船舶电机全生命周期数据管理及故障预警研究

王金荣，曾忠平，喻 丹，罗 珊，王晓花，郭 威

(中船动力镇江有限公司，江苏 镇江 212000)

0 引言

电机作为现代化工业生产最主要的原动力和驱动装置，在工业生产中发挥着越来越重要的作用，但是电机在使用过程中的运行维护与保养费用也在不断增加。传统的运行维护模式不仅存在着维修周期长、时间成本和人力成本高等缺点，还存在着维修过剩与维修不足的矛盾、备件多余与备件不足的矛盾。因此，传统的运行和维护模式已经不能满足现代化工业生产的需要。

电力系统是船舶运行的动力来源，而电机又是电力系统的最核心部分，一旦电机突发故障停止工作，将会严重影响船舶的稳定运行。随着船舶规模的不断扩大，船舶电机数量也在不断增加，原有的电机管理系统已经很难满足实际使用需求。为此，本文将建立一套大型船舶电机全生命周期数据管理及故障预警系统，主要对船舶电机全生命周期数据进行数据分析、特征值提取，并建立船舶电机运行状态特征数据库。船舶电机实时运行时，该系统通过数据分析、数据比对、趋势化分析等手段，能够对船舶电机运行状态进行故障及其前兆判识。

1 系统部署意义

系统具有生产状态数据管理、运行状态数据管理、维修状态数据管理、数据统计分析等功能。系统组成见图1。建立船舶电机全生命周期数据管理及故障预警系统具有较大的经济价值，具体体现如下：

(1)建立船舶电机电子档案。记录船舶电机运行状态、保养维护等环节的数据。通过二维码管理，可以快速查看船舶电机相关信息。

图1 船舶电机全生命周期数据管理

(2)通过船舶电机运行状态监测，实时获取船舶电机运行状态数据，同时利用故障前兆诊断分析模块，对船舶电机健康指数进行评估。当船舶电机健康指数较低，通过访问船舶电机电子档案，可以提前做好靠岸维修和备件采购计划，做到按计划维护，避免由非计划停机造成的严重后果。

(3)通过状态监测及故障前兆诊断系统，实现由故障维修到计划维修、计划维修到状态维修的改进，解决了维修过剩和维修不足的矛盾，节省了时间成本和人力成本。

(4)通过长期的数据积累形成大数据，从大数据中提取船舶电机故障运行特征，形成故障特征库。丰富的故障特征库可以为船舶电机故障识别提供可靠的数据支撑。

(5)船舶电机制造工厂将出厂试验数据管理、生产过程数据管理与运行维护数据管理一体化，有利于实现产品质量可追溯，充分挖掘船舶电机全生命周期价值链。

2 系统设计

2.1 系统技术构架

系统技术构架包括数据采集层、数据存储与访问层、数据分析与决策层、应用展示层。

数据采集层可以接收数据采集终端的数据，也可以接收来自其他平台的数据。

数据存储与访问层主要包括数据存储、备份与恢复、数据访问接口、访问权限等。数据存储与访问层为上层服务提供数据支持。

数据分析与决策层对数据进行分析，通过基于人工神经网络的专家系统得出数据分析结论，评估船舶电机健康状态，制定相应的保养维修计划。

应用展示层包括波形显示管理、频谱显示管理、运行状态参数显示管理、系统设置、报告生产等系统操作与交互界面。

2.2 系统组成构架

系统组成构架见图2。系统核心组成包括船舶电机生产制造数据管理、运行状态数据管理与船舶电机维护数据管理。

图2 系统组成构架

3 系统功能介绍

3.1 运行状态数据管理

通过前端数据采集设备，获取船舶电机在运行过程中的电量参数和非电量参数，如：电压、电量、温度、振动加度数、振动速度、轴心轨迹等。实时监测这些电量参数与非电量参数，可以全面评估船舶电机运行状态。通过对原始波形数据进行谱分析、特征值比对、趋势分析等可以识别早期潜在的微弱故障信息，从而制定针对性维修计划。运行状态数据管理是电机全生命周期的数据管理及远程运行诊断系统的核心模块。

由于船舶电机的数量及类型各不相同，因此船舶运行过程中需要搭建局域网进行在线监控，主要包括以下几个部分。

3.1.1 数据采集终端

数据采集终端通过电机厂家自带模拟量传感器采集船舶电机实时运行状态数据，将模拟量信号转换为数字量；数据采集终端通过基于局域以太网的高速通讯协议与船舶服务器通讯，将实时采集的运行状态数据上传至船舶服务器。

3.1.2 在线运行状态监测

船舶服务器通过获取的数据不断对电参数和非电量参数进行分析处理，并展示分析结果。当监测的实时运行状态数据超过阈值时，系统发出预警信息，并将预警信息发送给监管员。阈值可由用户预先设定，也可以由历史数据分析计算得到。在线运行状态监测示意图见图3。

图3 在线运行状态监测

3.1.3 历史趋势数据比对

通过连续的实时在线监测，对波形数据进行分析，得到加速度和速度有效值、幅值、峰值、波形因数、脉冲因数、峭度系数、频谱、电压电流有效值、幅值、功率因数、谐波、温度等能够反应电机运行状态的特征数据，并将这些时域、频域特征值存储至服务器，形成历史数据。在进行实时监测时，可以将实时监测数据与历史数据进行比对，当数据差异较大时，系统发出预警信息。历史趋势数据对比见图4。

图4 历史趋势数据对比

3.1.4 故障前兆诊断预警

系统的核心是电机故障前兆诊断模块。在线状态监测只能简单查看电机是否有异常，无法准确判断故障早期的微弱故障或潜在故障。故障前兆诊断预警模块通过频谱分析、数据趋势化分析、历史数据比对分析，可以识别症状不明显、特征信息微弱、信噪比低等特点的潜在故障。故障前兆诊断预警系统有利于检修人员制定有针对性的维修计划。

3.2 船舶电机维护数据管理

船舶电机维护数据管理主要记录船舶电机维修记录、更换零部件、报废等相关信息。在船舶电机出现异常状态运行时，通过查看船舶电机维护记录信息，可以帮助维修人员快速找到异常运行的原因，排除故障。在故障前兆诊断时，相关零部件的尺寸参数直接影响故障特征频率，从而影响故障前兆诊断结论，因此记录电机维修记录、零部件更换信息对故障前兆诊断具有重要作用。提前采购备件时也需要查看维修记录、更换零部件等相关信息。电机维护数据管理是电机全生命周期数据管理的重要环节。

3.3 生产制造数据管理

系统提供其他平台数据接口用于接收电机生产制造数据，包括电机生产过程中使用的原材料信息、工艺流程数据、电机出厂试验等环节的数据，对电机全生命周期数据管理进行完善和补充。

4 系统特点

4.1 多参数加权融合监测

船舶电机在线运行涉及电路系统、磁路系统、绝缘系统、机械系统、通风散热系统和负载等，其运行参数可分为电参数和非电参数。电参数主要包括电压、电流、功率、功率因数、谐波比例等。非电量参数主要包括温度、流量、压力、振动等。这些参数包含了丰富的电机运行状态信息，船舶电机在异常或故障运行时，异常或故障信息会在相应的电参数或非电参数中有所体现。如：电机发生偏心和轴承故障等机械故障时，会导致振动烈度值变大，直接反应到振动信号中，也会导致船舶电机气隙不均匀，磁路不对称；间接反应到定子电流信号中。对船舶电机运行时的电参数与非电参数进行实时监测，并结合船舶电机运行环境及工况，分析计算各参数的加权值，最终进行多参数加权融合诊断。相对于多参数独立监测，加权融合监测可以更加准确地获取船舶电机在线运行状态数据及故障前兆预警信息。

4.2 故障前兆诊断专家系统

神经网络具有非线性、平行分布处理、学习和自适应性、数据融合、多变量系统等特点。通过信号处理技术获取电机在线运行状态特征数据，结合电机运行工况进行样本学习，构建基于人工神经网络的专家系统。将电机运行工况作为输入参数进行学习，建立的神经网络可以结合工况进行故障前兆诊断，得到更准确的诊断结论。人工神经网络的专家系统在知识获取、并行推理、容错能力等方面具有明显的优越性。在进行故障前兆诊断分析时，人工神经网络专家系统可以处理复杂的机械故障，具备人类专家级水平故障前兆诊断的能力。

4.3 大数据云平台

每套船舶电机监控系统均是独立运行系统，实时对船舶电机的运行实时状态进行监测管理。船舶服务器存储电机生产流程数据、运行状态数据、检修维护数据等全生命周期过程相关的数据，并在靠岸维护保养时与安全局域互联网实现数据共享。系统通过数据积累，形成大数据，对大数据进行分析，获得电机在全生命周期各环节的数据特点，以此作为比对标准，可以提高船舶运行服役质量。

5 结论

(1)保证船舶电机服役质量。船舶电机在线运行状态监测实时监控反映船舶电机运行状态的特征参数，以保证船舶电机处于安全、可靠的运行状态。

(2)降低运维成本。船舶电机故障前兆诊断技术可以准确判断船舶电机故障点和故障类型，给出合理的维修计划，节省人力成本和时间成本。

(3)充分挖掘船舶电机全生命周期价值链。船舶电机全生命周期数据管理可以优化船舶电机制造工艺流程、合理配置资源、提高生产效益。

(4)系统对船舶电机全生命周期进行数据管理，可以提高船舶电机生产和使用过程中的信息化水平、促进电机行业的发展。

本文研究目前尚处于理论研究阶段，尚未应用于实际。后续该系统应用于船舶后将结合某船安装实例进行介绍，并对实际经济效益进行分析。