船舶自动化控制系统故障报警技术的研究

张 政，王宇龙

(中船电子科技（三亚）有限公司，海南 三亚 572024)

0 引言

船舶故障是影响船舶安全的主要因素，且对于大规模的工业系统来说，核心控制机制都离不开故障报警环节的支持和帮助。无论是早期的继电器控制系统还是现阶段的神经元自动控制系统，故障报警技术都是不可或缺的部分。优秀的故障报警系统要遵循准确和实时的原则，系统的硬件设计水平和软件控制水平都应达到相应的层次和标准。

1 故障报警的特征

1.1 准确性

故障报警准确性体现在直接通过监控画面就可以了解到当前控制系统当中出现了哪些故障、故障的性质和程度处于哪个水准。对于一般规模的系统来说，设备的故障点是可以直接进行观看和定位的，但是在船舶的自动化控制系统内部，由于系统比较复杂，故障点数众多，报警软件设计方面就应该划分出具体的层次，并且让正在运行的设备故障能够在第一时间内就体现出来[1]。

目前，随着相关技术的发展，基于自动控制系统的数据采集手段变得更加先进而有效，自动控制系统当中的故障报警点要达到 I/O系统的70%甚至更多，在一些多流程的复杂系统当中，流程选择和流程运行的环节还应该及时地定位并且提示有关故障类型，再通过软件设计的方式来让故障报警机制可以顺利运行[2]。因此，一个单机设备上可以包括上百个故障检测点，在非运行状态下的设备故障信息不会影响到正常的信息查询过程，相关工作人员只需要在了解设备报警表后就可以采用分级分层的多种方式定位报警并处理故障。

1.2 实时性

实时性的核心内容在于可靠的系统性能，并且在保障系统速度的前提下维持良好的系统质量。在限定时间内如果系统可以对外部的异步事件作出反应，那么就可以从规定功能的角度来正确地衡量故障情况。目前故障的报警方式众多，大型自动化控制系统当中所采取的网络结构形式差异会使得故障报警方式出现改变。

例如ProfiBus就是典型的控制网络类型，作为一种较为常见的自动化技术现场总线标准，其优点主要体现在系统结构简单，设计复杂程度低，模块化的设计能够使其成本得到有效控制；组态、调试复杂程度低，相关故障数据能够通过总线进行汇报，提高了故障定位的准确性和即时性；在系统维护方面，其支持网络远程故障诊断，大大降低了系统维护压力；由于该总线标准的扩展性较强，对于未来自动控制系统的功能拓展有着较强的适应性。

1.3 开放化

开放化是整个故障报警系统的主要标志，同时也是自控系统技术发展的必然趋势。开放化指的是一个系统或是多个系统可以在不同的地理位置和要求下进行报警信息的共享，按照不同类型的信息使用目的采取不同的处理方案，从而灵活组合以满足实际的使用需求[3]。从这一角度来看，开放化的技术应用不仅可以让操作人员精确地定位故障产生的区域和情况，还可以利用第三方软件来记录故障信息。

例如，有报警信息时可以自动地弹出窗口显示当前的报警情况，且系统结构明显，遵循故障报警的准确性和开放性原则，采取先进的采集手段让监控系统和操作员的人机交互过程更加简便，便于对故障信息进行分类和查询，然后将数据归档之后强化快速响应机制，能够在促进安全生产方面发挥重要的促进和保障作用。然而，这里需要注意的是，基于系统安全的角度考虑，开放化的自动控制系统应增加抗干扰模块，以及在自动处理单元对控制信号的准确性进行验证，从而避免因开放化导致的自动控制系统故障。

2 自动化控制系统故障报警技术

2.1 多源信息融合技术

多源信息融合技术的原理在于“同时获得不同类型的系统数据”，并且这项技术在推出之后就得到了社会层面的广泛关注。在该技术出现之前人们单纯地通过传感器来采集数据，因此数据比较片面，即便采取多个传感器也只是从不同的角度来孤立地反映出信息，从而产生出信息冗余问题[4]。多传感器信息融合理论的出现之后人们开始将不同传感器所获取的信息进行全方位支配以得到更加准确的结果，其中图1就是多源信息融合技术的主要框架。

图1 多源信息融合理论框架Fig.1 the theoretical framework of multi-source information fusion

具体而言，信息融合指的是多源信息的多层次融合，不同的层次所代表的内容是原始数据的抽象化处理。我们可以将信息融合的层次划分为三个标准，一是原始数据融合，二是特征集融合，三是决策级融合。我们所开展的研究内容也主要是为了确定在哪个层次上可以进行融合，信息融合层次的差异会使得最终的结果产生差异。

数据源的融合是进行数据预处理，在对信息进行检索之后确保信息的一致性，而数据的同化过程则是对信息准确性的判断，对数据本身不会产生严重影响。特征层的融合则指的是每个传感器在进行数据采集之后进行特征提取，对多数据源的特征信息展开综合分析[5]。而决策层融合会将采集的数据经过变换来得到最终的决策结果，并且各个决策结果可以具有“抗感染”能力，传感器损坏也不会影响到故障分析和报警的结果。多源信息融合技术当中的聚类算法等都属于人工智能的范畴，应用于故障探测环节需要考虑到算法的响应速度以及可能出现的漏报、误报问题等。

2.2 危险度评估模型

危险度评估模型是基于船舶结构采取的技术方法，因为船舶内部环境相对复杂，且对于故障的敏感程度不尽相同，如果出现火灾或电路风险等故障，就可能让船舶受到严重的安全威胁。综合来看故障的产生通常是多个方面因素共同导致的结果，某个因素产生偏离而失去控制之后就会导致严重的故障。针对故障的探测不仅要从单一层面进行分析，还应该综合收集大量的信息展开综合判定，及时并有效地对火灾的发生进行评估[6]。利用模糊逻辑控制系统就可以将控制算法加入到控制器当中来对模型进行控制，智能算法可以体现出非常直观的因果关系。在已有的模糊控制系统原理之上，还可以针对船舶的故障危险度进行分析判断。单一的故障探测结果可能会导致误报、漏报情况，利用多探测器获取信息成为今后的发展趋势。前文也提到故障的发生是一个相对复杂的过程，获取全面的故障信息要基于模糊化处理的结果进行推理，再通过反模糊化得到最终结果。例如I级等级的劲爆说明故障的危险程度比较低，只需要安排技术人员进行处理即可；II级的故障则说明故障可能会导致其它问题等[7]。

2.3 智能评估策略

现阶段故障报警系统得到了大规模发展，且系统的联动性更加突出，但为了能够解决长期以来一直存在的误报漏报问题，还应该考虑关联不同船舶舱室的数据来进行有效的早期预警和控制，再使用现代理论算法来进行故障判断。我们可以将不同的舱室看作是统一类型的环境，避免因环境产生的严重影响。在这一方面可以通过建立历史数据表格的方式来呈现出信息，帮助形成故障分析曲线确定工作流程。此时二次推理和智能评估策略的重要性更加突出，例如我们熟悉的人工神经网络技术。人工神经网络可以认为是一个大面积的网络单元，每一个对应的小单元都有着独立的信息处理能力，且单元内部可以包含多方面的输入、输出内容，形成的网络结构也比较灵活，在非线性问题的处理方面意义更加显著。按照神经网络的结构划分为不同的类型之后，就可以在每一个节点上都展开信息的存储和分布[8]。另外 BP神经网络算法还能够按照环境差异进行自我调整，以增加数据的方式来调整生成曲线，最终达到预期或者是理想的结果，突出算法的技术特征。

3 结论

现代船舶系统的发展主要表现在两个方面，一是控制器本身的发展，二是检测手段和检测仪器的技术发展。未来的优秀故障报警系统将在功能上进行完善和优化，精确地利用数据库信息完成故障修复、故障处理等，实现更加智能化的系统设计，从而让自动化系统朝着多样化和多结构层次的方向推进。后续的工作环节也可以考虑利用模糊推理规则来采取多信息融合手段，对模型、参数等进行实际验证之后得到推测结果，减少船舶自动化系统故障的不利影响。