冷藏集装箱故障诊断中的故障分类研究

，，，，

(1.集美大学 轮机工程学院，福建 厦门 361021；2.福建省船舶与海洋工程重点实验室，福建 厦门 361021)

20世纪70年代以来，全球化进程加快，物流业飞速发展，集装箱运输成为国际贸易最重要的运输方式之一[1]。为了满足不同种类货物的运输要求，集装箱的形式越来越多样化。有些货物对环境的温、湿度(甚至气体成分)要求高，管理复杂，因此需要特殊的集装箱来控制所需要的各项环境参数。冷藏集装箱能够有效抑制细菌和微生物的活动，减缓或防止长距离运输过程中货物“品质”的降低，实现“门到门”运输，是食品、医药、生物等行业的物流领域不可缺少的运输手段。目前，全球航运业的冷藏集装箱的保有量已经超过150万TEU。在海洋运输过程中，受航区、航向、气温、水温、太阳辐射角、货物种类和数量等多变干扰因素的影响，冷藏集装箱的动态热负荷急剧变化，再加上船舶在航行过程中的震动、摆动等因素，引发冷藏集装箱系统的大量故障，造成巨大的经济损失，据统计，有高达7%的冷藏货物是在运输途中因为监管不善而损毁。因此，有必要提高冷藏集装箱的监管水平，及时、准确的故障诊断是监管的关键之一。种类众多的故障使得冷藏集装箱的故障诊断的难度较大，作为故障诊断的基础，合理的故障分类有助于更好地开展故障诊断，因此，进一步的故障分类研究意义重大。

1 冷藏集装箱的故障诊断现状

为了保证冷藏集装箱所载货物的质量，减少货物损失，管理方从陆上环节到海上环节采取了多重措施，包括：运输前检修、码头堆场的监控和检修、在船的监控和检修、定期维修等。对于正在服务中的冷藏集装箱，目前，大多数集装箱港口普遍采用指派专职人员定时去冷藏箱区巡查并记录每只冷藏箱的运行状况，若发现箱内温度或压缩机工作异常，马上报告修理部门进行处理[2]。在运输过程中，也是采取船员定时到现场检查记录，然后再逐一排除故障[3-4]。目前的冷藏集装箱故障管理取决于现场人员是否能及时发现故障，然后再由相关人员及时进行排查。由此可见，人为因素的影响很大，相关人员的技术熟练程度以及经验的丰富程度极大地影响管理的效果。

目前，所有的冷藏集装箱都具备自动PTI(运输前检查)功能，通过PTI将检查出控制电路板、继电器、电磁阀以及加热器的故障，并以故障代码的形式显示出来，根据故障代码，管理人员很容易查找故障原因，可以说，冷藏集装箱的PTI已经具备一定程度的智能，但是还不能诊断所有的故障。根据中远集装箱运输公司的统计数据，王世良[5]将冷藏集装箱在船上的故障分为9类，并统计了每种故障类型发生的概率，并将冷藏集装箱的制冷装置分为制冷系统和电气系统，根据这两个系统工作原理的不同，设计了逻辑诊断故障图，根据该逻辑进行故障原因查找，可以找到大部分故障的起因。伍刚等[6]采用实验模拟的方法为风机不转、制冷剂不足、膨胀阀开度过大和吸排气阀泄漏等故障建立了故障范例集。王世良等提出从温度图表的曲线形状入手，结合相关的故障现象，综合诊断冷藏集装箱的某些故障。梁志强等[7]采用神经网络技术建立了冷藏集装箱故障诊断系统，并对压缩机磨损、蒸发器堵塞、冷凝器堵塞和制冷剂泄漏4种故障进行了正确诊断。王富银和郑学林[8]采用故障树分析法，建立了制冷机组不启动故障树和换热器故障树。Zheng C.Y.等根据智能故障诊断的要求，提出要在冷藏集装箱上实现智能故障诊断应该从3个方面加强研究，包括建立判断基准用于故障检测、获取故障特征或者诊断规则用于诊断故障以及无线数据传输用于实时监控。

虽然冷藏集装箱的故障诊断获已经取得了一些研究成果，但仍然有潜力可以挖掘。故障诊断近年来在制冷空调领域研究成果很多，本文借鉴相关的研究成果开展冷藏集装箱的故障诊断分析。

2 故障分类及在故障诊断中的应用

冷藏集装箱系统比较复杂，部件较多，功能完善，因此，其故障的种类和原因比较多。为了降低故障诊断的难度，提高故障诊断的准确率，相关行业在各个环节进行了大量的努力，其中，故障分类是提高故障诊断准确率的有效方法，是故障诊断的基础。借鉴各个领域制冷空调系统的相关研究成果，船用冷藏集装箱系统的故障可以从以下几个方面进行分类。

1)服务故障和运行故障。Li H.L.等[9]认为可以将蒸汽压缩式空调的故障分类为服务故障和运行故障，并指出，如果服务故障可以在提供相关的服务后立刻得到诊断和处理，在之后的故障诊断时就只需要考虑运行故障。对于正在服役中的冷藏集装箱，服务故障指的是在检修过程中由于检查、修理或更换部件、维护保养以及提供制冷剂、润滑油等相关服务过程中产生的故障，如接线不牢、制冷剂过多以及螺栓松动等；运行故障指的是冷藏集装箱在陆上运输、码头堆场堆放以及海上运输过程中产生的故障，如冷凝器脏堵、制冷剂泄漏以及马达性能下降等；需要指出的是，有些故障虽然属于服务故障，已经在提供服务后得到诊断和处理，但仍然可能在运行过程中产生，如电气接线有可能在运行过程中松动导致故障，因此，对于这些故障要特别注意，不要因为之前的诊断和处理而忽视。

2)“硬” 故障和“软”故障。Braun J.E.[10]认为可以将蒸汽压缩制冷设备(几乎所有的冷藏集装箱都采用此种设备)的故障分为“硬” 故障和“软”故障，根据两类故障的不同的特点制定相应的故障诊断策略，为智能故障诊断提供支持。根据冷藏集装箱的特点及作用，“硬”故障可定义为突然发生的、导致系统或系统中的重要部件停止工作使得箱内设定温度无法维持的故障，如电器元件烧毁、运转部件停机等，这类故障通常有明显的故障特征，检测相对简单，比较容易实现智能诊断，现有的PTI检测已经能够检测大部分的“硬”故障。“软”故障指的是造成系统性能下降、但仍然可以控制住箱内温度的故障，如冷凝器外表面部分脏堵会导致冷凝压力以及系统能耗升高，但却不会立即造成温度失控，这类故障往往缓慢发展，在故障程度较轻时没有明显的特征，比较难以诊断。随着故障程度的加重，“软”故障有可能转化为“硬”故障，比如冷凝器脏堵严重时有可能导致压缩机因高压保护而停机。对于“硬”故障，应该要及时、准确排查，对于“软”故障则应尽可能在故障程度较轻的时候将其检测出来，防止其造成系统能耗的增加甚至发展成“硬”故障。

3)系统级别的故障和元件级别的故障。Li H.L.等认为可以将蒸汽压缩式空调的故障分类为系统级别的故障和元件级别的故障。系统级别的故障指的是故障的来源很难归根于某一具体的元件，比如，制冷剂泄漏故障，故障的原因可能是系统的任意元件密封不良，因此该故障属于系统级别的故障；元件级别的故障指的是故障来源可以归根于某一部件，如冷凝器脏堵仅仅是冷凝器本身的故障，以其它元件无关，因此，该故障属于元件级别的故障。对冷藏集装箱来说，该分类方法可以借鉴的是，元件级别的故障一旦被确认，立刻可以找到故障的原因。

4)流体相关故障和系统元件相关故障。Xiao F.等[11]将陆上建筑空调系统的定流量离心冷水机组的典型故障分类为流体相关故障以及系统元件物理故障。利用ASHRAE RP-1043的实验数据，通过相对敏感度分析的方法提高对流体相关故障的诊断率。冷藏集装箱具有与定流量冷水机组相似的制冷系统，区别在于将定流量的介质由水换成空气(通常冷藏集装箱蒸发器的风机为双速，但在一定模式下，速度是固定的，如冷藏模式为高速，冷冻模式为低速)，这有利于借鉴该研究成果。对于冷藏集装箱的来说，流体相关的故障包括：系统内制冷剂过多、系统制冷剂泄漏、系统内存在不凝性气体、润滑油过多、冷凝风量减少、蒸发风量减少等。值得关注的是，在冷藏集装箱领域，尚未有类似ASHRAE RP-1043的研究项目对冷藏集装箱制冷系统典型的故障进行全面研究，为发展冷藏集装箱智能故障诊断系统提供正常运转数据以及不同故障程度下的系统运行数据，因此，业界有必要开展类似的研究。

5)故障原因分类。对故障进行分类可以提高故障诊断的效率，还可以为智能故障诊断提供基础。此外，对故障原因也可以进行分类，故障原因可以粗略分为可避免因素和不可避免因素。比如，与制冷剂相关的故障大概有制冷剂种类错误、系统内制冷剂过多或者过少三种，这些故障都会影响制冷机组的正常运行。制冷剂种类错误指的是往系统内充注错误的制冷剂种类，该故障是由于工作人员粗心大意造成的，这个因素是可以避免的；制冷剂过多指的是系统内的制冷剂数量超过正常的水平，该故障的起因是由于充注制冷剂的工作人员粗心大意或者经验不足无法准确判断造成的，这个因素是可以避免的；而制冷剂不足指的是系统内的制冷剂数量低于正常水平，该故障的起因除了与制冷剂过多的故障相同的原因外，还有就是由于制冷机组使用过程中制冷剂泄漏引起的，这个因素是无法避免的。

在制定管理制度时应该采取严格的措施，对可避免因素进行有效、合理的监管，防止其出现，从而减轻故障诊断的工作量。进一步分析可以发现，可避免因素一般是与人相关的，而不可避免因素一般是与物相关的。因此，在提供某一服务后，立即对与人相关的可避免因素进行及时准确的排查应该成为惯例并记录在案。

3 结论

对冷藏集装箱故障进行合理的分类，可以帮助管理方人员制定合理的故障诊断策略，降低技术人员对大量经验知识的过分依赖，提高故障诊断的效率，也为智能故障诊断的实现提供了一定的基础，对推动冷藏集装箱故障诊断的进一步发展具有积极意义。目前，冷藏集装箱故障诊断的研究仍然有待于进一步提高，尤其是在如何实现智能故障诊断方面仍然需要大量的支撑。

[1] 王 斌，卢毅勤，朱木元.集装箱空箱海上调运优化模型[J].船海工程，2005(6):72-74.

[2] 陈永德，陈显山，鲍纯海，等.港口冷藏集装箱监控系统的研制和应用[J].建筑施工，2009,31(2):135-136.

[3] 吴吉安，韩厚德，张安阔.基于RFID的冷藏集装箱远洋运输远程监控研究[J].港工技术，2009,46(5):7-9.

[4] 纪 珺，韩厚德，阚安康.基于卫星通信的冷藏集装箱远程故障诊断系统[J].华中科技大学学报:自然科学版，2009,37(1):140-143.

[5] 王世良.机械制冷冷藏集装箱与运输[M].北京：人民交通出版社，2005.

[6] 伍 刚，郑学林.船舶冷藏集装箱故障诊断范例集的建立[J].机电设备，2005(5)：43-45.

[7] 梁志强，韩厚德，甘 伟，等.神经网络在冷藏集装箱故障诊断中的应用[J].机电设备，2008(3)：37-40.

[8] 王富银，郑学林.基于FTA的船舶冷藏集装箱故障的建立[J].绿色科技，2011(1)：162-164.

[9] LI H L,BRAUN J E.A Methodology for diagnosing multiple-simultaneous faults in vapor compression air conditioners[J].HVAC&R Research,USA,2007,13(2):369-395.

[11] BRAUN J E.Automated fault detection and diagnosis for vapor compression equipment[J].Journal of Solar Energy Engineering,USA,2003(125):266-274.

[11] XIAO F,ZHENG C Y,WANG S W.A fault detection and diagnosis strategy with enhanced sensitivity for centrifugal chillers[J].Applied Thermal Engineering,2011,31:3963-3970.