船舶機械故障診斷中灰色預測理論的應用研究

李云芳　于德山　王邈

摘要：灰色預測理論應用于船舶機械故障診斷中，能夠有效提升船舶接機械故障診斷的效率。本文結合油液光譜分析和工程閾值制定，將改進的灰色預測模型應用到某船綜合傳動裝置的可靠性檢驗中，根據預測油液中Fe 質量濃度的變化，成功地監測到綜合傳動裝置的故障異常征兆信息，有效地防止了故障的發生，希望能夠給相關工作以有益借鑒

關鍵詞：灰色預測理論；油液監測；機械設備；故障診斷

在經濟與社會快速發展的今天，船舶是非常重要的一種運輸工具，但在筆者的實際調查中卻發現，我國當下就船舶機械設備故障診斷展開的研究較少，這就在一定程度上影響了船舶的正常運行，而為了解決這一問題，正是本文就灰色預測理論在船舶機械設備故障診斷中的應用展開具體研究的原因所在。

1 灰色預測理論概述

為了較好完成本文就灰色預測理論在船舶機械設備故障診斷中的應用展開的研究，我們首先需要深入了解何為灰色預測理論。灰色預測理論全稱為灰色系統預測理論，這里理論認為現實世界存在大量已知、未知以及不確定的信息，而灰色系統則是指即存在已知信息又含有未知信息。之所以結合灰色預測理論展開船舶機械設備故障診斷應用的相關研究，主要是由于船舶機械設備在很大程度上具備著灰色系統的特征，而結合這一特征與灰色預測理論，我們就能夠展開統觀全局、全貌的分析，這自然就能夠較好實現船舶機械設備故障診斷。

2 灰色預測理論應用的船舶機械設備故障診斷方法

對于結合灰色預測理論的船舶機械設備故障診斷方法來說，我們需要明晰這一診斷方法的診斷原理與方法步驟。

（1）診斷原理。

對于結合灰色預測理論的船舶機械設備故障診斷方法來說，這一診斷方法的實質屬于船舶機械設備故障模式的識別，而在灰色預測理論的應用中，我們就可以通過將船舶機械設備故障與某參考模式之間的接近程度對比，完成船舶機械設備的狀態識別與故障診斷。

（2）方法步驟。

對于結合灰色預測理論進行的具體船舶機械設備故障診斷來說，這一診斷可以具體分為灰生成、構造標準故障模式向量、確定待檢狀態模式向量、計算灰關聯度、根據關聯度大小進行故障分析與診斷等五個步驟。

①灰生成。

在灰生成這一步驟中，我們需要結合需要進行故障的船舶機械設備，進行其各項參數的量綱采集，但由于采集得到向量綱不能直接用于比較，為此我們就需要結合灰生成步驟將相關采集得到的數據進行無量綱處理，這樣就能夠為后續的研究提供較為有力的支持。在具體的灰生成中，其本身需要經歷層次變換、數值變換以及極性變換。在灰生成的層次變換中，這一變換主要包括累加生產與累減生成；而數值變化則主要包括出值化生成、均值化生成與區間值化生成；而在極性變換中，其主要包括上限效果測試、下限效果測試以及適中效果測試。

②構造標準故障模式向量。

在構造標準故障模式向量這一步驟中，這一步驟我們需要考慮船舶機電設備因多種零件構成而存在的多層次性，而受這一多層次性影響，在具體結合灰色預測理論的船舶機械設備故障診斷中，我們就必須考慮船舶機電設備故障之間存在的關聯關系。而在具體的標準故障模式向量構造中，這一構造需要結合故障模擬試驗才能夠得順利展開，而通過船舶機械設備故障信號的采集，我們就可以完成具體的標準故障模式特征向量矩陣建立，即：

XR=Xr1Xr2…Xrm=Xr1（1）Xr1（2）Xr1（n）Xr2（1）Xr2（2）Xr2（n）…Xrn（1）Xrn（2）Xrn（n）

③確定待檢狀態模式向量。

在結合灰色預測理論的船舶機械設備故障診斷中，我們還需要確定待檢狀態模式向量，而結合上文研究取得的數據，我們就可以完成具體的設備待檢狀態模確定，該待檢狀態模式向量為Y=（y（1，y（2，……，y（n））。值得注意的是，在這一待檢狀態模式向量的確定中，應用的相關數據都必須經歷灰生成進行無量綱化處理，這樣才能夠保證這一環節較好支持船舶機械設備故障診斷的實現。

④計算灰關聯度。

在完成上述三環節工作后，我們就可以開展具體的灰關聯度計算，這一灰關聯度的計算需要結合公式展開。

ryi（y，xi）=1n∑nk=1（y（k），xi（k））

⑤根據關聯度大小進行故障分析與診斷。

完成灰關聯度的計算后，我們就可以進行具體的船舶機械設備故障分析與診斷。在結合關聯度大小進行的故障分析與診斷中，我們需要將所有得到的灰關聯度進行從大到小排序得到灰色關聯序，這樣就能夠確定船舶機械設備故障模式的具體劃分。

3 實際案例分析

機械在傳動過程中，會不斷出現磨損，磨損的顆粒會進入潤滑油中，這樣就會導致潤滑油中的顆粒類物質不斷增加。所以，通過對潤滑油中顆粒物濃度的測定，就能夠較好的分析出相關部件的磨損度。在實際的船舶綜合傳動裝置試驗中應用灰色預測模型，主要分為下面幾個步驟：

（1）運用光譜分析法測定傳動裝置運行不同時間后潤滑油中Fe 的質量濃度。為了更加準確的反映出齒輪磨損狀況，對潤滑油進行采樣時，要使得傳動裝置處于工作狀況，并且每一個都要選取5個不同的位置實施光譜測定，測出鐵元素的質量濃度之后取其平均值。

（2）然后建立灰色預測模型，并計算出預測值預測潤滑油中Fe 質量濃度的變化。依據收集到的潤滑油相關數據，基于前8 個月實測數據建立歐拉算法的預測模型，對該綜合傳動的下一個取樣點的Fe 質量濃度進行預測，將其預測值和實測值進行對比分析。

（3）依據工程界限值來對摩擦部件出現磨損故障的期限進行確定。通過上述測定和預測，可以依據工程界限值來推算出該部位出現故障的時機，這就可以使工作人員在該部件出現故障之前對這些設備實施維護，從而有效避免故障的出現。

4 結語

灰色預測理論在對部件故障進行預測時具有較好的預測精度，且操作較為簡單，因此已經非常廣泛的應用到了機械故障診斷過程中。本文的研究表明：采用灰色預測理論對齒輪傳動故障進行診斷，通過對潤滑油中鐵質量濃度的測定以及其曲線變化情況，結合工程界限值，能夠很好的預測出該部件發生故障的時間，從而使工作人員在故障發生前對部件進行替換，有效地避免了故障的出現，提升了船舶的安全性。

參考文獻：

[1]李華兵，黃進明，榮禮，等.灰色預測理論在船舶機械故障診斷中的應用[J].上海海事大學學報，2017，38（3）：8589.

[2]董立立.灰系統理論及其在故障智能診斷中的應用研究[D].華東理工大學，2007.

[3]董晨辰.基于數據驅動的船舶旋轉機械故障診斷方法研究及應用[D].南京航空航天大學，2016.