據(jù)如表1所示。

表1 船舶柴油機(jī)故障模擬原始數(shù)據(jù)示例

對(duì)5種工況的原始數(shù)據(jù)按照一定的標(biāo)準(zhǔn)來進(jìn)行離散化處理，其中，0表示該數(shù)據(jù)值偏低，1表示該數(shù)據(jù)值處于正常范圍，2表示該數(shù)據(jù)值偏高。離散化標(biāo)準(zhǔn)依據(jù)不同參數(shù)的標(biāo)準(zhǔn)值范圍進(jìn)行設(shè)定，對(duì)于沒有明確標(biāo)定范圍的參數(shù)，則根據(jù)傳感器標(biāo)注的測(cè)量范圍結(jié)合常規(guī)的傳感器選定標(biāo)準(zhǔn)，進(jìn)行測(cè)算后設(shè)定。

2）原始數(shù)據(jù)的屬性約簡(jiǎn)

數(shù)據(jù)經(jīng)過離散化處理后存在明顯的冗余，需在離散化處理后剔除系統(tǒng)中存在的冗余屬性，由此完成對(duì)數(shù)據(jù)進(jìn)行約簡(jiǎn)。實(shí)驗(yàn)結(jié)果顯示，約簡(jiǎn)后的數(shù)據(jù)決策表中僅剩7個(gè)條件屬性編碼：C1、C3、C4、C7、C12、C14、C15。

由此可知，不同工況的原始數(shù)據(jù)經(jīng)過約簡(jiǎn)后，冗余屬性被明顯削弱了。將約簡(jiǎn)后的數(shù)據(jù)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，運(yùn)用到船舶發(fā)動(dòng)機(jī)故障診斷算法的研究中，由于已經(jīng)約簡(jiǎn)了不必要的數(shù)據(jù)，減少了原始數(shù)據(jù)的維度，船舶發(fā)動(dòng)機(jī)故障診斷的準(zhǔn)確率將明顯提高。

2 通過神經(jīng)網(wǎng)絡(luò)對(duì)故障工況進(jìn)行研究

2.1 BP神經(jīng)網(wǎng)絡(luò)的診斷結(jié)果

導(dǎo)入約簡(jiǎn)后原始數(shù)據(jù)，可運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)船舶發(fā)動(dòng)機(jī)故障進(jìn)行識(shí)別和診斷。數(shù)據(jù)中包含5種不同的工況（故障工況分輕、重度，共9組數(shù)據(jù)）和7個(gè)維度的決策參數(shù)，可構(gòu)建出輸入節(jié)點(diǎn)數(shù)為7、輸出節(jié)點(diǎn)數(shù)為3的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)[7]。每組數(shù)據(jù)包含了10個(gè)樣本，其中70%的數(shù)據(jù)樣本作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集，30%的數(shù)據(jù)樣本作為BP神經(jīng)網(wǎng)絡(luò)的測(cè)試集。數(shù)據(jù)導(dǎo)入后需進(jìn)行歸一化處理，設(shè)置中間結(jié)果的周期、學(xué)習(xí)率、最大迭代次數(shù)、目標(biāo)誤差等訓(xùn)練參數(shù)，其后可對(duì)數(shù)據(jù)參數(shù)進(jìn)行訓(xùn)練，最后進(jìn)行仿真測(cè)試。仿真測(cè)試共分5次進(jìn)行，其中除正常工況外，其余4種工況又分為輕度和重度情況，共7種工況。各工況故障診斷結(jié)果如表2所示。

表2 故障診斷結(jié)果

可知，正常工況的平均識(shí)別率為92.00%；輕度、重度中冷器效率降低的平均識(shí)別率分別為90.00%、96.00%；輕度、重度壓氣機(jī)效率降低的平均識(shí)別率分別為86.00%、92.00%；輕度、重度燃燒持續(xù)期延長的平均識(shí)別率分別為88.00%、88.00%；輕度、重度噴油量減少的平均識(shí)別率分別為88.00%、92.00%。5次仿真測(cè)試總平均識(shí)別率為90.22%。

2.2 線性回歸結(jié)果分析

針對(duì)表中5次仿真測(cè)試的BP神經(jīng)網(wǎng)絡(luò)故障診斷識(shí)別率，可運(yùn)用預(yù)測(cè)值與實(shí)際值的線性回歸結(jié)果分析驗(yàn)證其準(zhǔn)確度。圖1為5次BP神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)果線性回歸曲線圖。

分析圖1（a）可知，訓(xùn)練集、測(cè)試集的回歸結(jié)果分別為89.893%、87.870%，驗(yàn)證的回歸結(jié)果為79.411%，總回歸結(jié)果為88.464%。由此可知，第1次BP神經(jīng)網(wǎng)絡(luò)故障診斷的總識(shí)別率較為準(zhǔn)確。

同理，圖1（b）中，訓(xùn)練集、測(cè)試集的回歸結(jié)果分別為83.046%、81.014%，驗(yàn)證的回歸結(jié)果為78.183%，總回歸結(jié)果為81.702%。

圖1 BP神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)果線性回歸曲線圖

第3次訓(xùn)練集、測(cè)試集的回歸結(jié)果分別為91.419%、80.787%，驗(yàn)證的回歸結(jié)果為97.125%，總回歸結(jié)果為90.948%。由此可知，第2次BP神經(jīng)網(wǎng)絡(luò)故障診斷的總識(shí)別率較低，第3次BP神經(jīng)網(wǎng)絡(luò)故障診斷的總識(shí)別率較高。

第4次訓(xùn)練集、測(cè)試集的回歸結(jié)果分別為83.742%、89.623%，驗(yàn)證的回歸結(jié)果為71.901%，總回歸結(jié)果為84.146%，第4次BP神經(jīng)網(wǎng)絡(luò)故障診斷的總識(shí)別率適中。

第5次訓(xùn)練集、測(cè)試集的回歸結(jié)果分別為90.407%、86.411%，驗(yàn)證的回歸結(jié)果為99.068%，總回歸結(jié)果為91.395%。所得數(shù)據(jù)說明第5次BP神經(jīng)網(wǎng)絡(luò)故障診斷的識(shí)別率較高。

綜合5次線性回歸結(jié)果進(jìn)行分析，可得出結(jié)論：使用BP神經(jīng)網(wǎng)絡(luò)對(duì)船舶發(fā)動(dòng)機(jī)故障進(jìn)行診斷可行。

3 結(jié)語

本文強(qiáng)調(diào)了研究高效智能的船舶故障診斷技術(shù)的必要性，提出了屬性約簡(jiǎn)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的船舶故障算法診斷技術(shù)。通過屬性約簡(jiǎn)對(duì)數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行處理，可提高數(shù)據(jù)的精簡(jiǎn)度，減少數(shù)據(jù)的冗余。在BP神經(jīng)網(wǎng)絡(luò)完成學(xué)習(xí)訓(xùn)練后導(dǎo)入經(jīng)過約簡(jiǎn)的數(shù)據(jù)，BP神經(jīng)網(wǎng)絡(luò)可對(duì)船舶發(fā)動(dòng)機(jī)故障進(jìn)行識(shí)別和診斷。相較于傳統(tǒng)故障診斷方法，算法診斷可靠性高，且更為簡(jiǎn)潔高效。

本文結(jié)合約簡(jiǎn)后的數(shù)據(jù)與BP算法，通過5次仿真測(cè)試，計(jì)算出船舶發(fā)動(dòng)機(jī)在不同故障工況下的故障平均識(shí)別率，并通過線性回歸結(jié)果分析，對(duì)仿真測(cè)試所得平均識(shí)別率進(jìn)行驗(yàn)證。本文5次仿真測(cè)試結(jié)果顯示，故障總平均識(shí)別率為90.22%。線性回歸結(jié)果表明，本文使用的船舶故障算法診斷技術(shù)能夠有效地診斷船舶發(fā)動(dòng)機(jī)的故障原因，可為算法在船舶發(fā)動(dòng)機(jī)故障診斷研究中的應(yīng)用提供參考。