戴紅偉

(東海航海保障中心，上海 200086)

故障診斷技術(shù)的發(fā)展可分為3個(gè)階段:第一階段，故障診斷主要靠人工完成，即通過人的感覺器官、經(jīng)驗(yàn)及儀表等完成對(duì)故障信息的處理;第二階段，20世紀(jì)80年代以來，機(jī)器設(shè)備日趨復(fù)雜化、智能化及光電一體化，傳統(tǒng)的診斷技術(shù)已難以滿足應(yīng)用要求，因此傳感器技術(shù)、動(dòng)態(tài)測(cè)試技術(shù)及信號(hào)診斷技術(shù)得到了廣泛應(yīng)用;第三階段為智能診斷階段，基于人工神經(jīng)網(wǎng)絡(luò)、粗糙集理論、信息融合技術(shù)的智能故障診斷技術(shù)得到了飛速的發(fā)展和較好的應(yīng)用［1］。特別是在船舶故障診斷應(yīng)用方面，高精度化、不解體化、多源信息融合及網(wǎng)絡(luò)化已成為船舶機(jī)艙故障診斷發(fā)展的必然趨勢(shì)。船舶機(jī)艙監(jiān)控系統(tǒng)是確保船舶安全運(yùn)行、實(shí)現(xiàn)機(jī)艙自動(dòng)化不可缺少的組成部分，該系統(tǒng)通過對(duì)船舶設(shè)備的數(shù)據(jù)采集，能夠獲得大量的實(shí)時(shí)數(shù)據(jù)，但其中可能包含大量雜亂的、重復(fù)的、不完整的數(shù)據(jù)，如果完全根據(jù)這些數(shù)據(jù)進(jìn)行故障診斷，將會(huì)嚴(yán)重影響故障診斷的效率，甚至可能導(dǎo)致診斷結(jié)果的偏差［2］。由于船舶機(jī)艙設(shè)備的振源眾多、工作環(huán)境復(fù)雜且多變，因而在船舶故障診斷中主要存在以下難點(diǎn):

a．故障特征識(shí)別困難。主要是因?yàn)榇皺C(jī)艙結(jié)構(gòu)的復(fù)雜性導(dǎo)致了故障的多樣性，另外故障特征與故障類型之間呈現(xiàn)的是多對(duì)多的映射關(guān)系，這些因素造成船舶故障診斷的難度較大、準(zhǔn)確率不高、效率偏低。

b．故障診斷的實(shí)時(shí)性較差。要實(shí)現(xiàn)在線實(shí)時(shí)診斷，需要在極短的時(shí)間內(nèi)給出較準(zhǔn)確的故障預(yù)警，這就需要有高速的數(shù)據(jù)采集、處理、傳輸以及準(zhǔn)確的故障定位。而現(xiàn)有的方法不能實(shí)現(xiàn)對(duì)特征參量集的優(yōu)化，計(jì)算時(shí)間較長(zhǎng)，很難滿足診斷的實(shí)時(shí)性。

因此，在進(jìn)行故障診斷前，必須對(duì)采集到的原始數(shù)據(jù)進(jìn)行預(yù)處理，去除與診斷目標(biāo)不相關(guān)的屬性，為故障診斷提供干凈、準(zhǔn)確、更有針對(duì)性的數(shù)據(jù)，以減少故障診斷的數(shù)據(jù)處理量，進(jìn)而提高故障診斷的準(zhǔn)確率和效率。

1 故障診斷系統(tǒng)總體框架

目前，大部分船舶故障診斷系統(tǒng)的診斷對(duì)象沒有覆蓋機(jī)艙的全部設(shè)備，多數(shù)的研究只是針對(duì)船舶主機(jī)的故障診斷，同時(shí)不同種類的船舶使用的主機(jī)型號(hào)也繁雜多樣，沒有通用的診斷系統(tǒng)［3］。一般而言，現(xiàn)代船舶都配備了機(jī)艙集中監(jiān)控報(bào)警系統(tǒng)，船舶機(jī)艙各個(gè)設(shè)備的工作參數(shù) (各缸爆壓、油溫油壓、冷卻水進(jìn)出口溫度、排氣溫度、轉(zhuǎn)速等)都可以通過傳感器獲取并上傳到集控臺(tái)進(jìn)行數(shù)據(jù)存儲(chǔ)和處理，船舶所有設(shè)備運(yùn)行狀態(tài)和歷史故障信息以及解決方案都被存儲(chǔ)在船端的“本地故障診斷系統(tǒng)數(shù)據(jù)庫(kù)”中，供以后查詢分析使用。同時(shí)，這些數(shù)據(jù)也會(huì)通過海事衛(wèi)星或3G信道傳輸?shù)桨痘?，保存到岸基地的遠(yuǎn)程故障診斷中心數(shù)據(jù)庫(kù)，在岸上的工作人員可以隨時(shí)獲得船舶設(shè)備的運(yùn)行狀況及相關(guān)參數(shù)，進(jìn)而實(shí)現(xiàn)船舶遠(yuǎn)程故障診斷與分析。

圖1 船舶故障遠(yuǎn)程診斷系統(tǒng)總體框架

船舶故障診斷系統(tǒng)總體框架如圖1所示。船端的本地故障診斷系統(tǒng)具有查詢故障征兆、故障類型以及相應(yīng)解決方案的功能，出現(xiàn)故障時(shí)，船上工作人員通過該系統(tǒng)可以得到故障處理的措施和應(yīng)急方案。當(dāng)船上工作人員運(yùn)用本身的經(jīng)驗(yàn)知識(shí)和本地故障診斷系統(tǒng)不足以處理復(fù)雜異常的故障時(shí)，船舶局域網(wǎng)通過海事衛(wèi)星/3G網(wǎng)絡(luò)把設(shè)備當(dāng)前運(yùn)行參數(shù)以及故障狀態(tài)發(fā)送到岸端的船舶公司，遠(yuǎn)程故障診斷中心獲取這些數(shù)據(jù)后，結(jié)合專家和知識(shí)庫(kù)中的知識(shí)進(jìn)行推理，得出故障解決方案。隨著系統(tǒng)運(yùn)行時(shí)間越來越長(zhǎng)，數(shù)據(jù)庫(kù)中關(guān)于船舶設(shè)備運(yùn)行參數(shù)的記錄、歷史故障信息以及各種故障的解決方案都在不斷擴(kuò)充、完善，系統(tǒng)故障診斷的正確率也會(huì)得到相應(yīng)的提高。

2 船舶設(shè)備故障分類表示

船舶結(jié)構(gòu)十分復(fù)雜，一個(gè)故障癥狀常常是多種原因?qū)е?，而且同一個(gè)故障原因又涉及多種故障類型。故障診斷必須具備相應(yīng)的專業(yè)知識(shí)。本系統(tǒng)主要通過查閱與船舶相關(guān)的文獻(xiàn)，與相關(guān)領(lǐng)域的人員交流，咨詢船舶相關(guān)設(shè)備的設(shè)計(jì)人員、船舶設(shè)備制造單位的實(shí)施人員以及長(zhǎng)期使用這些設(shè)備的人員等方式，獲取船舶的初始故障分類信息;同時(shí)，通過船舶機(jī)艙監(jiān)控報(bào)警系統(tǒng)對(duì)機(jī)艙內(nèi)的設(shè)備設(shè)置監(jiān)控點(diǎn)，以實(shí)時(shí)獲取設(shè)備運(yùn)行狀態(tài)信息;在日常的故障診斷推理中，系統(tǒng)發(fā)現(xiàn)新規(guī)則時(shí)，把評(píng)價(jià)為優(yōu)的規(guī)則作為新的知識(shí)存入知識(shí)庫(kù)內(nèi)。

主機(jī)作為船舶的核心設(shè)備，其故障及故障產(chǎn)生的原因多種多樣，主要有滑油壓力低、轉(zhuǎn)速不穩(wěn)、水溫/機(jī)溫過高等，每一種故障都可能由多種原因造成。通過對(duì)船舶設(shè)備說明書及設(shè)備運(yùn)行歷史數(shù)據(jù)的分析、總結(jié)，船舶主機(jī)最常見故障、產(chǎn)生原因及相應(yīng)的處理措施見表1。

3 基于粗糙集的數(shù)據(jù)預(yù)處理方法

對(duì)設(shè)備運(yùn)行狀態(tài)的監(jiān)測(cè)是故障診斷的基礎(chǔ)，因此采集數(shù)據(jù)的準(zhǔn)確性對(duì)故障診斷結(jié)果影響很大。船舶機(jī)艙集控臺(tái)對(duì)船舶主要設(shè)備進(jìn)行實(shí)時(shí)監(jiān)控，并獲取大量的設(shè)備狀態(tài)數(shù)據(jù)，這些數(shù)據(jù)存在冗余，因此利用粗糙集理論對(duì)船舶監(jiān)控中采集的實(shí)時(shí)數(shù)據(jù)進(jìn)行屬性約簡(jiǎn)、值約簡(jiǎn)，從而實(shí)現(xiàn)冗余數(shù)據(jù)的清理?；诖植诩臄?shù)據(jù)歸約處理主要分兩個(gè)步驟完成:一是決策表中條件屬性集的約簡(jiǎn)求核;二是條件屬性值的約簡(jiǎn)［4］。在實(shí)際應(yīng)用中，用傳統(tǒng)的屬性約簡(jiǎn)和值約簡(jiǎn)算法對(duì)設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)數(shù)據(jù)直接進(jìn)行約簡(jiǎn)難以滿足故障診斷的需求，因?yàn)榍蠼獾臅r(shí)間復(fù)雜度及所需存儲(chǔ)空間較大，處理效率較低。為此，本文設(shè)計(jì)了一種基于區(qū)分矩陣的改進(jìn)屬性約簡(jiǎn)和改進(jìn)的啟發(fā)式值約簡(jiǎn)算法，改進(jìn)算法的主要思想是在計(jì)算決策表的屬性核的同時(shí)，將僅由屬性核就能判斷出決策的記錄刪除，從而實(shí)現(xiàn)對(duì)屬性值的約簡(jiǎn)。

表1 滑油壓力低的原因及措施

區(qū)分矩陣是決策表中所有不可區(qū)分關(guān)系的一種抽象表示，定義了決策表中全部與屬性區(qū)分相關(guān)的信息，從而能夠快速地獲取決策表屬性核。設(shè)系統(tǒng) S=(R，T∪J，V，f)(T 為條件屬性，J為決策屬性)，t(x)是屬性 t(t∈T)的值，T(i，j)為可區(qū)分矩陣中第i行、第j列的元素，則相應(yīng)的區(qū)分矩陣表示為:

區(qū)分矩陣中元素的取值由樣例之間的關(guān)系決定，其對(duì)角元素均為0，且矩陣中元素沿對(duì)角線對(duì)稱。當(dāng)兩個(gè)樣例的決策相同時(shí)，則矩陣中對(duì)應(yīng)的元素取0;當(dāng)兩樣例的條件屬性和決策屬性均不相同時(shí)，區(qū)分矩陣中對(duì)應(yīng)的矩陣元素取屬性值不相同的條件屬性的組合。

當(dāng)系統(tǒng)中條件屬性和記錄的數(shù)量較少時(shí)，傳統(tǒng)的屬性約簡(jiǎn)算法效果很好，但是當(dāng)決策表中的條件屬性與記錄的數(shù)量很多時(shí)，算法的效率會(huì)大大降低［5］。為此，本文設(shè)計(jì)的改進(jìn)的區(qū)分矩陣約簡(jiǎn)算法，是應(yīng)用啟發(fā)式算法來求取其次優(yōu)約簡(jiǎn)。其中，啟發(fā)式采用屬性重要度表示，屬性的重要度用該屬性在區(qū)分矩陣中出現(xiàn)的次數(shù)來衡量，即當(dāng)某屬性在區(qū)分矩陣中出現(xiàn)的頻率高時(shí)，說明該屬性有較高的重要度，則可以用該屬性區(qū)分較多的記錄。設(shè)X表示決策表，A表示決策表中的條件屬性約簡(jiǎn)后的集合，C表示由式(1)求出的與決策表X相對(duì)應(yīng)的區(qū)分矩陣，ak∈{cij}，p(ak)為區(qū)分矩陣C中屬性ak的頻率函數(shù)，C0為決策表X的核屬性集合，改進(jìn)的區(qū)分矩陣約簡(jiǎn)算法的求解過程如下:

a．求出 C。

b．把 C0賦給 R，即令 R=C0。

c．求出所有包含C0的條件屬性組合Q。

d．C變?yōu)?C－Q)，同時(shí)，令B=A－R。

e．對(duì)所有的ak∈B，計(jì)算在C中出現(xiàn)次數(shù)最多的屬性ak，并賦給aq。

f．把a(bǔ)q加入R中。

g．重復(fù)上述過程，直到C為空。

隨著系統(tǒng)使用中船舶設(shè)備運(yùn)行狀態(tài)信息的不斷積累，系統(tǒng)規(guī)則庫(kù)得到相應(yīng)的擴(kuò)充，這樣可進(jìn)一步提升系統(tǒng)的故障診斷能力。同時(shí)，在大量歷史數(shù)據(jù)的基礎(chǔ)上，系統(tǒng)還可實(shí)現(xiàn)故障預(yù)測(cè)，即當(dāng)檢測(cè)到設(shè)備運(yùn)行參數(shù)異常時(shí)，系統(tǒng)利用歷史數(shù)據(jù)及設(shè)備當(dāng)前狀態(tài)進(jìn)行推理分析，從而可以在設(shè)備發(fā)生故障前提醒或指導(dǎo)用戶進(jìn)行有針對(duì)性的檢查與維護(hù)，以確保船舶的安全運(yùn)行。

4 結(jié)束語

本文以船舶集控臺(tái)改造項(xiàng)目為背景，給出了船舶故障診斷系統(tǒng)的總體框架及實(shí)現(xiàn)方法。基于粗糙集的數(shù)據(jù)預(yù)處理方法，提高了船舶故障診斷的效率和準(zhǔn)確率。在船舶故障診斷系統(tǒng)中，知識(shí)庫(kù)中的知識(shí)完善程度決定了系統(tǒng)的診斷能力，今后將進(jìn)一步通過與船舶管理領(lǐng)域?qū)＜业慕涣?，逐步擴(kuò)充知識(shí)庫(kù)。同時(shí)，在故障診斷時(shí)可以考慮綜合使用基于案例、基于關(guān)聯(lián)規(guī)則的推理方法，進(jìn)一步提高船舶故障診斷的準(zhǔn)確性。

［1］ 劉洪衛(wèi)．基于B/S模式的岸基船舶監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［D］．哈爾濱:哈爾濱工程大學(xué)，2012．

［2］ GAN Huibing，REN Guang，ZHANG Jundong．Monitored control system for ship engine room based on data mining［J］．Shipbuilding of China，2011，52(4):214 －221．

［3］ 崔文彬，張躍文，吳桂濤，等．BP神經(jīng)網(wǎng)絡(luò)在遠(yuǎn)洋船舶遠(yuǎn)程監(jiān)控中的應(yīng)用研究［J］．哈爾濱工程大學(xué)學(xué)報(bào)，2009，30(8):935－939．

［4］ 劉勝，李高云，宋佳．基于FNN的船舶舵伺服系統(tǒng)故障診斷研究［J］．中國(guó)造船，2010，51(1):162－169．

［5］ 李愛民，施惠豐．基于粗糙集和神經(jīng)網(wǎng)絡(luò)的機(jī)械故障診斷研究［J］．昆明理工大學(xué)學(xué)報(bào):自然科學(xué)版，2011，2(36):35－39．