船舶泵系统信号处理与诊断模拟

海運研究學刊第十五期﹝中華民國九十二年﹞MaritimeResearchJournalVol.15pp.95-122,200395船舶泵系統信號處理與診斷模擬SignalProcessingandDiagnosisSimulationofaMarinePumpingSystem王偉輝*蔡台明**摘要現在船舶對其設備及相關零組件，都要求相當高的可靠度及可用度。為能確保各項設備之安全運轉，除加強設備之運轉管理以外，對設備進行線上監測，以便及時發現異常狀態，並對設備故障的早期診斷與預防，已成為船舶營運管理中不可缺少之重要環節。本文主旨在發展船舶電動泵系統之故障監測診斷系統與其模擬，第一階段之研究重點在建立實驗研究環境，期能供後續資料庫及系統模式建立，找出監控之重點參數，作為監測、診斷故障信號之判讀依據。關鍵詞：系統監測、診斷、可靠度、可用度、輪機、故障樹分析、原因分析、因果模型一、前言1.1研究緣起1983年中，本文作者之一蔡台明君任職的船舶上發生了這樣一件事…「機艙，主滑油泵運轉中出口壓力計發生不定時、不穩定的抖動現象(hunting)；同時，進口真空表也有相同的現象。這種現象持續了月餘，終於在某一天夜晚十一時過後發生了重大故障事件。事後回想這件令人印象深刻的事件原委，除了仍覺相當大的震撼外，也感到為何不能從異狀來事先防範呢？次日，拆開壞掉的泵，檢視泵軸斷裂面想尋找故障原因，花了一個多星期，終於在滑油進口端，測得進口迫緊(packing)洩漏，而使泵體負載不平衡，忽重、忽輕，使主動泵軸(powerrotor)扭斷」。由這個教訓，促使本計畫希望能好好研究發展出一套機械之監測診斷系統[1,2,3,4,5,6]。顯然，各種類型裝備的可靠性，維繫著整個系統的正確運作；尤其是船舶動力系統在特定的工作環境下，需完成運輸或作戰任務，其在工作條件的妥善性與維修要求更形重要。船舶航行於海上，氣象環境複雜，工作條件嚴苛，工作參數變化範圍大，有可能隨時需要船員進行操控、管理，*台灣海洋大學系統工程暨造船學系**台灣海洋大學輪機工程技術系船舶泵浦系統信號處理與診斷模擬SignalProcessingandDiagnosisSimulationofaMarinePumpingSystem96或採取緊急措施，故對於船員素質要求更高，不僅要懂得操縱，且還需要瞭解各設備的運轉原理和結構。因此，發展一套系統監視或偵測機制是不可或缺的必要手段，惟環視國內甚至國外廠商，甚少有對船舶系統逐項發展監測的機制。近年來科技進步神速，十幾、二十年前的系統操控概念，轉眼間，已被另一種嶄新的觀念取代。傳統類比式的系統運作，幾乎已全部轉換成數位控制的新產品。訓練方法，也由實際跑船、做工、當學徒方式，轉變為以模擬訓練的方式取而代之；而機艙主、輔機系統管理、維護或是造船廠及造機廠的生產系統也逐步趨於自動化，是以「系統故障監測」成為不可或缺的一環學術。此外，為了經由符合公約要求之教育訓練方式，創造出一個使輪機人員在自動、安全、可靠及有尊嚴的工作環境，期使海運事業能提高效率、降低風險及增加營利，故想透過本計畫為開端，發展出「輪機模擬與故障檢測系統」，對輪機人員而言，其自然變成操作訓練、維護管理，甚至研究、發展不可或缺的利器。在大陸及其他海權國家是把教學與研究開發訓練器材放在同一個位階來發展的。譬如航海系就發展操船模擬機，輪機系就發展輪機模擬機。因此輪機作業與資訊科技之充分整合已蔚然成為趨勢，如圖1。乙太網路FDDI環型網路ServerClientClientClientA/DConverterDatasAcquisitionServer圖1船舶輪機操作與資訊科技之整合網際網路系統規劃方塊圖傳統的航海人員訓練，從船訓班取得船員資格後開始做學徒開始，經歷大風大浪的磨練，演變到專門職業學校教學訓練並配合海上實習，雖然都可以造就資深而且專精的船員；但是這種非完全人性化的訓練及工作模式，在在都被社會以異樣的眼光看待。無論如何，經由交通部購置設在海大的模擬機訓練，至少已經讓當時在校學生(目前已畢業)給予正面的評價。海運研究學刊第十五期﹝中華民國九十二年﹞97IMO/STCW95年公約實施後，強迫性地要求預備投入職場之航海人員，非經該程序訓練不得從事海上工作。我航業界先進及教育訓練單位為求永續發展，在此大環境下亦須配合辦理，以符合科技進步、時代變遷及訓練升級的要求。如能透過我們自立研發的系統模擬機，不僅將擺脫受制外人的困擾，發展出國人最熟悉的人機界面，及時因應教育訓練，更可促進產業升級、技術進步、提昇研發能力，可獲得多重效益何樂而不為之。1.2系統故障診斷方法回顧系統故障診斷是一門綜合性技術，其涉及近代控制理論、訊號處理及模式鑑別，電腦科學、人工智慧及統計學等學科。其發展歷史經歷了四個階段[7]：1.原始診斷階段19世紀末至20世界初，是故障診斷的萌芽階段，各領域之專家依靠感官獲取設備之狀態信息，並必須憑藉其經驗作出直接判斷。這種方法誠屬簡便，此在一些簡單設備的故障診斷中顯得經濟實用。2.基於材料壽命分析的診斷階段20世紀初至1960年代，由於可靠度理論之發展與應用，使得人們能夠利用對材料壽命的分析與估計，以及對設備材料性能的部分檢測，來完成診斷任務。3.基於傳感器與電腦技術的診斷階段此為當前所屬的階段。開始於1960年代中期，由於傳感器技術之發展，使得各種診斷系統與數據的量測變得容易；另者加上電腦之使用，彌補了人們在數據處理上的低效率與困難。4.智慧型的診斷階段人工智慧技術的發展，特別是專家系統在故障診斷領域中的應用，是目前剛發展起來且遠遠尚未達到完善的階段。此項概念將原本以數值計算與信號處理為核心的診斷過程，被以知識處理和知識推理為核心的診斷過程所代替。目前已有了一些較成功的系統[8,9]，使智慧型診斷成為當前診斷技術發展的新方向。船舶泵浦系統信號處理與診斷模擬SignalProcessingandDiagnosisSimulationofaMarinePumpingSystem981.3研究目的與架構本文目的在對離心電動泵水循環系統描述其整體系統及對元件進行分析，建立數學模式；進一步進行動態分析、模擬、回授、偵錯，以便做成檢測系統。透過該模式對受測系統進行檢測，以便作系統診斷；再者，透過本方法所製作出來的模擬器，祈能應用來執行訓練工作。二、近代故障診斷方法分類綜述近代故障診斷技術之發展已歷30年，但形成一門「故障診斷學」的綜合性新學科，還是近幾年逐步發展起來的，以不同的角度來看，有多種故障診斷的分類方法，這些方法各有特點。概括而言，故障診斷方法可以分成兩大類：即基於數學模型的故障診斷方法[10,11,12]，與基於人工智慧的故障診斷方法[13,14,15,16]。每一大類又包含若干具體的診斷方法，如圖2所示，這些診斷方法綜整如下：故障診斷基於數學模型的方法1.基於輸入輸出與信號處理的方法2.基於狀態估算的方法3.基於過程參數估算的方法基於人工智慧的方法4.基於淺知識的方法5.基於深知識的方法6.基於深淺知識混合的方法7.基於案例的方法8.基於類神經網路的方法9.基於模糊數學的方法10.基於故障樹的方法專家系統的方法圖2故障診斷方法分類1.基於直接量測系統輸入輸出與信號處理數學模型的方法該診斷方法是直接測量被診斷對象有關的輸出量，如果輸出超出正常變化範圍，則可以認為對象已經或將要發生故障。這種方法簡單，但容易出現故障的誤判和漏判。另一種較為可行的方法是用一定的聯繫，透過分析與處理這些量，來判斷故障的位置。常用的方法有頻譜分析法、概率密度法、相關性分析法等[17,18,19,20]。2.基於狀態估算的數學模式方法被診斷過程的狀態直接反應系統的運轉狀態，透過估算出系統的狀態並結合適當模型則可進行故障診斷。首先重新建構被診斷過程的狀態，並構成殘差序列，殘差序列中包含各種故障信息。基於這種序列，透過建構適當的模型並採用統計檢驗法，才能把故障從中檢測出來並做一步的分海運研究學刊第十五期﹝中華民國九十二年﹞99離、估算和決策[21,22,23]。狀態估計的方法通常是狀態觀測器及濾波器。採用狀態估計方法的前提條件是：(1)過程數學模型知識(結構及參數)；(2)噪音的統計特性；(3)系統可觀測或部分可觀測；(4)方程解析應有一定精度；(5)在許多場合下將模型線性化並假設干擾為白噪音。3.基於過程參數估算的數學模型方法基於過程參數估算的診斷方法與基於狀態估計的診斷方法不同，它不需要計算殘差序列，而是根據參數變化的統計特性來檢測故障的發生，而後進行故障分離、估計和分類。由於可以建立故障與過程參數的精確聯繫，故此方法比基於狀態估計的方法更有利於故障的分離[24,25,26,27]。最小平方法簡單實用，是參數估計的首選方法。(1)需要建立精確的數學模型；(2)需要有效的參數估計方法；(3)被控過程的充分激勵；(4)選擇適當的過程參數；(5)必要的統計決策方法。基於數學模型的故障診斷方法，其優點是能深入系統本質的動態性質和實現及時診斷。缺點是當系統模型未知、不確定或具有非線性時，這種方法不易實現。4.基於淺知識的智慧型專家診斷方法基於專家系統的診斷方法是故障診斷領域中最為引人注目的發展方向之一，也是研究最多、應用最廣的一類智慧型診斷技術。它大致經歷了兩個發展階段：基於淺知識(領域專家的經驗知識)的故障診斷系統，和基於深知識(診斷對象的模型知識)的故障診斷系統。淺知識是指領域專家的經驗知識。基於淺知識的故障診斷系統透過演繹推理或產生式推理來獲取診斷結果，其目的是尋找一個故障集合，使之能對一個給定的徵兆(包括存在的和缺席的)集合產生的原因作出最佳解釋。基於淺知識的故障診斷方法具有知識直接表達、形式統一、高模組性、推理速度快等優點。但也具有較大的侷限性，如知識集不完備，對沒有考慮到的問題系統容易陷入困境；對診斷結果的解釋能力弱等缺點。5.基於深知識的智慧型專家診斷方法深知識則是指有關診斷對象的結構、性能和功能的知識。基於深知識的故障診斷系統，要求診斷對象的每一個環境具有明顯的輸入輸出表達關係，診斷時首先透過診斷對象實際輸出與期望輸出之間的不一致，生成引起這種不一致的原因集合，然後根據診斷對象領域中的第一定律知識(具船舶泵浦系統信號處理與診斷模擬SignalProcessingandDiagnosisSimulationofaMarinePumpingSystem100有明確科學依據的知識)及其他內部特定的約束聯繫，採用一定的算法，找出可能的故障源。這種方法具有知識獲取方便、維護簡單、完備性強等優點，但搜索空間大，推理速度慢。近年來發展的基於經驗知識和模型知識相結合的故障診斷方法。6.基於淺知識和深知識的智慧型專家混合診斷方法[28,29,30,31,32]對於複雜設備系統而言，無論單獨使用淺知識或深知識，都難以妥善地完成診斷任務，只有將兩者結合起來，才能使診斷系統的性能得到優化。因此，為了使故障智慧型診斷系統具備與人類專家能力相近的知識，研發者在建造智慧型診斷系統時，越來越強調不僅要重視領域專家的經驗知識，更要注重診斷對象的結構、功能、原理等知識，研究的重點是淺知識與深知識的整合表示方法和使用方法。事實上，一個高水準的領域專家在進行診斷問題求解時，總是將他具有的深知識和淺知識結合起來，完成診斷任務。一般優先使用淺知識，找到診斷問題的解或者是近似解，必要時用深知識獲得診斷問題的精確解。近年來基於淺知識和深知識相結合的診斷推理方法有，Gallanti和Fink提出的整合診斷模型，Peng的層次因果模型等[8,9]。7.基於案例的人工智慧型診斷方法基於案例的推理方法能透過修訂相似問題的成功結果來求解新問題。它能經過獲取新知識作為案例來進行學習，不需要詳細地診斷對象模型。在這種推理方法中，主要的技術包括：案例表達和索引、案例的檢索、案例的修訂、從失敗中學習等。基於案例的診斷方法的原理是，對於所診斷的對象，根據其特徵從案例庫中檢索出與該對象的診斷問題最相似匹配的案例，然後對該案例的診斷結果進行修訂，作為該對象的診斷結果。基於