基于人工智能船舶发电机的故障检测与维修研究

吴泽谋

（集美大学，福建厦门 361021）

0 引言

船用发电机组是船舶的重要组成部分，船用发电机是核心，发电机能否正常工作，关系到船舶能否正常航行[1]。若船舶临时停电，主机无法保证润滑，副泵无法工作，船舱及照明不能正常，某些导航设备甚至会完全失控[2]。所以随时监测发电机运行具有重要意义。常规的故障检测方法从故障到停电的时间都很短，所以值班人员必须在短时间内掌握报警的实质。但是，由于受现场环境和人为因素的影响，有时很难判断出故障部件，从而导致误判。发电机故障的在线实时监测和故障诊断需要有一套优秀的人工智能手段[3]。针对船舶发电机的励磁三相整流电路故障，提出了基于波形分析的神经网络诊断方法。该方法先采集整流电路的输出波形，然后建立神经网络输出与故障的对应关系，实现智能故障诊断。

1 船舶发电机转子匝间短路故障检测与维修

发电机运行过程中，转子匝间短路的故障诊断主要是根据转子励磁电流的变化和匝间短路引起的转子热、磁不平衡来进行的。电机转子匝间短路在运行中常见的两个特点：①转子振动异常；②激发电流相对增大。针对上述特点，可以分析正常运行的机组在运行中是否发生匝间短路故障[4]。系统汇集了维修领域众多专家的知识与经验，以实际应用为出发点，针对汽车电喷发动机故障诊断日益复杂的特点，模拟电喷发动机故障专家诊断过程。结合故障树数据结构和关系数据库原理，构建了一个较完整的知识库，实现了确定性故障诊断所需的推理引擎；利用Visual C++和Access 2000作为EFI 发动机故障诊断专家系统，其主要功能实现如下：故障码诊断功能；故障现象诊断功能；传感器诊断功能；波形分析诊断功能；记录的维护查询、添加、修改、删除功能；经验诊断功能。

1.1 发电机转子匝间短路故障特征提取

船用发电机转子检测线圈感应电势分析主要用于判断转子是否匝间短路，隐极型32 槽转子是主要研究对象。转子的工作状态主要有3 种：正常工作状态，10%匝间短路，20%匝间短路。当转子运行时，安装在定子与转子之间的检测线圈将产生感应电动势，其大小将受到转子漏磁的影响[5]。在短路的情况下，转子绕组匝数减小，感应电动势也随之改变，通过绕组感应电动势的变化判断转子是否匝间短路。针对电感电动势变化前后信号频率会发生变化的特点，利用小波频带能量分析方法，提取电感电动势变化前后信号频带能量，作为故障诊断的特征值。利用小波变换所得的系数可获得频带能量，步骤如下：

（1）利用三层小波包对感应电动势信号进行分解，得到8 个频段的第三层。假定原信号最低频率为0，最高频率为f，在小波包分解后，每一层的频率范围为3。

（2）在第三层，通过信号分解，实现低频到高频的单支重构，分别提取重构后各频段的能量。

（3）对提取的能量进行归一化，提取了舰船发电机转子在正常和故障情况下的故障特征值。

1.2 发电机转子故障识别

采用人工智能技术识别发电机转子故障，主要步骤如下：

（1）采用小波包分解后得到的各频段的能量特征值作为人工智能的输入，通常采用10%匝间短路和20%匝间短路作为发电机转子的预期输出。

（2）按照舰船发电机故障诊断的设计原则，确定了8 个输入层神经元和2 个输出层神经元和2 个隐含层神经元的数目。

（3）在不同的运行条件下，分析正常运行状态模拟波形数据和各发电机故障模拟波形数据，将它们作为.lvm 类型文件退出Matlab，并按照“运行conditions-operating 状态模拟数据”格式命名为“错误组件故障mode-normal”。取得所有情况下的波形数据文件，储存在"generator all data"文件夹中，提供给发电机故障模拟平台。这个过程显示在图1 中。

图1 发电机数据存储流程

第一步，选择工况输入、运行状态输入、故障元件输入和故障模式输入；把4 个条件结合起来获得结合的输入。船舶上通常配备3 台同容量的主发电机，另外一台应急发电机，因此在相同的运行条件下，3 个发电机的运行状态可能不同，因此可在“组合方式”表中查找到组合方式，判定组合模式是否存在，组合模式是否正确。若混合模式不正确，则需要重新选择混合模式中的每个输入量，直到找到正确的混合输入模式为止。

1.3 故障维修

（1）孔外检验在现场加工中比较常用。技术人员分析转子可能出现的动态多点匝间短路，确定是否在孔外检测转子。技术员用内窥镜检查旋翼的形状，如未发现更明显的故障点，则需配合双极性电压平衡试验和线圈分布电压试验，进一步检测回厂后的处理效果，送往生产厂家加工的设备更要保证在转子转动之间发生短路后，通常需要拆除保护环、线圈等。为此，建议对转子送厂进行全面检修，以确保机组经过初步现场处理后能正常、高效、长期、稳定地运行。

（2）返厂加工主要是检查转子的起卷情况，在励磁正极和负极线圈位置不同的情况下，进行匝间短路点的定位与处理。尽管返回过程需要大量时间，维护成本增加了，但是返工的效率提高了。现场处理后，可初步判定转子为多点动态匝间短路，推荐转子直接回厂加工。

（3）一旦发现问题，及时与生产厂家沟通，尽量缩短返工时间，尽量选择技术实力强的产品，有经验的现场加工技术人员对设备的抢修及后期返工有很大的指导作用。对缩短维修周期、减少经济损失也起着重要作用。

2 船舶发电机激磁电流故障检测与维修

无刷同步交流发电机状态监测是通过各种传感器对发电机运动时所产生信号的检测，精准抓住各种可能出现故障的信号特征，这是船舶发电机激磁电流故障检测与维修关键所在。因此，需先检测船舶发电机激磁电流故障，再进行故障维修。

2.1 船舶发电机激磁电流故障检测

船舶发电机励磁电流，取二绕组四绕组相复励磁变压器的三相交流电压，用硅整流得到，发电机励磁电流电路如图2 所示。

通过三层BP 神经网络将故障类型和故障元件代码与神经网络输出相对应。图2 整流器输出电压Ud波形的实时采样及数据处理，以图2 中的神经网络学习样本为例，建立了输入信息和故障元件编码的一致性，实现了整流装置的智能判断。BP 神经网络是神经网络中的反传算法。首层为输入层，接收以Xi（i=1，2，…，n）表示的外部信息；中间为隐藏层；第三层是输出层，采用Yk表示，神经网络的输出采用6 位二进制码。将所需模式识别的输入节点，通过网络转发给每一个隐层节点，通过隐层节点的激活函数，将其传递给输出节点，产生误差信号，采用梯度下降法，对误差信号进行分层，调整权值和阈值，然后再传回输入层。重复循环的前传和后传，直到误差达到精度要求。若神经网络的输出为“1”，其余元件为“0”，则表明第三个二极管有故障，而其他的没有。若神经网络同时具有“1”和“0”的输出，则5，6 个二极管同时失效。通过这种方式，值班员或维护人员还可以根据输出“0”和“1”使用声光报警来判断故障或故障点。

图2 发电机励磁电流电路

2.2 故障维修

由于传统船舶发电机故障检测没有电流检测环节，因此，可加入电流内环控制实现对电流无差控制，用于实现船舶发电机激磁电流控制。在此基础上，结合日常运行维护经验，针对无刷同步交流发电机电流不平衡问题，采取了如下措施：

通过对上述电路分析，忽略支路电容问题，则正序电压、电流数值可用于正序电路计算。为消除负序电流，将正序电流作为输出电流参考值，忽略整流器调制过程中所产生的谐波问题。即假设整流器三相电压给出的三相电压参考指令与控制预计方案基本一致，则可获取电流参考指令表达式。由于电压外环存在闭环控制，因此，需通过调节参考信号实现有功和无功功率设定，即使参考指令中的负序电流项被消除，也可通过参考信号调节，保证设定电压与预期电压指令一致。

实时了解电路动态特性，分析电压、电流稳态关系，虽然电流指令计算与电路参数存在一定关系，但由于有功和无功控制中存在积分环节，因此，需将并网功率输出数值与设定数值保持相同。当三相电压平衡时，整流器稳定状态下传递函数为定值，因此不起作用，此时应计算出电流参考指令，即为电流实际值，因此，电压参考值经过电流参考指令模块和内环控制后保持不变。当电流不平衡时，负序电流抑制不起作用，因此，无需故障检测，也无需控制模式切换，由此完成船舶发电机激磁电流故障维修。

3 结束语

船舶发电机是船舶动力系统的核心。如果出现故障，将严重影响船舶的正常航行，甚至危及船员的生命安全。所以对船舶发电机进行故障诊断是非常必要的。今后的工作是建立一套硬件采集系统，采集真实的船舶发电机运行数据，取代故障模拟平台。船舶发电机故障诊断可以从电力扩展到机械方向，采用电气和机械相结合的方法。在实际工作环境下，对诊断平台进行实际测试的可行性，构建多诊断系统共享分析结果的网络系统。