船舶柴油機摩擦磨損監(jiān)測與故障診斷關(guān)鍵技術(shù)研究進展

嚴(yán)新平 李志雄 張月雷 袁成清 彭中笑

1.武漢理工大學(xué)，武漢，430063 2.中國人民解放軍94270部隊，濟南，255017 3.新南威爾士大學(xué)，悉尼，NSW 2052

0 引言

我國90%以上的國際貿(mào)易依靠水路運輸完成，船舶運輸在國民經(jīng)濟中具有重要的作用。大約80%的船舶采用以柴油機為主推進的動力裝置［1］，然而，即使在科學(xué)高度發(fā)達的今天，國內(nèi)外因船舶動力裝置發(fā)生故障而引起的惡性事故仍時有發(fā)生，造成巨大的經(jīng)濟損失及重大人員傷亡［2］。船舶的可靠性分析表明，整條船上所有故障的60%～80%發(fā)生在動力裝置上，而在動力裝置中，40%以上的故障發(fā)生于主柴油機系統(tǒng)［2］。因此，開展船舶柴油機系統(tǒng)的故障辨識、預(yù)測及緩解理論的研究能夠幫助我們及時消除設(shè)備早期故障隱患，保障動力機械設(shè)備安全運行。

2006年中國工程院啟動了“摩擦學(xué)科學(xué)及工程應(yīng)用現(xiàn)狀與發(fā)展戰(zhàn)略研究”的咨詢項目，從調(diào)研的結(jié)果看，船舶柴油機的主要問題集中在活塞－缸套磨損、拉缸燒瓦、氣門間隙異常和氣閥漏氣、連桿大小端軸承和主軸承磨損等典型故障，且這些故障間存在耦合關(guān)系;另外，推進系統(tǒng)中的齒輪箱故障、軸系故障，以及船舶運行的不同工況等都會與柴油機各種故障發(fā)生強耦合，造成柴油機的同一種故障在不同情況下往往有不同的表現(xiàn)，同一種癥狀常常是幾種故障共同作用的結(jié)果。這樣的耦合關(guān)系給船舶柴油機故障的精確檢測、可靠診斷及合理預(yù)測維修帶來了極大的困難。要提高故障診斷效率，必然要對多方面的信息進行綜合評價，大力發(fā)展多學(xué)科交叉融合技術(shù)。

所以，本文從摩擦學(xué)和動力學(xué)信息耦合的角度出發(fā)，以故障信號的感知技術(shù)、故障信號處理和特征提取理論為基礎(chǔ)，對當(dāng)前船舶柴油機故障診斷技術(shù)、特點和存在的問題進行評述，并結(jié)合實例對其發(fā)展方向進行了討論，以期能夠為船舶柴油機系統(tǒng)狀態(tài)評估與早期故障辨識、預(yù)測與維修策略的優(yōu)化提供理論、方法和技術(shù)指導(dǎo)。

1 國內(nèi)外研究現(xiàn)狀及分析

為了確保航運和工程船舶的安全運營，各國對船舶機械的狀態(tài)監(jiān)測均提出了嚴(yán)格的要求。美國船級社(ABS)在1987年制定了《基于預(yù)防維修技術(shù)的檢驗指南》，將振動監(jiān)測、潤滑油監(jiān)測及性能參數(shù)監(jiān)測技術(shù)用于狀態(tài)維修的船舶機械檢驗;挪威船級社(DNV)在其《船舶主機與軸系檢驗手冊》中，將主機與軸系性能監(jiān)測作為造船的主要項目，進行了廣泛的研究;日本船級社(NKK)對船舶機械設(shè)備狀態(tài)監(jiān)測與故障診斷技術(shù)進行了廣泛的研究;中國船級社上海規(guī)范所編寫了《柴油機滑油狀態(tài)監(jiān)測系統(tǒng)指南》和《螺旋槳軸狀態(tài)監(jiān)測系統(tǒng)指南》等指導(dǎo)性文件，并明確提出了船舶主機與輔機的性能監(jiān)測和故障診斷的要求［3-4］。

具體應(yīng)用方面，國外于20世紀(jì)70年代后期就開始用聲振診斷技術(shù)來研究柴油機的故障，世界航運先進國家，如瑞士、挪威、日本、丹麥、德國、英國和美國已逐步將此項技術(shù)應(yīng)用到船舶柴油機。美國于1985年研制出機車柴油機故障診斷專家系統(tǒng);Liogd's Register of Shipping、University of Newcastle、Marconi Command and Control System Ltd.合作開發(fā)出Condition/Performance Monitoring and Predictive System for Diesel Engines(CPMPS)系統(tǒng)，該系統(tǒng)功能包含狀態(tài)監(jiān)測、故障診斷、性能優(yōu)化、性能監(jiān)測和預(yù)報維修。我國從20世紀(jì)80年代初開始對往復(fù)式內(nèi)燃機故障診斷作探索性研究，武漢理工大學(xué)、海軍工程大學(xué)、華中科技大學(xué)等高校及研究機構(gòu)在利用聲振技術(shù)診斷故障方面做了大量的研究工作。其中，武漢理工大學(xué)對柴油機主要運動件的故障(活塞－缸套磨損、氣閥漏氣、連桿大小端軸承和主軸承磨損等)進行了研究，并研制出柴油機智能診斷儀DCM－Ⅱ，該設(shè)備可不解體診斷柴油機活塞－缸套磨損和氣閥漏氣等故障［5］。但是，從這些國內(nèi)外所研發(fā)的診斷設(shè)備的應(yīng)用情況來看，缺乏對不同監(jiān)測特征信息間的融合研究，也未建立相應(yīng)的遠(yuǎn)程診斷中心，無法及時指導(dǎo)故障維護。因此，對船舶柴油機故障的早期檢測、診斷與維修的研究仍有較大提升空間。

1.1 耦合機理與診斷技術(shù)研究進展

柴油機是復(fù)雜的機械系統(tǒng)，其摩擦學(xué)行為是多個學(xué)科行為強耦合的結(jié)果［6］。隨著時間變化，機器部件的摩擦磨損不僅會有磨損量的變化、磨粒的產(chǎn)生、磨損表面的變化，還會伴有振動、噪聲、熱力參數(shù)等信息的變化。當(dāng)磨損至故障出現(xiàn)時，這些信息會顯著變化。王義亮等［7］從理論上對多缸內(nèi)燃機缸套－活塞系統(tǒng)摩擦學(xué)與動力學(xué)的耦合問題進行了研究，給出了多缸內(nèi)燃機缸套－活塞系統(tǒng)摩擦學(xué)與動力學(xué)耦合問題的數(shù)學(xué)模型。戴旭東等［8］建立了內(nèi)燃機缸套－活塞系統(tǒng)油膜潤滑與動力學(xué)行為的耦合分析模型，并用數(shù)值方法對單缸四沖程內(nèi)燃機進行了仿真分析。李震［9］探討了軸－軸承系統(tǒng)摩擦學(xué)、動力學(xué)耦合問題。這些研究結(jié)果表明了內(nèi)燃機系統(tǒng)的摩擦學(xué)與動力學(xué)存在強耦合關(guān)系。因此，需要將系統(tǒng)的動力學(xué)行為與摩擦磨損狀態(tài)耦合起來，賦予系統(tǒng)可監(jiān)測性［10-11］，以進行可靠的狀態(tài)評估。

雖然熱力參數(shù)監(jiān)測、瞬時轉(zhuǎn)速監(jiān)測、振動監(jiān)測和油液監(jiān)測等技術(shù)均已應(yīng)用到船舶主機故障診斷［12］，但實際應(yīng)用中，這些方法大都是獨立使用的，并未深入分析動力學(xué)和摩擦學(xué)信息之間的相關(guān)性與獨立性。嚴(yán)格說來，檢測量與故障特征之間、故障特征與故障源之間都是一種非線性映射。因此，故障的多樣性、不確定性和各種故障之間耦合的復(fù)雜性構(gòu)成了故障診斷技術(shù)上的難點，僅靠單一領(lǐng)域內(nèi)故障特征量和診斷方法難以完成診斷任務(wù)，如單獨使用磨粒分析或振動分析僅能診斷30% ～40%的機器故障［13-15］。最近的研究表明，將不同監(jiān)測技術(shù)合理融合，能夠更加準(zhǔn)確可靠地診斷機械故障，顯著提高狀態(tài)監(jiān)測性能，從而為工業(yè)企業(yè)提供更加有效的維修策略［13］。文獻［14-15］采用磨粒分析和振動分析相結(jié)合的方法，對齒輪箱的狀態(tài)進行監(jiān)測，取得了較好的效果，但該方法在柴油機的主要摩擦副上的應(yīng)用還不多見。Zhao等［16］對滾動軸承故障進行聯(lián)合診斷時用到了油液信息和振動信息。郭文勇等［17］針對柴油機缸套－活塞副不同的磨損運行狀態(tài)，利用機體表面振動及油樣鐵譜分析方法進行了研究，取得了較好效果。但他們的研究主要集中于振動信息與油液信息間的對比，沒有在兩者信息的耦合上作深入分析。因此，利用信息融合技術(shù)研究船舶柴油機摩擦學(xué)與動力學(xué)耦合還有較大提升空間［13］。

1.2 傳感器研究進展

離線監(jiān)測固然有精確度高的優(yōu)點，但很難保證數(shù)據(jù)的時效性，無法真正及時地診斷故障。因此，發(fā)展在線監(jiān)測是視情維修的必然。針對船舶柴油機具體運行環(huán)境，在線監(jiān)測儀器和系統(tǒng)正成為研發(fā)熱點。在油液傳感器方面，Advance Technology Materials Research研制的在線實時潤滑油磨粒分析裝置XFS和Pacific Northwest National Laboratory研制的XRF都是利用不同物質(zhì)受到激發(fā)后輻射不同能量的特征X射線的原理進行元素定量分析和檢測的。作為在線式油液監(jiān)測傳感器與集成技術(shù)的國際領(lǐng)先廠家，Kittiwake開發(fā)出的ANALEXrs傳感器套件組能夠系統(tǒng)報告鐵磨損顆粒及油液的狀態(tài)。Wu等［18］研發(fā)了具有可視功能的在線鐵譜傳感器，建立了適用于在線鐵譜圖像的定量描述方法，提出磨粒面積百分覆蓋指數(shù)(IPCA)評價指標(biāo);同時他們聯(lián)合嚴(yán)新平等［10-11］將在線鐵譜傳感器應(yīng)用到實船監(jiān)測中。深圳先波公司也聯(lián)合嚴(yán)新平等［10-11］將所研制的FWS－2型在線液體黏度傳感器應(yīng)用到實船監(jiān)測中。在振動傳感器方面，ABB電氣公司開發(fā)了Cylmate System的柴油機在線監(jiān)測系統(tǒng)。Cylmate System設(shè)計了氣缸壓力傳感器及其信號分析系統(tǒng)，可以實時監(jiān)測氣缸工作壓力，準(zhǔn)確評估柴油機工作狀態(tài)。楊建國等［19］研發(fā)了基于磁阻技術(shù)的船舶柴油機活塞環(huán)磨損監(jiān)測傳感器。這種磁阻傳感器通過檢測活塞環(huán)磨損引起的磁場大小和方向的變化來準(zhǔn)確判斷活塞環(huán)的磨損量，實現(xiàn)船舶柴油機的在線磨損檢測。嚴(yán)新平等［10-11］運用最新的光纖傳感技術(shù)提出了磨粒光纖在線檢測方法和磨粒信息在線鐵譜獲取方法，并實現(xiàn)了磨粒鐵譜圖像的可視化。其他先進傳感技術(shù)，如非接觸光電傳感器、無線傳感器智能網(wǎng)絡(luò)等，也正在不斷被研發(fā)并應(yīng)用到實踐當(dāng)中。

1.3 信號分析及處理進展

近十年來，信號處理技術(shù)突飛猛進，在機械故障的振動分析與診斷方面取得了諸多成果［5-20］。但是在船舶柴油機領(lǐng)域，目前還存在如下關(guān)鍵問題:

首先是可靠的故障振動信號獲取問題。目前，廣泛采用的振動測試技術(shù)已經(jīng)比較成熟，但在船舶柴油機的信號采集方面存在一定的不足，主要表現(xiàn)在傳感器無法安裝，不能實現(xiàn)非接觸、不解體地在線檢測，在實船中無法得到穩(wěn)態(tài)信號，因此傳統(tǒng)傅里葉變換的應(yīng)用受到極大限制［20］。更主要的是，在實船測試中，往往會有多個故障的同時存在，這樣得到的聲振信號是多個源信號的混合體，且被噪聲嚴(yán)重污染，由此嚴(yán)重影響故障診斷的準(zhǔn)確性和可靠性。因此，盲源分離問題即如何從柴油機聲振信號中提取關(guān)鍵故障振動源成為目前研究的重點內(nèi)容。獨立分量分析(ICA)被證明是一種有效的盲源分離算法［21］，將ICA算法應(yīng)用到機械故障診斷是最近幾年的研究熱點［22］。上海交通大學(xué)、浙江大學(xué)、西安交通大學(xué)、中國科學(xué)技術(shù)大學(xué)等高校都將ICA技術(shù)應(yīng)用到發(fā)動機及旋轉(zhuǎn)機械的振源識別中，取得了較好的故障診斷效果。但是目前多采用的是線性構(gòu)架的ICA算法(如FastICA［21］)，在處理非線性變化的信號上還有一定的局限［22］，如分解失真等。因此，如何改進線性ICA、研究非線性ICA算法，使其適用于非線性、非平穩(wěn)混合信號的分離，對于故障特征的準(zhǔn)確提取是非常有益的。

其次，在故障信號特征提取技術(shù)方面，小波變換得到最為廣泛的應(yīng)用，而且新的小波函數(shù)不斷構(gòu)造出來，如平穩(wěn)小波、復(fù)小波、諧波小波等都在故障診斷中得到了應(yīng)用。近年來，小波方法與其他信號分析方法相結(jié)合也成為小波應(yīng)用的一個方向，如小波與相關(guān)分析、小波與包絡(luò)譜、小波與ICA、小波與奇異值分解(SVD)、小波與神經(jīng)網(wǎng)絡(luò)、支持向量機(SVM)等相結(jié)合的特征提取方法。雖然小波變換分析取得了很大的成功，但小波分析是非自適應(yīng)的，一旦基小波函數(shù)選定，那么分析所有的數(shù)據(jù)都必須用此小波函數(shù)。該基小波在全局上可能是最佳的，但對某個局部區(qū)域來說可能是最差的。另外，小波變換本質(zhì)上是窗口可調(diào)的傅里葉變換，因而沒有擺脫傅里葉變換的局限，基小波的有限長會造成信號能量的泄露，使信號的能量在時域/頻域上的分布很難定量給出。為解決這些問題，Sweldens［23］提出基于時域運算的第二代小波變換，它擺脫了傅里葉變換束縛，同時繼承了傳統(tǒng)小波變換的時頻局部化特征，并具有算法簡單、運算快速等優(yōu)點，在故障診斷中得到重視。何正嘉等［24］研究了第二代小波在旋轉(zhuǎn)機械故障診斷中的性能。高立新等［25］利用第二代小波降噪技術(shù)進行了軸承故障診斷。但是在船舶柴油機上應(yīng)用第二代小波的報道還比較少見，因此有必要在船舶柴油機故障診斷中研究第二代小波的性能。

再次，如何對提取的故障特征進行降維去冗余也是學(xué)者關(guān)注的熱點。有效的特征降維不僅可以發(fā)現(xiàn)表征故障的主要特征，而且能夠減小計算復(fù)雜度，提高診斷精度。常見的主成分分析(PCA)及Fisher判別分析(FDA)等方法對具有線性結(jié)構(gòu)和滿足高斯分布的數(shù)據(jù)集有較好的處理效果，但在處理“高維數(shù)、非結(jié)構(gòu)化”的非線性數(shù)據(jù)時效果欠佳;自組織特征映射(SOM)雖然能夠處理非線性問題，但是存在計算復(fù)雜、結(jié)果不穩(wěn)定等問題。這些模式識別方法都很難發(fā)現(xiàn)嵌入在故障數(shù)據(jù)中的非線性結(jié)構(gòu)，反映在故障分類上則體現(xiàn)為故障識別準(zhǔn)確度的下降或錯判［26］。自2000年Science雜志上發(fā)表3篇有關(guān)流形學(xué)習(xí)的研究成果［27-29］以來，關(guān)于流形學(xué)習(xí)的研究成為熱點。流形學(xué)習(xí)較之于傳統(tǒng)的線性降維方法，能夠有效地發(fā)現(xiàn)非線性高維數(shù)據(jù)的本質(zhì)結(jié)構(gòu)，可靠提取數(shù)據(jù)的關(guān)鍵特征，故而越來越受到機器學(xué)習(xí)和認(rèn)知科學(xué)領(lǐng)域研究者的重視。將基于流形學(xué)習(xí)的非線性降維算法用于故障模式分類，對船舶柴油機進行故障診斷，有可能為智能故障診斷提供了一條新的途徑［26］。

最后，如何在物理意義層面實現(xiàn)摩擦學(xué)信息與振動信息的關(guān)聯(lián)，直接決定兩者耦合應(yīng)用效果。柴油機摩擦的加劇會導(dǎo)致振動強度的增加，而不同摩擦磨損機理與模式會造成振動固有信息的改變。Peng等［14-15］研究了振動分析與磨粒分析的映射關(guān)系，但試驗對象不是柴油機。謝小鵬等［30］從能量損耗角度建立兩者的聯(lián)系，但是在驗證方面只應(yīng)用到了振動能量監(jiān)測模型。Zhao等［16］利用數(shù)理統(tǒng)計方法聯(lián)系摩擦學(xué)與振動學(xué)信息，但是未探討信息間的物理關(guān)聯(lián)。因此，系統(tǒng)研究柴油機關(guān)鍵摩擦副磨損與振動的關(guān)聯(lián)技術(shù)，給出其物理含義，繼而從人工智能方面建立兩者的聯(lián)合故障診斷模型，對提高船舶柴油機摩擦學(xué)系統(tǒng)的故障診斷范圍和精度都有重要價值。

綜上所述，近十多年來國內(nèi)外將振動分析、油液分析等技術(shù)應(yīng)用于大型機械裝備狀態(tài)監(jiān)測的研究應(yīng)用和報道很多，并取得了卓有成效的成果，創(chuàng)造了巨大的經(jīng)濟效益。但是總體來說，在船舶柴油機系統(tǒng)狀態(tài)監(jiān)測與故障診斷中，將振動分析和油液分析聯(lián)合利用的報道還很少見，基于摩擦學(xué)與動力學(xué)融合的報道和論文也就更少了。因此，研究多傳感信息的有效融合理論與技術(shù)將對船舶柴油機系統(tǒng)的狀態(tài)監(jiān)測產(chǎn)生有益影響，從而為推進船舶動力機械系統(tǒng)的狀態(tài)監(jiān)測和故障診斷做出積極的貢獻。

2 發(fā)展趨勢

2.1 多傳感信息融合技術(shù)

多傳感信息融合被認(rèn)為是最有前途的故障診斷方向之一，較好解決了不同專業(yè)領(lǐng)域的傳感信息融合問題，不僅可以擴大故障診斷范圍，還可以提高故障診斷精度，為工業(yè)生產(chǎn)提供更加可靠、強大的狀態(tài)監(jiān)測與故障診斷能力。在船舶柴油機故障診斷領(lǐng)域，已經(jīng)有學(xué)者開始將振動分析與油液分析結(jié)合起來使用;然而，兩者間在物理層面到底具有怎樣的理論聯(lián)系目前還無學(xué)者披露。

船舶柴油機故障診斷還有其他有效的方法，如瞬時轉(zhuǎn)速/扭矩法、性能參數(shù)法等。如果將更多的方法融合到一個系統(tǒng)框架是否可以增強診斷系統(tǒng)的能力是值得學(xué)者們研究的。武漢理工大學(xué)可靠性工程研究所已經(jīng)在該方面展開了理論與實踐研究。圖1所示為所研發(fā)的船舶機艙監(jiān)控診斷系統(tǒng)。該系統(tǒng)融合了多尺度傳感信息，能夠?qū)Υ安裼蜋C及其他機械設(shè)備潛在的故障威脅及時做出判斷，避免重大事故發(fā)生。如某次齒輪泵磨損故障，前期征兆是柴油機齒輪泵位置溫度不斷上升，接著在線鐵譜儀出現(xiàn)較大磨損顆粒(圖2、圖3);隨后工程人員及時利用光譜分析儀測得油液中Fe與Al含量超過正常水平，從而確定故障發(fā)生以及故障部位，停車檢查發(fā)現(xiàn)齒輪泵齒輪磨損破壞(圖4)。由此可見，通過多種檢測方法的融合，可以及時、準(zhǔn)確發(fā)現(xiàn)故障，保證柴油機安全運行。

圖1 船舶機艙監(jiān)控診斷系統(tǒng)

圖2 在線鐵譜圖像

圖3 故障磨粒覆蓋指數(shù)變化曲線

武漢理工大學(xué)可靠性工程研究所正致力于船舶柴油機故障診斷難點問題(包括機器振動信號的盲源分離問題和故障特征非線性降維問題等)的研究。圖5所示為其初步建立的多尺度傳感信息智能融合系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò)和專家知識對不同時空信息進行處理，從而給出較為合理的診斷結(jié)果。在此基礎(chǔ)上，進一步的研究將通過實驗室試驗與實船測試相結(jié)合的方法不斷改進和完善診斷系統(tǒng)，從而獲得更好的工程實踐效果。

圖4 磨損破壞的齒輪泵部件

圖5 多尺度傳感信息智能融合理論體系

2.2 遠(yuǎn)程故障診斷

遠(yuǎn)程故障診斷思想早就有之。西屋公司早在20世紀(jì)80年代就開始研發(fā)網(wǎng)絡(luò)化監(jiān)測診斷系統(tǒng)，建立了沃倫多故障運行中心(DOC)，實現(xiàn)全美20多個電廠的數(shù)據(jù)信息在線/離線監(jiān)測［31］;三菱重工也研制成了遠(yuǎn)程機械狀態(tài)監(jiān)測系統(tǒng)［32］。Xu等［33］率先建立了遠(yuǎn)程信號分析與診斷服務(wù)器站點，開發(fā)了大型機械系統(tǒng)狀態(tài)監(jiān)測遠(yuǎn)程智能診斷系統(tǒng)。隨后，西安交通大學(xué)推出了RMMDS系統(tǒng)，哈爾濱工業(yè)大學(xué)研發(fā)了MMMD系統(tǒng)等。在船舶機械系統(tǒng)遠(yuǎn)程診斷方面，目前主要有武漢理工大學(xué)、哈爾濱工程大學(xué)和大連海事大學(xué)等科研院所在進行相關(guān)理論研究與產(chǎn)品開發(fā)。圖6所示為武漢理工大學(xué)研發(fā)的船舶動力機械遠(yuǎn)程診斷系統(tǒng)。該系統(tǒng)集成了圖1所示診斷框架，能及時發(fā)現(xiàn)船舶柴油機等設(shè)備的早期故障，并已經(jīng)應(yīng)用到挖泥船、遠(yuǎn)洋救助船。

圖6 船舶動力系統(tǒng)遠(yuǎn)程故障診斷系統(tǒng)

目前，船舶故障診斷系統(tǒng)主要采用局域網(wǎng)來實現(xiàn)單條船舶各種自動化設(shè)備的控制與運行狀態(tài)監(jiān)測，缺乏對一批不同類型船舶的遠(yuǎn)程實時監(jiān)控能力，不能實現(xiàn)資源的優(yōu)化配置與共享［11］。現(xiàn)有的網(wǎng)絡(luò)化遠(yuǎn)程船舶機艙自動化系統(tǒng)能夠利用網(wǎng)絡(luò)通信技術(shù)監(jiān)控某一區(qū)域內(nèi)的所有船只，實時上傳各船的運行參數(shù)到陸上機務(wù)管理中心，供機務(wù)管理人員監(jiān)視各船的實時運行狀況，分析不同船只的運行性能，優(yōu)化運行方式，給出正確維護決策。但現(xiàn)有的系統(tǒng)存在以下的問題:

(1)機電液一體化控制系統(tǒng)與故障診斷系統(tǒng)獨立，未實現(xiàn)狀態(tài)監(jiān)測控制與故障診斷的融合，從而難以建立起船舶關(guān)鍵設(shè)備的預(yù)測與健康管理系統(tǒng)(PHM)。

(2)現(xiàn)有遠(yuǎn)程故障診斷系統(tǒng)僅僅解決了信息從“現(xiàn)場”到“異地”的遠(yuǎn)程通信問題，且診斷對象單一，在面對多對象、多任務(wù)時，如何集成與協(xié)同多種方法以及在智能診斷層面相對表現(xiàn)不足。

因此，有必要開發(fā)新一代船舶機艙綜合一體化系統(tǒng)來解決這些問題，這對降低船舶運行和保障費用、全壽命總擁有費用，提高機艙設(shè)備和復(fù)雜系統(tǒng)的安全性具有重要意義。

3 結(jié)語

綜上所述，目前對復(fù)雜海洋環(huán)境下船舶柴油機狀態(tài)監(jiān)測與故障診斷的理論和技術(shù)還需進一步研究，船舶柴油機摩擦學(xué)與動力學(xué)信息在物理意義上的融合及其規(guī)律還缺乏客觀的認(rèn)識，尚缺乏有效的融合與分析方法。因此，需要通過對船舶柴油機運行過程的信號感知、信號融合等進行深入研究，提出簡單、有效的監(jiān)測故障的物理參數(shù)指標(biāo)及智能融合指標(biāo)，建立船舶柴油機遠(yuǎn)程智能故障診斷中心，保障船舶柴油機安全、可靠、高效的運行，為船舶柴油機在復(fù)雜海洋航行環(huán)境中的狀態(tài)監(jiān)測與故障診斷水平提升提供理論支持。

［1］Lamaris V，Hountalas D.A General Purpose Diagnostic Technique for Marine Diesel Engines－Application on the Main Propulsion and Auxiliary Diesel Units of a Marine Vessel［J］.Energy Conversion and Management，2010，51(4):740-753.

［2］Swedish Club.Main Engine Damage Update［R］.Gothenburg:The Swedish Club Highlights，2005.

［3］李敏.船舶動力裝置狀態(tài)監(jiān)測與主機故障診斷的研究［D］.重慶:重慶大學(xué)，2009.

［4］朱新河，嚴(yán)志軍，周慶余.論船舶機械潤滑油監(jiān)測技術(shù)及中國船級社的相關(guān)規(guī)則［J］.世界海運，2000(2):43-44.

Zhu Xinhe，Yan Zhijun，Zhou Qingyu.Study on the Marine Machinery Oil Monitoring Technique and CCS Police［J］.World Ocean Shipping，2000(2):43-44.

［5］曹龍漢，曹長修，孫穎楷，等.柴油機故障診斷技術(shù)的現(xiàn)狀及展望［J］.重慶大學(xué)學(xué)報(自然科學(xué)版)，2001，24(6):134-138.

Cao Longhan，Cao Changxiu，Sun Yingkai，et al.State and Prospects of Diesel Engine Fault Diagnosis Technique［J］.Journal of Chongqing University(Natural Science Edition)，2001，24(6):134-138.

［6］Xie Youbai.Three Axioms in Tribology［M］//Gao Wanzhen，Li Jian.Proceedings ofⅢ International Symposium on Tribo－fatigue.Changsha:Hunan University Press，2000:17-23.

［7］王義亮，謝友柏.多缸內(nèi)燃機缸套－活塞系統(tǒng)摩擦學(xué)與動力學(xué)耦合問題的研究［J］.潤滑與密封，2005(2):1-5.

Wang Yiliang，Xie Youbai.Research on the Coupling Problem of the Tribological and Dynamic Behaviors in the Piston－liner Systems of Multi－cylinder Internal Combustion Engines［J］.Lubrication Engineering，2005(2):1-5.

［8］戴旭東，袁小陽，謝友柏.內(nèi)燃機缸套－活塞系統(tǒng)摩擦學(xué)與動力學(xué)行為耦合分析［J］.西安交通大學(xué)學(xué)報，2003，37(7):683-687.

Dai Xudong，Yuan Xiaoyang，Xie Youbai.Study on Coupling Dynamic Behavior to Tribological Behavior in Cylinder－piston System in Internal Combustion Engine［J］.Journal of Xi'an Jiaotong University，2003，37(7):683-687.

［9］李震.內(nèi)燃機曲軸－軸承系統(tǒng)摩擦學(xué)動力學(xué)耦合研究［D］.合肥:合肥工業(yè)大學(xué)，2005.

［10］嚴(yán)新平，張月雷，袁成清，等.可監(jiān)測性設(shè)計在機械產(chǎn)品中的應(yīng)用研究［J］.中國機械工程，2010，21(20):2500-2504.

Yan Xinping，Zhang Yuelei，Yuan Chengqing，et al.Study on Monitorability－based Design in Mechanical Equipment［J］.China Mechanical Engineering，2010，21(20):2500-2504.

［11］嚴(yán)新平，張月雷.物聯(lián)網(wǎng)環(huán)境下的機械系統(tǒng)狀態(tài)監(jiān)測技術(shù)的展望［J］.中國機械工程，2011，22(24):3011-3015.

Yan Xinping，Zhang Yuelei.Thoughts of Mechanical System Condition Monitoring Technology under IOT［J］.China Mechanical Engineering，2011，22(24):3011-3015.

［12］Jones N B，Li Yuhua.A Review of Condition Monitoring and Fault Diagnosis for Diesel Engines［J］.Tribotest，2000，6(3):267-291.

［13］Maru M M，Castillo R S，Padvese L R.Study of Solid Contamination in Ball Bearings through Vibration and Wear Analyses［J］.Tribology International，2007，40(3):433-440.

［14］Peng Z，Kessissoglou N，Cox M.A Study of the Effect of Contaminant Particles in Lubricants Using Wear Debris and Vibration Condition Monitoring Techniques［J］.Wear，2005，258(11/12):1651-1662.

［15］Peng Z，Kessissoglou N.An Integrated Approach to Fault Diagnosis of Machinery Using Wear Debris and Vibration Analysis［J］.Wear，2003，255(7/12):1221-1232.

［16］Zhao Xinze，Yan Xinping，Zhao Chunhua，et al.Research on the Correlation between Oil and Vibration Monitoring in Information Collecting and Processing Monitoring［J］.International Journal of Plant Engineering and Management，2004(1):46-53.

［17］郭文勇，孫云嶺，張永祥.柴油機缸套－活塞副磨損動態(tài)監(jiān)測方法研究［J］.內(nèi)燃機工程，2005，26(6):48-50.

Guo Wenyong，Sun Yunling，Zhang Yongxiang.Dynamic Monitoring Method of Diesel Cylinder－piston Pair Wear［J］.Chinese Internal Combustion Engine Engineering，2005，26(6):48-50.

［18］Wu T，Mao J，Wang J，et al.A New On － line Visual Ferrograph［J］.Tribology Transactions，2009，52(5):623-631.

［19］楊建國，彭章明，余永華，等.基于磁傳感技術(shù)的活塞環(huán)磨損監(jiān)測方法研究［J］.內(nèi)燃機學(xué)報，2010，28(1):85-89.

Yang Jianguo，Peng Zhangming，Yu Yonghua，et al.Research on Monitoring Method of Piston Ring Wear Based on Magneto － resistive Sensor［J］.Transactions of CSICE，2010，28(1):85-89.

［20］田昊，唐力偉，田廣，等.基于核獨立分量分析的齒輪箱故障診斷［J］.振動與沖擊，2009，28(5):163-166.

Tian Hao，Tang Liwei，Tian Guang，et al.Fault Diagnosis of Gearbox Based on KICA［J］.Journal of Vibration and Shock，2009，28(5):163-166.

［21］Hyvarinen A，Karhunen J，Oja E.Independent Component Analysis［M］.New York:John Wiley，2001.

［22］Jiang Yu，Qin Li，Zhang Yuelei，etal.Vibration Signal Processing for Gear Fault Diagnosis Based on Empirical Mode Decomposition and Nonlinear Blind Source Separation［J］.Noise and Vibration Worldwide，2010，42(11):55-61.

［23］Sweldens W.The Lifting Scheme:A Construction of Second Generation Wavelets［J］.SIAM Journal on Mathematical Analysis，1997，29(2):511-546.

［24］何正嘉，曹宏瑞，李臻，等.銑削刀具破損檢測的第二代小波變換原理［J］.中國科學(xué)(E輯:技術(shù)科學(xué))，2009，39(6):1174-1184.

He Zhengjia，Cao Hongrui，Li Zhen，etal.Milling Tool Breakage Detection Using the Second Generation Wavelet Transform［J］.Science in China(Series E:Technological Sciences)，2009，39(6):1174-1184.

［25］高立新，殷海晨，張建宇，等.第二代小波分析在軸承故障診斷中的應(yīng)用［J］.北京工業(yè)大學(xué)學(xué)報，2009，35(5):577-561.

Gao Lixin，Yin Haichen，Zhang Jianyu，et al.An Application of the Second Generation of Wavelet Transform in the Fault Diagnosis of Rolling Bearings［J］.Journal of Beijing University of Technology，2009，35(5):577-561.

［26］Li Zhixiong，Yan Xinping，Jiang Yu，etal.A New Fata Mining Approach for Gear Crack Level Identification Based on Manifold Learning［J］.Mechanika，2012，18(1):29-34.

［27］Seung H S，Lee D D.The Manifold Ways of Perception［J］.Science(S0036 － 8075)，2000，290(5500):2268-2269.

［28］Roweis S，Saul L.Nonlinear Dimensionality Reduction by Locally Linear Embedding［J］.Science(S0036 －8075)，2000，290(5500):2323-2326.

［29］Tenenbaum J，Silva D D，Langford J.A Global Geometric Framework for Nonlinear Dimensionality Reduction［J］.Science(S0036 － 8075)，2000，290(5500):2319-2323.

［30］謝小鵬，肖海兵，馮偉.基于能量耗損的發(fā)動機故障診斷方法研究［J］.潤滑與密封，2011，36(5):1-4.

Xie Xiaopeng，Xiao Haibing，F(xiàn)eng Wei.Study on Engine Fault Diagnosis Based on Energy Loss［J］.Lubrication Engineering，2011，36(5):1-4.

［31］孫穎楷.內(nèi)燃機智能故障診斷系統(tǒng)的研究及應(yīng)用［D］.重慶:重慶大學(xué)，2001.

［32］邱赤東.船舶異步電機遠(yuǎn)程故障診斷技術(shù)的研究［D］.大連:大連海事大學(xué)，2008.

［33］Xu Z，Xuan J，Shi T，et al.Application of a Modified Fuzzy ARTMAP with Feature－weight Learning for the Fault Diagnosis of Bearing［J］.Expert Systems with Applications，2009，36(6):9961-9968.