基于TEAMS 的調距槳電液系統故障診斷測試性建模與分析

婁 康，王 溢，付黃龍

（1. 上海船舶設備研究所，上海 210031；2. 大連船舶重工集團有限公司，遼寧大連 116021)

0 引言

近幾年來，隨著調距槳裝置使用數量和使用強度的大幅提升，設備出現故障的頻率和風險越來越高，艦員級故障處理過程中暴露出故障定位困難和處置措施缺乏等問題[1-2]，艦船使用單位迫切希望研制單位全面提升調距槳裝備尤其是電液系統的故障診斷水平，并通過故障診斷技術實現裝備運行狀態的自評估、運行維護和檢修作業的智能引導，從而全面提升裝備的保障性，提升現場故障處置能力[3-5]。

國外調距槳的主要生產廠商有KAMEWA公司、Wartsila公司、SCHOTTEL公司和MAN公司等。國際上主流廠商的調距槳裝置均實現了一定程度的智能化，人機界面友好，具有一定故障診斷和狀態預測能力[6-7]。調距槳電液系統的智能化和在線診斷測試技術受到了非常高的關注，各廠商均投入了較多的研發資源從事相關工作，并取得了一定的進展。

國內廠商和科研機構圍繞調距槳的研究工作主要集中于裝備的基礎功能和技術性能的實現，在故障診斷方面開展的研究工作較少、實用性的成果非常缺乏[8-10]，在調距槳裝備整體的測試性、保障性和維護性方面與國外同行相比仍有較大差距，對裝備全壽命周期的運行支持和保障能力較弱[11]。

本文結合實際裝備使用需求，結合TEAMS對調距槳裝置電液系統開展測試性建模，故障診斷算法等研究工作。

1 電液系統測試性建模研究

由于當前的電液系統測點較少，僅有系統壓力、系統油溫和螺距指示電流等少量測點，且系統實際使用過程中非線性及干擾性較強，因此，本文采用多信號流測試性建模方法，建立調距槳電液系統的測試性模型。

該模型是一種以系統信號傳遞關系為基礎的測試性建模方法，采取分層建模確定一種失效模式對其他模塊影響的傳播途徑，不用建立系統準確的定量關系，只需確定系統重要的功能屬性。由于多信號流圖模型覆蓋了多個信息流模型，所以模型更接近于系統的物理結構。此外，由于模型中的信號是獨立的，信號之間不會相互影響，這些特征使得多信號流圖模型建模簡單，模型的集成和驗證都相對簡單。

本文首先對調距槳電液系統進行故障模式與對應征兆進行拆解分析，確定系統的各個部件在設計和制造過程中所有可能的故障模式以及每一故障模式的征兆。據此對電液系統功能和結構進行劃分，完整建立電液系統內的模塊層次和隸屬關系、功能及信號的傳遞關系，結合可用測試點建立相關性模型，在電液系統可開展測試的位置布置測試點，設置測試點的測試屬性，最后得到D矩陣模型（也稱“診斷矩陣或依賴性矩陣”）。在建立了D矩陣模型后，以實際電液系統的組成、結構和連接關系為基礎，進行測試點優選計算，并利用生成的診斷策略在建模工具TEAMS的支持下完成測試檢測率、故障隔離率和測試模糊組等分析。電液系統層次化測試性模型見圖1。

圖1 電液系統層次化測試性模型

基于測試性建模的方法可以較好地分析調距槳電液系統的測試性指標，并可根據測試性分析結果優化測試點的布局和測試屬性，從而確保在期望的測試偏好和測試代價前提下開展測試工作，定位并隔離故障單元。通過反復測試和優化，可以建立符合期望測試特性的電液系統模型，并為電液系統的設計和優化提供明確的指導。

建立調距槳電液系統測試性模型后，可以通過分析軟件對模型進行測試性分析并得出測試性分析報告，測試性分析報告主要從故障隔離率、故障檢出率、模糊組大小分布（即開展所有測試后還未能區分的故障集）、系統測試使用率等指標對系統的可測試性進行綜合評價從而指導推動實際裝備及裝備模型的進一步完善。

2 故障診斷算法研究

測試性模型建立后，可以將測試模型數據導出，得到描述系統測試性的動態關聯矩陣（D矩陣）、測試資源文件、測試描述文件。動態關聯矩陣是一個規模較大的二維矩陣，D矩陣中的一行對應到一個基本的現場可更換單元（如中控模塊、隔離模塊和比例閥等），一列對應一種測試行為（如：測試點的電壓、電流和壓力等），列中的元素分別表示了測試對系統內現場可更換單元運行狀態的判決能力。測試資源文件定義了開展測試所用器具的全部信息。測試描述文件定義了測試的附加屬性，其中包括了圖文表示的測試提示信息、診斷輔助信息，可用于在實際開展測試階段生成圖文向導。

調距槳裝置故障診斷軟件具有多種診斷策略，用于應對不同場景。調距槳裝置故障診斷策略流程圖見圖2。

圖2 調距槳裝置故障診斷軟件診斷策略流程圖

由于動態關聯矩陣規模較大，測試和模塊之間存在復雜的關聯耦合關系，所以必須根據已經獲得的信息或測試結果動態生成并調整診斷測試策略。為了實現測試策略的動態生成，本項目擬采用基于故障概率和信息熵的滾動（Rollout）推理算法。

基于調距槳電液系統測試性模型與故障診斷經驗，所得的D矩陣表示調距槳電液系統測試點與對應故障模式的依賴關系，涵蓋了測試信息，故障信息與測試序列信息。故障診斷策略的形成均是基于對測試性D矩陣的處理，D矩陣其形式如下：

式中：D矩陣的行f0為故障；t1列為測試。如果測試t1可以檢測故障f0，則dij=1，否則為0。

Rollout算法是一種近似尋優算法，可以在期望的時間復雜度條件下獲取的較好的優化結果。算法優化的目標函數考慮了故障概率和信息熵2個因素，通過多步尋優策略選擇最有可能隔離故障單元的診斷測試行為序列。為了提升Rollout算法生成診斷測試策略的性能，本文在傳統Rollout策略基礎上增加案例推理的功能，所謂案例就是實際出現過的故障現象和最終隔離的故障模塊之間的關系，案例的引入可以顯著提升現場支持系統診斷測試策略的性能，可部分防止由于人為設置的器件故障概率偏離實際情況而導致開展不必要的測試行為。

調距槳電液系統故障診斷過程首先假設要測試的模擬電路的故障狀態集為F，可用測點集為T，則初始化節點f={F}，可用測點集t={T}。

首先用測點集t中的每個測點tq將節點f中的所有故障狀態集分別劃分為多個子集，所有包含元素大于1個的子集組成節點fq，對節點fq中的所有子集，用信息熵算法計算對應的優化測點集，然后計算節點的優化測點集。

比較測點集t中每個測點對應的優化測點集中測點的個數，選擇最小測點集對應的測點。若有多個最小測點集，則選擇其中序號最小的測點。在Rollout算法的計算過程中，每前進一步，都用信息熵算法進行試探并選擇最優的結果，不難分析出，Rollout 算法的計算結果優于信息熵算法。最終通過TEAMS對調距槳裝置電液系統進行仿真驗證，仿真驗證結果見圖3。

圖3 調距槳裝置電液系統故障診斷仿真驗證結果圖

根據已經建立的調距槳裝置電液系統測試性模型，分析結果中故障模糊集大小為1的占82%，模糊集數量大于9的占18%，最終實現故障隔離需要用到18個測試的占72%，利用這種直觀的數據和圖形顯示, 測試性設計人員可直觀地得到系統測試診斷能力和測試性設計中存在的缺陷，其中故障檢測率與故障隔離率均大于80%，滿足項目要求。

3 結論

通過基于TEAMS的調距槳電液系統測試性建模與分析，積累了調距槳電液系統的故障模式與對應征兆關系，通過軟件設計診斷步驟測點序列和實物試驗，驗證了診斷思路和軟件應用的正確性、合理性、可靠性。探索了調距槳裝置電液系統故障診斷的新思路，為后續調距槳裝置深層次故障診斷打下了初步的基礎。根據調距槳裝置故障診斷的實際需求，通過理論分析、試驗驗證，不僅提高了調距槳裝置最小可更換單元的分析深度，更積累了調距槳系統電液系統基本故障信息和寶貴排障經驗。