大数据分析在船舶机械故障诊断系统中的应用

2021-05-19薛光彩

电子元器件与信息技术 2021年2期

薛光彩

（中船电子科技（三亚）有限公司北京分公司，北京 100076）

0 引言

我国很早就建立了船舶机械故障诊断系统，该系统在早期运作中运作表现突出，有良好的应用价值体现，但随着船舶机械的发展，其故障表现愈发复杂，所涉及到的因素也更多，这时传统诊断系统就显得“力不从心”。对此，大数据技术作为一种先进的数据信息分析工具，其优异的性能、强大的功能都能够弥补传统诊断系统当下缺陷，可以保障故障诊断的效率性、准确性，还能提升诊断的全面性，因此在船舶机械故障诊断系统中有必要使用大数据分析工具来开展诊断工作，对此进行研究具有一定的现实意义。

1 大数据分析原理概述

大数据的数据分析功能流程大体可以分为5个步骤：数据导入→数据预处理→数据识别与定义→数据深度挖掘→结果导出。这一条件下，大数据的分析原理为（1）将与分析事物的所有数据全部导入大数据系统内；（2）大数据系统针对导入的所有数据进行预处理，可得各数据的信息特征；（3）根据预处理所得的信息特征，大数据系统将根据知识库信息对数据进行识别，并依照识别结果对相关数据进行定义，例如大数据知识库中有对船舶机械磨损故障的描述（如机械齿轮的间隙、表面粗糙度标准等），随之根据导入数据的特征标准，可知数据数据在知识库中的所属类别（如数据特征中包含“机械齿轮间隙”关键词，则说明该数据涉及机械齿轮的间隙），由此实现识别，随后将信息特征下导入数据的数值与标准数值进行对比，可知导入数据是否正常，如果正常则说明无故障、如果异常则说明有故障，由此完成定义；（4）将所有数据信息的识别、定义成果集成，形成数据集成体，根据大数据人工神经网络对数据集成体进行深度挖掘，可知各数据信息之间的关系、关联度等；（5）根据深度挖掘结果，可知某事物的涉及面、成因等，将这些内容作为结果导出。

2 大数据船舶机械故障诊断系统设计

2.1 设计思路

事实上，虽然传统船舶机械故障诊断系统面对各类机械故障“力不从心”，但传统系统的基本架构还是比较完善的，因此无需做太大的调整，而该系统的主要缺陷就在于数据处理能力与性能方面。这一条件下，本文大数据船舶机械故障诊断系统设计思路中，主要将大数据分析作为系统驱动引擎来使用，设计也是围绕这一要点开展的，此举可以将船舶机械故障数据分析工作单独摘除，专门由大数据分析工具负责处理，这样既可弥补传统系统在数据处理能力、性能方面的缺陷，实现系统优化目的。

2.2 设计方案

根据大数据分析原理流程可知，大数据分析工具需要在数据导入后才能运作，说明大数据船舶机械故障诊断系统的工作流程大体可以分为两个部分，即数据监控传输、数据处理分析，因此设计方案也可以分为两个部分，即数据监控传输子系统设计、大数据处理分析子系统设计，各部分具体内容如下。

（1）数据监控传输子系统设计。数据监控传输子系统设计主要在传统船舶机械故障诊断系统基础上实现，保留传统系统的故障信息监控功能，并在此基础上增设信息传输通道，以实现数据导入。以船舶发动机为例，针对发动机的电力、供油、机械组件参数（如磨损率）、安装位置等故障高发位置进行监控，监控功能采用传感器实现：①针对发动机电力系统，选用电压、电负荷等传感器；②针对发动机供油系统，选用油压、流速、流量等传感器；③针对发动机机械组件参数，选用磨损率、频率等传感器（此部分传感器种类较多，建议选择综合性传感器）；④针对安装位置，采用位移传感器。在传感器选择完毕后进行安装，随后针对各传感器采用I/O信号发出端，用于将传感器所监测得到的数据以信号格式发出，同时在发出过程中设置换能器，目的在于将传感器传输的信号格式（传感器所传输信号均为电信号）转换为数字信号，以便于大数据处理分析子系统读取，由此实现数据监控与导入功能。

（2）大数据处理分析子系统设计。在大数据处理分析子系统设计中，主要采用计算机作为子系统载体，随之考虑到传感器数据导入中的接收要求，需要在计算机端设置I/O信号接收端，这样传感器传输而来，被换能器转化为数字格式的故障信息就可以成功导入大数据处理分析子系统，实现了两个子系统的连接。在这一基础上，对大数据处理分析子系统的运作逻辑进行设计，即主要采用人工神经网络技术构建子系统的逻辑，逻辑主要体现在数据与处理、数据识别与定义部分，首先利用人工神经网络对导入的所有机械故障数据信息进行预处理，获取各数据信息特征，特征将会被记录在子系统的数据储存库（即知识库）内，这一过程代表系统对机械故障信息进行了“学习”，同时人工也可以将以往记录到的机械故障数据信息传入数据储存库，可起到加速学习的作用，其次在人工神经网络的作用下，子系统知识库内数据信息充分，这样当数据监控传输子系统向大数据处理分析子系统传输机械故障信息之后，大数据就可以根据知识库对机械故障信息进行识别定义，随之根据定义完成数据深度挖掘、结果导出。

3 大数据船舶机械故障诊断系统应用测试

3.1 应用测试方案

以船舶发动机机械电力故障为例进行应用测试方案设计：（1）在系统内的知识库中设置船舶发动机机械额定电压标准，为440V；（2）采用传感器、信号传输设计方法对发动机额定电压进行实时监控，并将实时监控数据传输到大数据船舶机械故障诊断系统中，同时对信号传输实时性进行观察；（3）在额定电压正常的情况下，让大数据船舶机械故障诊断系统自主运作3h，观察其是否会出现误判；（4）人工在电源处刻意加大/减小额定电压，观察大数据船舶机械故障诊断系统是否会对额定电压的变化进行分析、分析结果是否准确、分析耗时、分析结果全面性。

3.2 应用测试结果

以上应用测试方案中主要测试环节为（2）、（3）（4）步骤，各步骤测试结果为：（1）在测试信号传输实时性环节，对大数据船舶机械故障诊断系统进行了时长3h的测试，时间内信号传输实时性良好，具体数据见表1；（2）在额定电压正常状态下，大数据船舶机械故障诊断系统自主运作中一共进行了500余次的判断，其中并未出现误判；（3）在刻意加大/减小额定电压的条件下，大数据船舶机械故障诊断系统对额定电压变化进行了分析，分析结果为“当前额定电压过大/过小，发动机可能出现温度过高导致绝缘受损/电压过小出现动能不足的故障，故障成因是电源处电压供给异常”，整个过程耗时较短，可见系统会对额定电压的变化进行分析、分析结果非常准确，且分析耗时、分析结果全面性表现良好。表1为应用测试结果。

3.3 系统作用

根据以上测试，首先证明了大数据船舶机械故障诊断系统可以应用于船舶机械故障诊断中，其次在作用上，该系统中的大数据子系统全面取代了传统故障诊断系统的数据处理流程，且诊断效率远超以往，还能对诊断结果进行定义，直观的输出，不需要人工根据诊断信息对故障进行定义。因此大数据船舶机械故障诊断系统作用在于提高故障诊断效率、提高诊断结果综合质量，具有较高的应用价值体现。