船舶燃油供给系统故障诊断问题的分析

朱阳阳

摘 要 安全是船舶运行的基本要求。近年来，船舶安全事故时有发生，对人们生命财产安全构成了极大的威胁。燃油供给系统作为船舶的重要组成部分，是船舶运行的主要动力源，但燃油供给系统一旦发生故障，势必会影响船舶稳定、可靠运行，加强对供给系统故障诊断，能够及时、准确地把握故障原因，并采取良好的措施解决故障。文章以育鲲轮作为研究对象，对其燃油供给系统故障类型进行分析，运用MATLAB软件进行故障诊断，并提出了相应的优化方案。

关键词 船舶；燃油供给系统；故障；诊断

中图分类号 U6 文献标识码 A 文章编号 2095-6363（2017）12-0044-02

近年来，各领域发展对于航运需求不断增强，同时对船舶运行安全、稳定性也提出了更高要求。燃油供给系统作为船舶动力设备，在长期运行中，受到诸多因素的影响，极易出现各类故障，以往主要是根据人员工作经验，根据故障现象进行检查和分析，推断出故障所在位置，并进行针对性维修。但该方法耗时长、且精确度偏低，无法满足现代船舶故障诊断。而故障树法，能够对系统故障进行精确诊断，缩短维修时间，以此来提高诊断有效性。

1 船舶燃油供给系统故障分析

1.1 船舶概况

为了提高论文研究实用性，本文选择“育鲲”轮作为研究对象。作为国内首艘自主研发、设计的远洋教学实习船舶，在2008年正式投入使用。该船舶为中尾机型，推进装置为单机、单浆，且船上设置了长板楼、四层夹板室等，不仅如此，还有一些先进设备，如可调螺距螺旋桨等，具体参数如表1所示。

育鲲轮为特种船舶，船上没有设置货舱，具有现代性特点，能够为交通运输工具等专业学习和科研提供实船基础。不仅如此，该船具有较强的航海性能，且安全性等能够满足规范要求。主机燃油供给系统是船舶的动力系统，其主要功能是向高压油泵入口输送燃油，具有由加装、储存、驳运、净化及供给5个部分构成，也是本文研究的重点，图1为燃油系统流程图。

1.2 故障模式

育鲲轮燃油供给系统在长期运行中，其中各个环节势必会出现故障，具体故障类型如下：1）双联滤器故障，双联滤器主要是对燃油进行过滤，一旦出现堵塞现象，会造成前后压差读数增加，此时供给泵吸入压力下降，故可以根据压差表读数确定设备状态；2）供给泵，供给泵为螺杆泵，它供给燃油量与实际消耗保持一致，一旦出现故障，势必会出现异常[1]；3）循环泵故障，該设备吸口与混油桶相连接，能够确保燃油供给压力，避免燃油出现气化现象，一旦发生故障，排除压力会下降，影响燃油供给系统稳定运行。此外，还有雾化加热器等方面的故障。

2 燃油供给系统故障诊断分析

2.1 研究工具MATLAB

该研究工具建立在计算机技术基础之上，在MATLAB软件中，数据分析、矩阵运算等多项功能能够整合到一起，为问题解决提供方法上的支持，且具有较强的交互优势。

2.2 确定系统边界条件

由于育鲲轮主要应用于教学与科研中，不需要在恶劣海况下航行，主要在我国沿海与东南亚海域，船上安装先进设备，如减摇鳍等，能够确保船舶保持安全性、可靠性。该船舶燃油供给系统设计温度在10：45℃，系统运行时，其所处的温度一般为30：45℃[2]。在故障诊断时，排除人为因素，且各类传感器、仪表等均处于正常工作状态，以此来获取准确参数。

2.3 构建诊断模型

育鲲轮燃油供给系统，故障诊断过程中，主要对采集到的实际故障征兆参数作为样本，并将样本参数输入到模型当中，识别故障。本文主要以输入、隐含及输出3个层级为主，其中第一层，主要根据采集到的系统故障征兆参数作为依据，将参数输入到神经网络当中。第二层主要是设置隐含层，其中节点数超过网络承载能力，便会考虑增加隐含层，本文选择一个隐含层。第三层根据双联滤器、供给泵及循环泵等各个故障类型作为依据，建立对应的故障模式。

2.4 故障诊断分析

根据上文已经构建的故障诊断模型，运用MATLAB软件有关程序，进行故障诊断研究。在实践应用中，技术人员可以运用S型正切函数作为隐含层的传递函数，由于输出介于0和1之间，并坚持最大隶属原则，以此来判断出故障类型。由于神经网络自身具有缺陷，加上供给系统参数问题，导致网络训练过程相对缓慢，且需要迭代到77 320次网络才能够达到收敛，在现实生活中可行性不高，因此务必要加强对BP神经网络改进和优化，增快网络收敛速度，从而提高改善网络训练有

效性。

2.5 故障诊断模型优化

针对上述问题，本文对神经网络进行改进，主要针对训练函数，选择自适应学习效率梯度下降法训练函数。通过改进和优化，测试数据能够更好地输入到网络当中，实现对故障的有效诊断。根据改进后的测试结果来看，能够识别出五张类型，且误差较小。可见，利用神经网络进行故障诊断时，要对输入的参数进行归一化处理，进一步规范输入参数。

2.6 参数预处理

目前，常用的归一化处理方法较为多元，本文主要选择模糊理论方法对故障征兆参数进行模糊化处理，使得数据能够在0和1之间，进一步规范输入参数。对于本文故障诊断，具体的网络结构如图2所示。

考虑到采集到数据是否符合正太分布，文章借助统计软件，对数据正态分布情况进行检测。根据故障结果来看，其中P1代表的是双联滤器前后压差、P2G代表的是供给泵吸入压力等。可见，检测结果符合正太分布，且该软件能够提供出各组数据的标准差。本文提出的故障诊断方法优化，对传统算法予以改进，并引入动量、自适应学习速率等函数，在很大程度上提高了网络收敛速度，能够为船舶故障诊断提供更多支持。

3 结论

根据上文所述，随着科学技术不断发展，船舶自动化程度不断提高，对故障诊断技术也提出了更高要求。船舶机械设备朝着复杂化、自动化等方向转变，传统故障诊断方法滞后性愈发明显。因此，加强对智能诊断技术的引入至关重要，尤其是神经网络的应用，通过采集故障参数，将其输入到故障诊断模型当中，能够对故障进行高效诊断，判断故障位置及其原因，并采取合理的措施加以维修，不断提高船舶故障诊断准确性，消除潜在安全隐患，确保船舶运输安全、可靠性，从而推动我国航运事业可持续发展。

参考文献

[1]赵玉清，张汝坤，李享.小松电控柴油机CRI燃油供给系统故障诊断与检测实例分析[J].农机使用与维修，2014（9）：29-31.

[2]王彬彬.电子燃油喷射系统常见故障的诊断与排除探讨[J].科技资讯，2014（34）：65.