一种用于船舶机电设备的预测性维护技术

吴泽谋，孙宝成

（1.集美大学 轮机工程学院，福建厦门361000；2.自然资源部 第三海洋研究所，福建厦门361000）

0 引言

船舶工程领域中的机电设备属于高技术含量的船舶设备结构，本身价值在船舶总价值当中占比40%～60%，直接成为船舶工程对外竞争力的重要展现。然而，结合当前船舶工程机电设备的实际运营情况可知，以往都是采用日常维护及事发生后进行维修相结合的维护方式[1]。这种传统的船舶机电设备维护方式，尽管在某种程度上有效控制了故障发生率，但采取这种频繁维护的方式，需经过多次拆卸和停机，必将持续损坏电机设备的使用寿命。同时，还将增加相应的维修费用，由此引发的成本浪费直接成为船舶所有人与供应商的主要矛盾冲突[2]，而预测性维护技术的推出很好地解决了此类问题。有相关数据统计可知，船舶工程机电设备采用预测性维护技术能够有效降低整体维护成本约30%，同时可消除故障率达70%，生产效率可提升约25%[3]。目前预测性维护技术早已在我国“大智”号上实现初步运营，但仍然缺乏较为成熟的发展之路。为此，针对用于船舶机电设备的预测性维护技术进行研究。

1 维护管理现状

船舶工程机电设备维护管理的理念滞后，管理力度不足，传统的维护管理理念难以符合当代航海船舶行业的发展需求，为此要求相关技术工作人员持续增强对船舶机电设备的维护与管理认识，对此高度重视，结合实际情况来持续更新和完善自身维护管理理念，最终增强管理力度。正是因为多数维护管理人员本身超前维护管理意识匮乏，更多地将工作重心集中于如何迅速提升船舶本身的运营效率及经济效益水平上，从而直接忽视了对船舶机电设备的有效维护及管理，最终使船舶机电设备故障发生率持续攀升[4]。

船舶机电设备维护保养力度不足也会带来重大隐患。通常而言，船舶的操作环境比较复杂，在实际操作当中存在一系列的人为及环境等因素的影响，很难将船舶机电设备维护工作落到实处。例如，各个零部件在最终安装完成后，不但需要进行二次检查，还应做好对设备的进一步防护。多数船舶机械设备由于未做好防锈处理，导致后续机电设备很容易发生腐蚀情况[5]。部分机电零件老化受损，维护工作人员却并未及时更换处理，甚至有部分人员在检修过程中偷工减料，最终给船舶的安全运营造成巨大的阻碍。

由于国内船舶行业的维护管理制度普遍不够规范，维护管理制度仍存在明显的漏洞。多数船舶企业更多是将工作开展的重心集中于怎样切实提升工作效率，从而直接忽略了船舶机电设备维护管理制度的完善及优化目标，由此直接导致相关维护管理工作人员维护意识淡薄，无法定期开展机电设备的安全维护工作，最终致使船舶机电设备的故障发生率不断上升。为此，提出一种用于船舶机电设备的预测性维护技术。

2 船舶机电设备维护需求分析

首先需要明确船舶机电设备的结构及运行原理。通常船舶机电设备包含动力定位系统、锚系设备、起吊、波浪补偿等设备，还有多种不同的泵和阀等结构。一旦使用工况不符合要求，势必会对产品的服役性能、环境适应性及可靠性产生影响。在实际的船舶运营当中，通常包含以下特点：

1）工况表现复杂化。呈现出运行不稳的自由三维空间运动，由此受高压、高湿及盐碱类环境影响，致使船舶机电设备易发生故障。

2）单次作业所消耗的周期相对较长。受船舶本身服役特性影响，要求内部机电设备应当能够在较为恶劣的环境下实现长时间、满负荷的运行，并且此类高要求还需保证持续航行时间至少9个月[6]。

3）船舶机电设备本身具备较高的运维成本。采取的运维方式基本以定时预防性维修为主，因此一些备品备件准备、进坞维修等操作所耗费的时间成本将直接给船舶成员带来非常大的经济损耗，并且加剧了相应设备供应商的售后压力。

因此，急需搭建相应的船舶机电设备预测性维护平台，借助预测性维护的技术手段来采集分析设备所处工况、运行状态等，同时需基于大数据技术来达成健康状态实时感知及趋势预测的效果，并由此拟定科学合理化的预测性维护方案[7]。

3 预测性维护平台结构

结合船舶工程中机电设备的实际运行情况，在充分考量网络通信条件的情况下，搭建的机电设备预测性维护平台在整体结构设计上主要涵盖了船舶记载监测系统、远程网络信号通信系统、岸端运营维护中心等，如图1所示。

图1 船舶工程机电设备预测性维护平台结构

船端机载健康监测板块主要采用边缘计算技术来针对船舶机电设备的实际情况进行数据化采集，如设备的实际运行情况、工况数据等诸多参数，并做好处理与分析工作，由此才能真正做到船舶设备健康状态监测与故障问题迅速定位，在此基础上，借助事先预设的故障问题处理模式，不断输出最为常见的控制措施。

岸端运营维护中心板块则主要借助岸基端服务器本身所具备的强力计算能力，并联合各个船端机载健康监测传输最终所得的监测数据来搭建功能完善的故障决策及数据分析系统，由此才能形成精准的故障诊断算法[8]。采用大数据技术实施监测数据挖掘、深度学习及知识内容发掘和规则提取等，由此最终达成相应针对模型的自学习效果，最终输出科学合理化的运营维护策略。

远程网络信号通信系统板块则主要负责船岸两端的通信传输效果，并且主要由相应的发射装置、卫星通信及相关接收装置组合而成[9]。在实际操作当中，需要充分考虑通信带宽及其所具备的的安全性因素，通常体现为船端对数据实施奇异值的剔除、加密和压缩等，由此来将规范化的详细数据及最终诊断结果传输至岸端运营维护中心，并据此促使岸端运营维护策略实现向船端的延伸。

4 预测性维护平台技术原理

船舶工程机电设备预测性维护平台的运行较为复杂，在技术原理方面主要划分为船舶运行状态监测、船舶故障问题诊断、船舶故障问题预测及船舶维护管理等内容，具体技术原理及具体实施流程如图2、图3所示。

图2 船舶机电设备预测性维护技术原理

图3 船舶机电设备预测性维护实施流程

4.1 船舶机电设备运行状态监测技术

该技术主要实现船用机电设备的设备识别，因此详细介绍了设备和组件的编码和功能，并分析了故障代码、故障类别、故障模式以及系统、设备或组件的原因。根据设备可能出现的故障方式和可能的影响因素，例如传感器的选择、传感器的测量点、布局方式、安装技巧以及数据的采集频率等，确定各种故障数据采集对象和参数。通常在配制方法中收集的参数应至少包括以下信息：1）描述设备的基本数据；2）解释运行条件下的基本数据；3）测量位置；4）测量参数单位和处理方法；5）明确日期及具体时间信息。执行数据标准化和删除奇异值等操作，可从长期监视数据中获取常规或自定义规则，建立设备状态的监视模型，并监控设备状态[10]。

4.2 船舶机电设备故障问题诊断技术

故障问题诊断技术需结合船舶机电设备本身的型号、故障测试点具体名词、编号及传感器和通讯信号等，包含数据采样的频率、点数等诸多设置，收集的数据内容要求必须通过滤波、放大等提前处理，并做好特征值的计算处理操作，由此来提取最终的故障参数值。同时，还需在此基础上搭建完善的运行数据库，由此才能够更好地为故障诊断及预测故障开展提供科学、原始的数据内容。整个过程应当严格按照局部面向全局诊断的方向演进，秉持单一至综合的方式，由静态故障诊断逐步转变为动态故障诊断，并最终由此实现预测性诊断的模板[11]。此外，还需结合对船舶机电设备的特征分析，来将通信信号直接转变为能够充分表达机电设备实际工况的特征量，并且通过选取较强敏感性且具备良好规律性的特征量来促使机电设备运行状态分析更加科学、准确，能够更为精准地找出故障产生的主要原因及部位。

4.3 船舶机电设备故障问题预测技术

借助以提取信号特征为主的特征清晰模型来进行船舶机电设备故障预测，由此达成复杂背景下的状态信号高效率、高精度的实时提取，重点在于深入发掘设备的关键特征，并由此整理出劣化特征产生及变化的规律。这需要建立实时监控模型。该模型用于提取船舶机电设备的性能下降指标，建立数据驱动的设备状态监测模型，并为重大变化和故障提供预警。研究核心产品关键组件的维护机制，制定维护规则，并建立将来可能发生的维护策略的预测模型。这些模型将根据其退化表示方法在多个目标下进行修改。

1）从状态监视数据在不同时间、不同操作条件下提取主要操作参数，对提取的参数进行汇总，并对数据相关性强的属性进行归约或降维。

2）根据经验和数据库技术，使用数据过滤、无效数据删除、数据重复或类似数据来验证数据。而后，根据标准化数据规范，将数据格式统一为适合数据挖掘技术的结构。

3）建立设备故障分类模型，收集和学习数据以建立故障分类器，建立专业的知识库，优化和完善已建立的分类器，结合实际经验，通过抽样测试并增加故障处理方法。

4）使用设备的日常运行参数作为分类器的输入，根据设备是否正常运行及其与数据库的相似性，确定故障的类型和处理方法。

4.4 船舶机电设备预测性维护管理技术

预测性维护管理技术需要充分结合船舶机电设备进行故障问题诊断后的结论或故障预报的可靠性水平，在此基础上采取相应的举措，并制定行之有效的维修策略。整个过程要求应当严格遵循“对机电设备预防维护为主、事后维修为辅”的行事原则，在切实保障维护操作不受其他因素影响的情况下，最大限度地减少或降低船舶机电设备的突发性故障（停机）。在此背景下，较为常用的维修管理技术表现为：1）不采取相关有效举措，持续进行检测操作；2）调整（增加及削弱）船舶机电设备的运行负荷、运转速度及实际产量等；3）机电设备关机重新启动；4）针对设备运行状态实施例行维修计划；5）对船舶机电设备开展修复性维修操作；6）结合提取的故障数据，制定维护计划[12]。

船舶机电设备维护工作结束后，需做好相应的记录，内容上主要集中于机电设备运行及产生的变化，比如设备更换备件的具体细节、所采用的工艺技术以及在维护过程中是否存在其他故障问题等，最后结合具体的诊断意见及预测结论实施评价分析，并针对模型进行持续优化和完善。

5 技术缺陷及展望

5.1 实施缺陷

对船舶机械和电气设备实施预测性维护技术的缺陷主要体现在以下几个方面：

1）船舶工程机电设备类型多样，结构复杂，设备系统集成度高，运行条件差异模型，自动化级别不够均衡[13]。因此，如何在特征、设备运行状况监视数据、环境监视数据及人员管理和决策数据中查找有关设备故障和寿命的常规数据，以及如何使用相应的监视方法来获取数据成为研究重点。

2）故障诊断和预测性维护要求使用大数据技术对数据进行建模并不断学习模型。船舶机电设备的操作环境特殊，网络通信困难。如何连续收集大量数据，不断修改模型并提高解决方案的可靠性是亟待解决的问题。

5.2 展望

针对船舶工程机电设备的预测性维护技术往后发展主要体现为以下方面：

1）实现跨领域间协同合作。比如借助互联网企业协同各大高校与科研院所攻克关键、重点技术内容，由此来逐步达成这一技术运用的产业链效应，并实现横向集成式发展。

2）以实际需求促进预测性维护技术在船舶领域中的广泛运用，实现船舶配套企业、船舶所有者、船舶建造厂、结构设计院等多方联合参与，共同促进预测性维护技术在船舶工程中的有效应用，最终达成产业链模式，实现纵向集成式发展[14]。

3）不断强化执行标准，重点增强船舶远程信号通信、故障问题诊断及预测性维护等诸多具备一定共性的技术环节，因此在船舶行业中所采取的技术标准将长期处于研制状态。

6 结论

目前，我国船舶工程机电设备的维护效果并不理想，本文所推出的预测性维护技术应用也并不广泛，仍然处于持续研究状态。这一维护技术本身易受船舶运行状态、远程通信信号等多方面因素的影响，因此与当下科学技术发展进程不匹配，难以对船舶行业的发展起到重要支撑作用。为此，笔者在对预测性维护技术的研究中，将船舶机电设备的维护操作细分为船舶状态监测、船舶故障问题诊断、船舶故障问题预测以及船舶维护管理4个方面，由此促使该技术运用操作更为明朗。同时，在此基础上提出3方面的运营模式即搭建船舶机载健康监测系统、强化远程信号通信接受、完善岸端运维中心。通过以上对几个板块协同运作的描述，在实现对船舶机电设备运行状态动态监测的同时，对设备产生及可能产生的故障问题进行定位和预测，最终便于岸端制定出相应的预测性维护方案，从而更好地实现对船舶机电设备运营情况的管理与控制。