基于数据驱动的应急柴油机启动状态评估方法

魏琨竺，包彬彬，茆志伟，梁兆熙，魏东海

（1.北京化工大学 发动机健康监控及网络化教育部重点实验室，北京 100029；

2.中核武汉核电运行技术股份有限公司，武汉 430223； 3.北京市第八十中学，北京 100102）

核电厂应急柴油机组是站内应急设备，要求其在失去厂外供电的情况下能保证核电站反应堆专设安全设施能够及时正常运行。应急柴油发电机组在核电站内属于一级安全设备。依据核电站的安全准则，当紧急事故发生时，应急柴油机必须在10秒内快速启动并输出额定功率。这对应急柴油机的启动性能提出了很高的要求。

目前，柴油机启动性能的分析研究主要集中在两点：环境因素的影响和设计参数的影响。杜遥[2]等研究了高原环境对电站发动机启动性能的影响以及对策；徐余慧[3]等研究了柴油机发电机组在南极恶劣的低温低压环境下启动困难和运行效率低下的问题。当前对于核电站应急柴油机启动过程的研究相对比较少，周国强等[4]对应急柴油机启动时间的影响因素进行了研究，发现柴油机Ready信号逻辑判据由频率改变为转速之后，能够较好地解决频率信号处理时的延迟问题；Lim等[5]针对多因素导致的应急柴油机启动时间延长的安全风险进行了深入研究；Arroyo等[6]利用振动和声发射技术对应急柴油机进行了故障诊断的研究。

通过对现场实际情况的考察以及相关资料的查阅发现，目前启动时间和热工参数仍是应急柴油机启动性能判定的主要依据，即对机组进行定期实验，通过判断柴油机启动时间和介质（空气、冷却水、润滑油）的温度、压力等性能参数是否处于允许的合理范围内来评估机组的健康状态。但核电站应急柴油机结构较为复杂，在快速启动过程中，启动时间一旦超出规定限制或参数显示异常，仅仅利用热工参数难以对问题进行有效排查。

数据驱动方法是一种以数据为出发点，通过利用研究对象的在线和离线数据，以统计理论、数据挖掘等技术作为理论指导，应用神经网络、贝叶斯方法等机器学习方法分析数据内部包含的信息，总结学习数据深层关系，最终实现基于数据的评价、监控、诊断、决策和优化等的各种期望功能的方法[7]。代耀宗[8]等人运用基于数据驱动的评估方法，分析了战场态势的要素并构建行动效能影响因素模型，完成了基于强化学习的作战行动效能评估研究工作，最终通过一个实例展示了评估过程。马欢和车敏[9]采用基于层次分析-模糊综合评估的数据链作战效能评估模型，将指标的定量测量和定性分析相结合，从作战应用能力的角度对数据链的态势共享能力进行分析评估，得到了态势共享能力的总体评价结论。吴军[10]等人针对轴承性能衰退状态监测中的故障信号微弱问题，提出了一种基于自适应噪声完备集合经验模态分解的滚动轴承性能衰退状态监测方法，通过利用斯皮尔曼等级相关系数和主成分分析的特征融合，获得了表征滚动轴承性能衰退状态的健康指数，该方法可以较准确地识别滚动轴承性能衰退状态。

因此，本文提出一种基于数据驱动的柴油机启动状态监测评估方法。首先连续采集启动阶段每个工作周期信号，通过对瞬时转速的分析实现角域精确重采样；然后提取能够表征启动过程工作状态的特征参数并进行归一化处理；再确定特征参数的权重系数，计算特征参数的健康等级隶属度，可对应急柴油机启动状态进行评估。

1 非稳定工况角域精确重采样方法

角度域分析是一种将信号与参考旋转角度进行关联，以完成时域信号转换为角度域信号的分析方法[11]。角度域分析可根据系统周期特性对角度域的数据进行对应，因此角域分析可作为对柴油机进行分析的重要方法之一。完成准确的角度域重采样工作是完成角度域特征分析的保障，即将时域信号精确转化到角域。当柴油机处于稳态工况时，采用将键相信号（平均转速）进行线性转化的方法可以基本满足故障诊断角度域分析的精度要求，然而当柴油机处于快速启动过程这种瞬变工况时，瞬时转速将持续增大并有大幅波动。图1比较了柴油机处于快速启动升速阶段时某一工作周期的瞬时转速和平均转速。

图1 启动阶段瞬时转速与平均转速对比图

可以看出，曲轴的瞬时转速在一个工作周期里有持续的直流增量，且不断波动。若仍采用基于键相的线性转化方法，则很有可能引起较大的相位偏差[12]，因此本文利用基于瞬时转速的角域精确重采样方法，为角域特征的准确提取奠定了基础。

柴油机在活塞做功行程上止点附近位置会有显著发火冲击。如图2所示。

图2 基于2种方法计算的启动升速阶段角域波形轮廓图

图2分别为通过平均转速和瞬时转速计算得到的波形轮廓图（本文以A7缸为例，根据发火顺序和发火间隔角度以及键相安装位置，计算出缸内点火活塞上止点在72°），不难看出通过瞬时转速计算得到的结果更为精确：前者计算出的波形发火冲击相位大约位于90°的位置，存在约12°的误差；而后者计算出的发火冲击相位在约72°左右的位置。为进一步对2种方法进行比对，绘制了根据2种方法转化的角域值对比图，如图3所示。

图3 通过两种转速转化的角域值对比

可以看出2种计算结果的差额呈现一个先增大后减小的变化趋势，当曲轴的瞬时转速越大时，根据这2种方法转化所得到的结果差异越大。

2 开机启动瞬变工况监测信号分析及特征提取

气瓶启动是应急柴油机的启动方式，当柴油机以静止状态开始启动后，气瓶中的高压空气通过分配器送到缸盖，压开阀门后进入气缸，推动活塞开始运动，曲轴不断增速并最终达到发火转速，气缸内点火做功，此时曲轴转速急剧增加，当达到某一特定转速后，启动空气源被断开，此时柴油机仅通过燃烧做功保持曲轴的升速，以达到设定转速。本文通过对应急柴油机现场实际所测数据进行分析，研究柴油机启动状态的瞬时工况监测方法。

2.1 开机启动过程瞬时转速及振动的特点

和稳态工况相比，柴油机在启动瞬态工况下的显著冲击包括发火燃烧冲击和高压空气气动阀开启冲击。如图4所示。

图4是应急柴油机启动阶段的瞬时转速分别在7个工作周期内的波形图，可以看出7个周期内波形的变化都是呈上升的趋势，并存在一定范围的波动性。

柴油机各缸体间的振动波形存在相似性，因此可对某一气缸启动阶段的任意一个完整工作周期的缸盖振动波形进行分析，如图5所示。

第1小节中提到，本文实验中A7缸的上止点位于72°的位置，所以可判断图中a位置的冲击为发火冲击；根据柴油机启动阶段的工作过程特点可推断，b位置的冲击为高压空气进气阀开启冲击。

图4 快速启动过程瞬时转速波形组图

图5 A7缸完整周期缸盖振动波形图

在柴油机的实际启动过程中，随着转速不断增加，气缸缸内温度和压力愈发接近缸内点火燃烧的临界条件，而发火燃烧程度也更为剧烈；同时，缸内爆燃压力的提高推迟了启动空气压开高压空气进气阀的时间，这也表明相同时间内曲轴转过的角度将进一步增大，所以高压空气进气阀开启冲击的相位将后延。图6所示是A7缸在启动过程中基于瞬时转速的角域转化振动波形图。

图6 启动升速阶段A7缸振动波形图

从图6中可以得出：在第1周期内气缸并未点火，从第2周期开始出现点火冲击，其幅值随着周期增加而不断增高；在第1到第5周期内，高压空气进气阀开启冲击都非常显著，同时其相位不断向后延续，而在第6个周期时消失，此时已将高压气源切断。

2.2 开机启动瞬变工况特征选择与提取

2.2.1 瞬时转速特征选择与提取

在柴油机的启动过程中，其瞬时转速可看作是由呈上升趋势的直流量和周期性波动的交流量组成的。瞬时转速的直流量表达了在整个周期内平均转速的变化规律，其波动情况也呈现了机组的整体工作状态。如图7所示。

图7 瞬时转速单周期转速直流增量特征

通过计算瞬时转速的上、下包络线及其均值，绘制出了瞬时转速的均值曲线，该均值曲线的峰值就可以看作单一周期内转速的直流量。同样地，分别计算出瞬时转速交流量的上、下包络线均值，进而把上包络线均值与下包络线均值的差值视作波动分量的交流量，如图8所示。

图8 瞬时转速单周期转速波动量均值特征

2.2.2 振动特征选择与提取

Norden E Huang等[13]开发了一种分析非线性和非平稳数据的新方法，这一方法通过数据自身的时间尺度特征来进行信号分解，事先不用设置任何基函数，这一特点使得该方法和傅里叶分解法以及小波分解法从本质上区别开来。正是由于这样的自适应性，让它在处理非平稳及非线性数据上具有了非常明显的优势。该方法的关键部分是“经验模式分解”（Empirical Mode Decomposition，EMD），它能使复杂信号分解为有限数量的本征模函数（Intrinsic Mode Function，IMF），得到的各IMF分量蕴藏了原信号的不同时间尺度的局部特征信号。因此本文选用EMD的方法对柴油机的信号进行降噪处理，以某次实测信号为例，计算各IMF与原始信号的相关系数及各IMF与原始信号的能量比，所得结果见表1。

根据Pearson相关系数的定义，小于0.2的相关系数被认为是该2项数据之间极弱相关或无相关。因此选择分解后的前2个IMF之和作为降噪后的信号。实际测试数据的初步分析结果表明：所有气缸点火冲击峰值的平均值及包络能量平均值、所有气缸高压空气进气阀开启冲击峰值的平均值、包络能量平均值以及开启相位平均值等5个特征能够从一定程度上反映启动阶段缸内发火和高压空气工作状态。

3 开机启动非稳态工况监测评估方法

本文开展的柴油机启动状态监测研究主要是针对整机的启动性能，利用柴油机的历史启动数据，提取多次开机监测参数特征，提出了一种基于测试数据计算最大隶属度的监测评估方法。通过计算出的启动性能特征参数集的最大隶属度[14]，提出了一种应急柴油机整机启动性能监测评估方法。因为特征参数大多数情况下并不存在标准值，所以本文通过对应急柴油机监测存储的多次开机启动历史数据进行分析。

根据现场实验的历史参数，通过以下步骤完成对整机启动性能的监测：

表1 各IMF与原始信号的比较

（1）将评估的结果划分评定等级。按照健康、良好、一般、劣化、危险5个等级对柴油机的启动性能状态进行划分。

（2）确定状态特征参数。本文第2小节对整机启动瞬变工况振动和瞬时转速的特征进行了分析，并最终选择了特征值的平均值作为分析整机启动的状态参数，因此本文将以下7个特征参数值定为柴油机监测状态的特征参数：所有气缸点火冲击峰值的平均值及包络能量平均值；所有气缸高压空气进气阀开启冲击峰值的平均值、包络能量平均值以及开启相位平均值；周期内瞬时转速的直流量平均值和交流量平均值，文中分别计为：T1、T2、T3、T4、T5、T6和T7。表2为某核电站某20缸柴油机组历史测量数据的特征参数表，本文充分利用该数据对柴油机启动性能进行评估。

表2 测试数据特征参数表

（3）将数据进行归一化处理。为了得到实验所测数据与历史测试数据更直观的对比，本文将本次测试数据同历史数据之间的偏差值与历史测量值的标准差进行归一化处理。设x是某一特征参数的此次测量值，xL是其历史测量值（xL可依次代表表2中的xs，xp，xm），那么两者之差δL=x-xL。然后选定归一化量化函数，依据状态参数特征与评估目标之间的关系，对越大越优型和越小越优型2种特征依次利用式（1）和式（2）进行归一化值的计算，归一化函数如图9所示。

图9 特征参数的归一化函数

若λs、λp、λm的最终结果均为1，则表明本次整机启动过程健康；若λs、λp、λm的结果均在0.5以上，则表明启动状态良好，那么选取δs、δp、δm的平均值作为健康指标；若λs、λp、λm的某一结果小于0.5，则表明启动过程可能存在隐患，那么选取三者之间最小值作为健康指标；一旦λs、λp、λm中的计算结果有数值等于0，则机组状态可能较为危险。综上，整理得柴油机启动过程状态健康指标的计算式

通过式（1）及式（2）对表2中特征参数进行计算可得到λs、λp、λm，之后则通过式（3）依次对各特征参数进行计算，最终得到的健康状态指标λTi汇总如表3所示。

表3 测试数据特征参数归一化表

（4）确定特征参数的权重系数，并对每一项权重系数进行正则化处理。因为前文提及的7个特征参数都可以从某些方面体现柴油机启动过程中整机工作性能的优劣性，所以本文将每一个特征参数给定统一的权重，权重向量w=，进行正则化处理后权重向量为

（5）计算特征参数的健康等级隶属度。按照机器退化过程的经验，本文利用三角模糊函数对健康等级隶属度进行计算，下列5个计算式依次是5种启动状态的隶属度计算函数

把特征参数指标向量通过以上各状态的隶属函数进行计算，所得结果列为表4。

表4 测试数据特征参数健康状态隶属度

（6）计算开机启动状态等级。先将置信水平定为0.9，然后把各参数的健康等级隶属度进行基本可信度分配，所得结果如表5所示。

表5 健康等级基本可信度分配表

本文采用Dempster组合规则对各状态特征的参数进行证据融合[15]，从而计算出证据融合的结果。设Θ为柴油机启动状态监测辨别框，将其幂集写作2Θ，当集函数 m：2Θ→[0,1] 满足m(φ)=0，并且，那么将m称为柴油机启动状态监测辨别框Θ上的基本可信度分配函数。当函数Bel：满足，那么称Bel为辨别框架Θ上的信度函数。设分别有Bel1和Bel2为框架Θ上的2个信度函数，m1和m2依次为其对应的基本可靠度分配函数，则Dempster组合规则可用式(9)表示

根据Dempster组合法简化后的形式可写为m(A)=m1⊕m2，同时关于多证据融合简化后的形式写为M=m1⊕m2⊕…⊕mn。

通过以上的组合规则，本文把7个特征参数证据进行了融合，最终得到的计算结果为M=(5.242×10-7,0.99986,1.391×10-4,0,0,4.7898×10-7)，依据最大隶属度原则，可推出柴油机本次启动过程状态为“良好”，与实际现场专家分析讨论的评估结论一致。

4 结语

提出了一种基于数据驱动的应急柴油机监测评估方法。该方法根据应急柴油机快速启动阶段的特点，结合瞬时转速角域精确重采样方法和EMD降噪方法，准确提取了能够反映启动阶段缸内发火和高压空气工作状态的7个特征参数，并计算出特征参数的健康等级隶属度，最终利用Dempster组合规则对各状态特征的参数进行数据融合，依据最大隶属度原则，对应急柴油机开机启动状态进行评价，结合现场实际监测测试数据验证了该方法的有效性，为分析应急柴油机启动性能奠定基础，具有较好的实际应用推广价值。