船舶電力推進系統(tǒng)狀態(tài)評估軟件設計與實現(xiàn)

何業(yè)蘭 梁樹甜 王孟蓮 呂 丹

（武漢理工大學計算機科學與技術學院1） 武漢 430063） （中國船舶重工集團公司第七一二研究所2） 武漢 430064）（武漢港迪電氣有限公司3） 武漢 430074）

0 引 言

船舶電力推進系統(tǒng)狀態(tài)評估是指，根據(jù)系統(tǒng)或設備的當前運行參數(shù)和歷史數(shù)據(jù)，采取適當?shù)臓顟B(tài)評估方法，對船舶電力推進系統(tǒng)當前及未來運行狀態(tài)進行綜合評定［1－2］．電力推進系統(tǒng)的狀態(tài)評估是船舶電力推進系統(tǒng)高效性和安全性的保障．本文以船舶電力推進系統(tǒng)中的主要設備為檢測評估對象，研究動態(tài)在線監(jiān)測為主的狀態(tài)評估指標體系，以及基于知識的智能評估方法，在此基礎之上設計并實現(xiàn)了一個通用的船舶電力推進系統(tǒng)狀態(tài)評估軟件．

1 評估系統(tǒng)總體設計

1．1 系統(tǒng)功能設計

通用船舶電力推進系統(tǒng)狀態(tài)評估軟件是在線的狀態(tài)評估系統(tǒng)，軟件可以用在不同船上或仿真系統(tǒng)中，對電推設備進行連續(xù)數(shù)據(jù)采集、實時數(shù)據(jù)處理、實時評估．其檢測對象主要是船舶電力推進系統(tǒng)的主要設備如推進電機、推進變頻器、推進變壓器等．軟件采用模塊化設計，支持參數(shù)化配置，該系統(tǒng)的主要功能包括：（1）以電推系統(tǒng)為單位，對系統(tǒng)數(shù)據(jù)進行管理．（2）對狀態(tài)評估模型和預測模型進行參數(shù)配置、樣本選取、模型學習控制等．（3）通信控制．（4）在線評估與預測．接收下位機的實時檢測數(shù)據(jù)，運行評估模型進行在線評估；選擇預測算法．（5）進行信息的實時顯示．分級別顯示歷史數(shù)據(jù)及動態(tài)趨勢圖．

1．2 系統(tǒng)數(shù)據(jù)庫設計

實施評估需要大量描述電力推進系統(tǒng)及其演變過程的準確數(shù)據(jù)，評估軟件的核心是一系列的數(shù)據(jù)庫．本系統(tǒng)數(shù)據(jù)庫主要由以下幾類數(shù)據(jù)組成：（1）工程數(shù)據(jù)庫，為每一個需要評估的電力推進系統(tǒng)建立一個工程，將系統(tǒng)基本技術參數(shù)記錄到工程數(shù)據(jù)庫中，包括電力推進系統(tǒng)所屬船名、各設備的技術參數(shù)、銘牌信息、某些參數(shù)門限值等．（2）在線檢測數(shù)據(jù)庫，存儲電推系統(tǒng)中設備當前的運行數(shù)據(jù)，參數(shù)當前值每隔1s記錄一次．（3）歷史數(shù)據(jù)庫，與當前日期相隔一個月之前的數(shù)據(jù)，自動從在線檢測數(shù)據(jù)庫導入到歷史數(shù)據(jù)庫．（4）樣本數(shù)據(jù)庫，存放評估模型需要的樣本數(shù)據(jù)．（5）預測數(shù)據(jù)庫，存儲預測模型各時刻的預測結果．（6）用戶數(shù)據(jù)庫．

1．3 分布式狀態(tài)評估系統(tǒng)結構設計

設計的船舶電力推進系統(tǒng)狀態(tài)評估系統(tǒng)將采用分布式結構，見圖1．圖中，設待評估的船舶電力推進系統(tǒng)的設備主要分布在m個機艙內，則建立m個機艙工作站，每個工作站由本地計算機、數(shù)據(jù)采集器和若干傳感器組成，m個本地計算機通過通信與主控計算機連接，從而構成分布式結構．

圖1 船舶電力推進系統(tǒng)分布式狀態(tài)評估系統(tǒng)示意圖

2 電力推進系統(tǒng)狀態(tài)評估方法

2．1 系統(tǒng)狀態(tài)評估指標體系構建

本文以電壓型變頻器匹配交流異步電動機的驅動的船舶電力推進系統(tǒng)為評估對象，系統(tǒng)中主要設備包括發(fā)電機組、推進變壓器、推進變頻器、推進電動機等．對每一種設備，根據(jù)科學性、全面性、可測性、層次性、動靜指標相結合、定性與定量相結合等原則．并結合船用設備特性、典型故障對各設備指標參數(shù)進行詳細分析后，得到各設備的狀態(tài)評估指標．

評估指標分為主要技術參數(shù)、試驗檢修數(shù)據(jù)、同類設備故障史、在線監(jiān)測參數(shù)4個部分．

圖2 電力推進系統(tǒng)模糊神經(jīng)網(wǎng)絡狀態(tài)評估模型

以推進變壓器為例，主要技術參數(shù)包括額定容量、初級電壓、次級電壓、效率、絕緣等級；實驗檢修數(shù)據(jù)包括各繞組直流電阻、各繞組絕緣電阻、鐵心絕緣電阻、變壓器老化情況、前期運行故障率；同類設備故障史包括同類設備故障率、同類設備常見故障．在線監(jiān)測參數(shù)分為5組：輸入?yún)?shù)包括原邊三相電壓、原邊三相電流、輸入功率；輸出參數(shù)包括副邊（△形連接）三相電壓、副邊（△形連接）三相電流、副邊（星形連接）三相電壓、副邊（星形連接）三相電流、輸出功率；內部參數(shù)包括原邊各繞組溫度、副邊（△形連接）各繞組溫度、副邊（星形連接）各繞組溫度、實時效率、自身振動、局部放電監(jiān)測；冷卻系統(tǒng)參數(shù)包括風機運行狀態(tài)、出風口溫度、水泵運行狀態(tài)、冷卻水流量、冷卻水溫度、壓力；外部環(huán)境參數(shù)包括外部環(huán)境振動、環(huán)境溫度．

各設備的在線監(jiān)測參數(shù)劃分為四類．第一類為固定限值類；第二類為離散變量；第三類為跟負荷工況相耦合的變量；第四類為環(huán)境參數(shù)類．引入劣化程度指標，每一類指標用不同的數(shù)學形式表達．

評估指標的權重是指在指標評估體系中底層指標對決策問題總目標的影響，或決策中相對重要程度的一種主觀評價和客觀標準的定量表示［3］．采用層次分析法，確定各評估指標的權重，構建船舶電力推進系統(tǒng)狀態(tài)評估的指標體系．

2．2 基于模糊神經(jīng)網(wǎng)絡的電推系統(tǒng)狀態(tài)評估模型

本文將模糊理論與神經(jīng)網(wǎng)絡相結合，依據(jù)電力推進系統(tǒng)的實際，設計電力推進系統(tǒng)狀態(tài)評估的三級模糊神經(jīng)網(wǎng)絡模型，見圖2．圖中，N1～N5為5個一級模糊神經(jīng)網(wǎng)絡，稱為整個狀態(tài)評估模糊神經(jīng)網(wǎng)絡的子網(wǎng)絡，表示電力推進系統(tǒng)狀態(tài)評估的5個部分：推進變壓器、推進變頻器、推進電動機、其他設備和外環(huán)境．其中每個子網(wǎng)絡由于評估設備的不同，輸入結點和輸出結點也不同，結點數(shù)由選定的訓練樣本格式?jīng)Q定．網(wǎng)絡模型的第二層根據(jù)第一層判定的設備所處的狀態(tài)求出設備的狀態(tài)評估評分grade1～grade5，第三層根據(jù)grade1～grade5和各設備的權重求出電力推進系統(tǒng)狀態(tài)評估的最終評分grade．

基于模糊神經(jīng)網(wǎng)絡的狀態(tài)評估的步驟如圖2所示．以有n個狀態(tài)評估指標g1，g2，…，gn，p種故障f1，f2，…，fp，q種正常模式l1，l2，…，lq的設備為例：（1）確定評判集V、因素集U．它們由訓練樣本決定，即V＝｛f1，f2，…，fp，l1，l2，…，lq｝，U＝｛g1，g2，…，gn｝；（2）確定隸屬函數(shù)，只有確定了模糊集V的隸屬度函數(shù)，才能建立模糊關系矩陣R，隸屬函數(shù)確定方法前最常用的是指派法中的升半梯分布法和降半梯分布法；（3）建立模糊關系矩陣R和初始化神經(jīng)網(wǎng)絡，確定了隸屬函數(shù)后，就可以建立模糊關系矩陣R，然后用R初始化神經(jīng)網(wǎng)絡各連接線的權值，在MATLAB中用initnw（）函數(shù)進行神經(jīng)網(wǎng)絡的權值初始化；（4）樣本歸一化；（5）用歸一化后的訓練樣本對神經(jīng)網(wǎng)絡進行訓練．MATLAB仿真軟件提供神經(jīng)網(wǎng)絡工具箱（neural netword toolbox），工具箱中包括各種神經(jīng)網(wǎng)絡的計算函數(shù)，其中train（）函數(shù)是神經(jīng)網(wǎng)絡的訓練函數(shù)，此函數(shù)可設置訓練誤差和訓練次數(shù)，且調用方便；（6）確定評分的權值和特性函數(shù)．此部分包括2個內容，一是確定設備評判集V＝｛f1，f2，…，fp，l1，l2，…，lq｝中各評判級別與設備狀態(tài)評估評分的連線的權值和評分神經(jīng)元的特性函數(shù)，二是確定各設備的評分與電力推進系統(tǒng)狀態(tài)評估總評分的連線的權值和總評分神經(jīng)元的特性函數(shù)．具體的，要根據(jù)設備的實際情況和運行原理做具體分析；（7）完成上述步驟后，就可以根據(jù)評估數(shù)據(jù)對電力推進系統(tǒng)進行狀態(tài)評估，得出最終評分．這里的評估數(shù)據(jù)包括歷史數(shù)據(jù)、當前運行數(shù)據(jù)和預測數(shù)據(jù)．

2．3 評估模型的仿真驗證

本文采用電力推進仿真實驗室的仿真平臺的數(shù)據(jù)進行狀態(tài)評估模型的仿真，該軟件是自主研發(fā)的電力推進系統(tǒng)故障仿真平臺，能進行電力推進系統(tǒng)正常、典型故障情況下的參數(shù)仿真，仿真參數(shù)選取了狀態(tài)評估指標體系中的主要參數(shù)，參數(shù)較全面，具有一定的代表性，能基本反映電力推進系統(tǒng)的運行狀況，可以作為電力推進系統(tǒng)狀態(tài)評估模型的樣本數(shù)據(jù)．在進行正常、典型故障下的仿真基礎上，得到仿真數(shù)據(jù)，經(jīng)過歸一化后才能作為狀態(tài)評估模型的訓練樣本，繼續(xù)進行軟件仿真，得到2個待評估模式的數(shù)據(jù)，見表1．

表1 待評估模式

如訓練誤差取0．001，訓練曲線見圖3．圖中縱坐標為誤差，范圍從10－4～100，橫坐標為訓練次數(shù)．

圖3 模糊神經(jīng)網(wǎng)絡訓練曲線

把表1中模式1的數(shù)據(jù)輸入到訓練好的模糊神經(jīng)網(wǎng)絡，得

V1＝ ［0．9695 0．0698 0 0 0 0 0．0004］

V2＝ ［0．9574 0 0 0．0468 0．0011 0 0］

V3＝ ［0．9738 0．0071 0．038 0．0264 0 0］

計算各設備評分，得grade1＝95．0；grade2＝94．1；grade3＝96．8．最后得電力推進系統(tǒng)狀態(tài)評估最終得分grade＝min（gradei）＝94．1．

評估狀態(tài)為“優(yōu)”，可以延期維修，這與仿真軟件設置的模式一致．

把表2中模式2的數(shù)據(jù)輸入到訓練好的模糊神經(jīng)網(wǎng)絡，得

V1＝ ［0．9862 0．0373 0 0 0 0．0025］

V2＝ ［0．9657 0 0 0．0828 0．028 0．013 0］

V3＝ ［0．0136 0．0011 0．9651 0．0004 0 0］

計算各設備評分，得grade1＝97．4；grade2＝94．1；grade3＝2．4．得電力推進系統(tǒng)狀態(tài)評估最終得分grade＝min（gradei）＝2．4．

評估狀態(tài)為“劣”，應該立即檢修，并由V3可知推進電動機發(fā)生了繞組短路故障，這與仿真軟件設置的模式一致．

將狀態(tài)評估模型訓練前后的系統(tǒng)時間相減即為訓練時間［4］，本例中，模糊神經(jīng)網(wǎng)絡的訓練時間在0．1～0．2s之間．仿真結果表明，將模糊神經(jīng)網(wǎng)絡方法應用于船舶電力推進系統(tǒng)狀態(tài)評估，只要樣本數(shù)據(jù)足夠多，可以給出待評估模式在樣本模式上的置信度，評估精度較高［5－6］．

3 實現(xiàn)方案

3．1 評估流程

電力推進系統(tǒng)狀態(tài)評估，就是要對狀態(tài)評估指標體系綜合考慮后進行評估．評估的目的是為了評估電力推進系統(tǒng)當前運行狀況和潛在故障發(fā)生的可能性以便及時采取措施消除隱患，幫助決策者根據(jù)電力推進系統(tǒng)當前的狀態(tài)制定相應的檢修方案［7］．電力推進系統(tǒng)狀態(tài)評估流程見圖4．

圖4 電力推進系統(tǒng)狀態(tài)評估流程圖

3．2 開發(fā)關鍵技術

軟件構建于B／S結構的．NET平臺visual studio 2012，利用C＃可視化、組件開發(fā)以及高效運行的特點進行系統(tǒng)的開發(fā)．采用SQL Server 2010作為后臺數(shù)據(jù)庫管理系統(tǒng)．

3．2．1 數(shù)據(jù)庫實時訪問技術

系統(tǒng)啟動后通過ADO技術建立數(shù)據(jù)庫連接，在接下來的運行過程中會頻繁地進行數(shù)據(jù)庫訪問．尤其是實時在線檢測和算法處理過程都存在大量數(shù)據(jù)的存儲訪問，如果不采取適當措施，容易出現(xiàn)數(shù)據(jù)庫訪問卡死或界面反應速度慢等問題．因此本文針對不同類型的操作和數(shù)據(jù)采用不同技術來實現(xiàn)數(shù)據(jù)庫的訪問．下位機上傳的檢測數(shù)據(jù)，需要實時更新到數(shù)據(jù)庫中，采用adapter控件來實現(xiàn)實時數(shù)據(jù)的更新，并采用存儲過程來提高數(shù)據(jù)庫的訪問效率．對數(shù)據(jù)庫數(shù)據(jù)的增刪改等操作，如果用傳統(tǒng)方法修改一個數(shù)據(jù)就訪問一次數(shù)據(jù)庫，會大大影響交互速度，采用dataset控件將當前用戶和當前工程的相關數(shù)據(jù)直接加載到內存，用戶操作內存數(shù)據(jù)，最后一次提交到數(shù)據(jù)庫．

3．2．2 模型算法實現(xiàn)

本文采用基于模糊網(wǎng)絡的狀態(tài)評估模型，其實現(xiàn)方式有多種．最常用的一類方法是 MATLAB與高級語言的混合編程，利用MATLAB中強大的函數(shù)庫，在程序中直接調用相關函數(shù)實現(xiàn)算法．這類方法又有3種實現(xiàn)方式，一種是采用MATLAB自帶編譯器mcc，但待編譯的m文件不能涉及MATLAB的內部類，生成代碼可讀性差；第二種方法是調用MATLAB引擎，缺點是不能脫離MATLAB運行環(huán)境；系統(tǒng)開發(fā)前期采取的是第三種方法，通過Matcom將m文件轉化為DLL動態(tài)鏈接庫來調用，可以實現(xiàn)模型算法．但系統(tǒng)最終的實現(xiàn)中，為了實現(xiàn)算法中的細節(jié)，不拘泥于MATLAB庫函數(shù)，沒有采用與 MATLAB混合編程方法，而是用C＃結合了一個第三方的DLL自己編寫函數(shù)來實現(xiàn)算法．預測模型也是自行編寫一個C＃類來實現(xiàn)．

3．2．3 基于多線程的通信技術

本系統(tǒng)運行時存在大量的數(shù)據(jù)通信、秒級的數(shù)據(jù)更新、運算，如果所有的功能完全由一個主線程實現(xiàn)，必然會引起系統(tǒng)反應時間過長、無法達到1s的界面刷新頻率甚至導致系統(tǒng)卡死等問題．因此，本系統(tǒng)采用多線程技術．主控計算機上，主線程處理主界面顯示控制，處理人機交互，對數(shù)據(jù)庫記錄的新增、修改、刪除等操作，評估與預測結果的圖表化顯示．而每一臺本地計算機與主控計算機之間的數(shù)據(jù)通信及數(shù)據(jù)更新到在線檢測數(shù)據(jù)庫等功能由1個單獨的子線程來處理．如果有3臺本地計算機主線程會開辟3個子線程，分工完成系統(tǒng)各項功能．采用多線程技術，軟件運行達到實時性要求［8］．通信部分的功能采用socket技術實現(xiàn)．

軟件運行過程中，主界面實時顯示每個推進設備的評估分數(shù)，1s刷新一次，單擊某臺設備進入下一級界面，顯示在線檢測數(shù)據(jù)表和動態(tài)趨勢圖，見圖5．

圖5 電力推進系統(tǒng)狀態(tài)評估軟件界面

4 結束語

狀態(tài)評估是實現(xiàn)狀態(tài)檢修的前提基礎，十分重要．船舶電推系統(tǒng)狀態(tài)評估軟件采用基于模糊神經(jīng)網(wǎng)絡的評估方法，實現(xiàn)了在線狀態(tài)評估、評估結果及檢測數(shù)據(jù)實時顯示等功能．目前該系統(tǒng)已投入使用，運行效果良好．下一步還需要與其他相關技術和管理措施及其信息系統(tǒng)的相互配合，最終將實現(xiàn)傳統(tǒng)的定期檢修向狀態(tài)檢修的完全過渡．

［1］高海波．船舶電力推進系統(tǒng)的建模與仿真［D］．武漢：武漢理工大學，2008．

［2］黃文生．電氣設備故障診斷的現(xiàn)狀與發(fā)展趨勢［J］．中國電力教育，2010，31：67－71．

［3］吳立增．變壓器狀態(tài)評估方法的研究［D］．保定：華北電力大學，2005．

［4］張東波，徐瑜，王耀南．主動差異學習神經(jīng)網(wǎng)絡集成方法在變壓器DGA故障診斷中的應用［J］．中國電機工程學報，2010，22：15－19．

［5］王 謙．基于模糊理論的電力變壓器運行狀態(tài)綜合評估方法研究［D］．重慶：重慶大學，2005．

［6］程 冰．模糊神經(jīng)網(wǎng)絡研究［D］．廣州：廣東工業(yè)大學，2005．

［7］阮譽婷．電力推進船舶監(jiān)測與控制網(wǎng)絡［D］．大連：大連海事大學，2006．

［8］吳文慶．船舶動力電力系統(tǒng)仿真訓練服務器軟件的設計與實現(xiàn)［D］．大連：大連海事大學，2013．