0 引　言

船用废气涡轮增压器轴承的润滑和冷却可以通过润滑系统供给滑油来实现^[1]。某船用发电用柴油机增压器与柴油机共用一个滑油泵，增压器轴承为浮环轴承。当滑油压力增加时，浮环轴承内外油膜的端泄量随之增加，较高的滑油压力可以改善油膜的润滑情况，抑制内油膜贫油现象的出现，从而使浮环轴承的稳定性增加^[2]。而过低的滑油压力会影响到轴承的正常运行，造成增压器轴承处润滑失效，且会增加摩擦功耗、降低涡轮增压器的效率，在实际工程中应避免这一现象出现。不同工况下滑油压力不同，因为传统的单一阈值只能识别极端情况下的异常信息，且不能实时预测，所以对动态的滑油压力阈值的设定方法进行分析。

在对内燃机润滑系统滑油压力的变化特性进行分析时，张健航等^[3]利用外部特性法，即油压与负载、转速、油温的关系 ${{P}} = {{f}}\left( {{{{N}}_{{e}}},{{n}},{{T}}} \right)$ 分析主油道系统中的内在状态，以研究各零部件的性能匹配。童宝宏等^[4]进行了多工况下测取主油道压力特性的试验，重点考察了负荷、转速和油温等工况因素对主油道压力特性的影响，最终发现转速、油温和负荷均会对主油道压力产生影响。郭林山等^[5]采用台架试验方法，利用外部特性法，探讨了改进的柴油机润滑系统性能。

本文利用改进的滑动平均滤波法提取增压器润滑系统滑油压力较低的异常数据，借鉴外部特性法对动态的压力低的阈值变化情况进行分析，同时结合箱型图计算不同工况下的阈值，采取多阈值表达式的形式实现对多工况增压器润滑失效的预测。在实例验证中利用皮尔逊相关系数和斯皮尔曼相关系数进行相关性分析，从而确定最终的阈值表达式形式，并最终利用C++和Qt建立了可视化的增压器润滑失效故障在线监测与预测系统。

1 机理分析

某船用发电用柴油机增压器润滑系统如图1所示，在增压器出现润滑故障时，增压器内部无相应的测量传感器，只能利用增压器滑油进油压力对增压器润滑系统的状态进行判断。

传感器测得的滑油压力是滑油的流动阻力，增压器与柴油机共用一个主油路，二者的滑油管路并联，由流体力学知识可知，主油路滑油流动阻力的倒数等于并联支路滑油流动阻力的倒数之和，增压器与柴油机油路相互影响。

当增压器滑油进油压力P变小时，主油路滑油压力不变的情况下柴油机滑油压力会随之变大，故而增压器滑油进油压力与柴油机滑油压力的比值（简称Q）也会变小。

在实际工程中可将增压器滑油进油压力与柴油机滑油压力进行对比，可以更好地判断润滑油路是否发生故障。

2 改进多阈值方法

船用发电用柴油机增压器润滑失效实时监测与预测流程如图2所示。改进多阈值方法包含2个部分：第一部分参考滑动平均滤波法的工作原理对故障机组和正常机组的运行数据进行分析，实现多工况下异常数据的提取；第二部分针对提取出的异常数据，采用一种基于外部特性法的箱型图法求取多阈值表达式，将实际数据与当前工况下多阈值表达式的数值进行对比即可实现预测。基于该方法，通过实例分析建立预测模型，并搭建在线监测与预测系统，进行在线测试。

2.1 提取异常数据

当增压器出现故障时，首先需根据故障树来进行故障的排查。增压器润滑失效是由于润滑能力不足，当故障定位到润滑失效时，故障的特征应为增压器滑油进油压力低，其通常是一个缓慢退化的过程，在增压器未出现明显故障时压力可能已经偏低。故应筛选出较低的增压器滑油进油压力数值来进行阈值的设定，从而在故障发生前发出报警信号，方便维修人员及时进行调整，并实现对故障的预测。

在试验过程中，不同工况下增压器滑油进油压力传感器测得的参数值不同，相同工况下的数据也存在一定的波动范围。为了平滑曲线，便于进行多机组的对比分析，同时减少传感器采集到的噪声干扰，采用滑动平均滤波法^[6]进行数据处理。

滑动平均滤波法是一种用于平滑信号以去除随机变化的有限脉冲响应滤波器，其是把连续获得的N个采样值看成一个队列，队列长度固定为N，采样时将得到的一个新数据放到队尾，并丢掉队首的一个数据，在每次采样时把队列内的N个数据进行平均运算即可实时获得滤波结果。

图3为某试验中某机组出现润滑失效前的一段时间内，利用滑动平均滤波法进行滤波后的各机组增压器滑油进油压力变化图。初步来看故障机组的增压器滑油进油压力普遍偏低，初、中期试验的压力值逼近正常机组。但不同工况下的压力本就不同，无法直接因此判断压力低的时刻。即便针对不同工况分别进行滤波，其也会对多次试验的数据共同求取平均值，可能会出现正常值与故障值掺混现象，从而带来误差。

因此，在滑动平均滤波法的基础上进行修改，将原本的固定采样队列长度（窗值大小)改为变队列长度，其数值为每次试验、每种工况下的数据采样次数，从而将采集到的数据分成多段。

分别对每段的P和Q求取平均值，将故障机组和正常机组在相同工况下求取的各段平均值进行对比，即可直观地看出P和Q数值低的试验次数以及数值异常的范围，从而判断机组出现增压器滑油进油压力低现象的初始试验次数，并筛选出退化过程和故障时刻增压器滑油进油压力低的试验数据。

后续可针对这些试验数据求取P和Q的阈值，通过比较机组运行参数和阈值的大小可实现对增压器滑油进油压力低的异常检测和对增压器润滑失效的预测，并可提前采取相应的处理措施。

本文主要对某试验数据进行故障处理，其主要是在0.6，0.8和0.9的功率因数下按照20%，50%，75%，90%，75%，50%，20%的负载进行加、减载。

2.2 基于外部特性法的箱型图法求取多阈值表达式

针对筛选出的异常数据分别进行P和Q的多阈值表达式的求解，一方面利用阈值表达式实现对P和Q在不同工况下的限制，另一方面对每个工况进行双阈值的设定，可判断P和Q的异常程度，避免机组直接处于较为危险的运行环境，并实现对故障的预测。

1）外部特性法是利用油压与负载、转速、油温的关系 ${{P}} = {{f}}\left( {{{{N}}_{{e}}},{{n}},{{T}}} \right)$ 来分析主油道系统中的内在状态。本文借鉴外部特性法分析增压器润滑系统，即利用增压器滑油进油压力与负载、转速、增压器滑油进油温度的关系 $ {P}={f}\left({{N}}_{{e}},{n},{{T}}_{增}\right) $ 来确定P的阈值表达式形式，同理利用 $ {Q}={f}\left({{N}}_{{e}},{n},{{T}}_{柴},{{T}}_{增}\right) $ 来确定Q的阈值表达式形式。

当发电机工作时，柴油机转速恒定，P的外部特性关系表达式将变为 $ {P}={f}\left({{N}}_{{e}},{{T}}_{增}\right) $ ，增压器与柴油机负载情况相同， $ {Q}={f}\left({{N}}_{{e}},{{T}}_{柴},{{T}}_{增}\right) $ ；当柴油机处于起机、停机和怠速状态时，柴发机组负载始终为0，外部特性关系表达式将分别变为 $ {P}={f}\left({n},{{T}}_{增}\right) $ 和 ${Q}={f} \left(\right.{n}, $ $ {{T}}_{柴},{{T}}_{增}\left.\right)$ 。本文针对发电机工作过程展开研究， ${P}={f} $ $ \left({{N}}_{{e}},{{T}}_{增}\right)$ ， $ {Q}={f}\left({{N}}_{{e}},{{T}}_{柴},{{T}}_{增}\right) $ 。

考虑到外部特性法是应用于内燃机润滑系统主油道的，同时本文对其也进行了延伸，直接利用上述表达式分析增压器润滑油道的性质可能欠妥。因此，利用皮尔逊（Pearson）相关系数^[7]和斯皮尔曼（Spearman）相关系数^[8]对其可行性进行验证。

皮尔逊（Pearson）相关系数称为积差相关（或积矩相关），用来衡量2个数据集合是否在一条线上面，定义为2个变量之间的协方差和标准差的商。假设有2个变量X，Y，变量个数为N，则二者之间的皮尔逊相关系数计算公式如下式：

$ {{r}} = \frac{{\displaystyle\sum {XY} \frac{{\displaystyle\sum {X\sum Y } }}{N}}}{{\sqrt {\left( {\displaystyle\sum {{X^2}} - \frac{{{{\left( {\displaystyle\sum X } \right)}^2}}}{N}} \right)\left( {\displaystyle\sum {{Y^2}} - \frac{{{{\left( {\displaystyle\sum Y } \right)}^2}}}{N}} \right)} }}。$

(1)

斯皮尔曼(Spearman)相关系数，也叫斯皮尔曼秩相关系数。对X和Y进行排序（同时为升序或降序），排序后的2个变量分别的秩次(排第几)称为x和y，2个秩次取的第 $ i(1 \leqslant i \leqslant N) $ 个值分别用 ${{{x}}_{{i}}}$ 和 ${{{y}}_{{i}}}$ 表示，将x和y中的元素对应相减得到一个差分集合d， ${{{d}}_{{i}}} = $ $ {{{x}}_{{i}}} - {{{y}}_{{i}}}$ ，则斯皮尔曼（Spearman）相关系数的计算公式可由下式表示：

$ \rho = 1 - \frac{{6\displaystyle\sum\limits_{i = 1}^N {d_i^2} }}{{N({N^2} - 1)}} 。$

(2)

求得相关系数的范围为[–1,1]，绝对值越大，相关性越强，通常当绝对值在0.8～1.0内时，可视为高度相关（线性相关），二者之间可互相进行线性表示。

对发电机工作过程进行研究，对采集到的数据进行相关性分析，最终求取的皮尔逊相关系数和斯皮尔曼相关系数如表1所示。

可发现P分别与N_e和 $ {{T}}_{增} $ 线性负相关，Q分别与N_e， $ {{T}}_{增} $ 和 $ {{T}}_{柴} $ 线性负相关，故在发电机工作时利用 $ {{P\;=\;f\;(N}}_{{e}},{{T}}_{增}) $ 和 $ {{Q\;=\;f\;(N}}_{{e}}{{,T}}_{柴}{{,T}}_{增}) $ 进行相应的分析具有可行性。

2）筛选出异常数据中每次试验运行时间较长的N_e， $ {{T}}_{增} $ 和 $ {{T}}_{柴} $ 。根据N_e和 $ {{T}}_{增} $ 进行P的工况分类，如 $ {{(N}}_{{e}}{=0}{{.6,T}}_{增}{=}0.5) $ 为其中的一个工况（举例的工况数据已经进行过归一化处理），利用箱型图^[9]计算P在不同工况下的阈值。同理，根据N_e， $ {{T}}_{增} $ 和 $ {{T}}_{柴} $ 进行Q的工况分类，利用箱型图计算Q在不同工况下的阈值。

考虑到滑油压力存在一定的波动范围，每种工况下进行阈值求解的异常数值为每次试验的P和Q的平均值。

箱型图是一种用作显示数据分散情况的统计图，其可以剔除样本中的干扰异常值，能够准确稳定地表示数据的离散分布情况，同时也有利于数据的清洗，可进行多组数据分布特征的比较。其能显示出一组数据的上边缘值、下边缘值、中位数、上四分位数、下四分位数和异常值。

为了实现预测，并避免机组直接处于可能导致故障的环境中，采取双阈值的判断方法，其中通过箱型图求出的每个工况P和Q的上四分位数设置为该工况P和Q的预报警阈值，下四分位数设置为该工况报警阈值。

3）对求取的阈值利用拟合法进行阈值表达式的求解，从而分别求取P和Q的预报警阈值表达式和报警阈值表达式。

在获得多阈值表达式后即可进行不同工况下的异常情况判断，从而实现对增压器润滑失效的预测，判断标准如下：

标准1　当持续出现增压器滑油进油压力P预报警时，说明增压器滑油进油压力偏低，由于之前压力正常，则此时压力呈下降趋势，增压器润滑能力退化，继续退化会导致增压器润滑失效，建议采取相应的措施来增加压力，并进行相应的检查。

标准2　当持续出现增压器滑油进油压力P报警时，说明增压器滑油进油压力严重偏低。由于预报警阈值和报警阈值存在一定的区间范围，说明压力下降迅速且明显。此时增压器润滑能力严重不足，容易导致增压器润滑失效，应立即停机进行检查，并采取相应的措施来增加压力。

标准3　当P和Q同时持续出现预报警或报警时，判断标准与标准1和标准2相同。

标准4　当Q持续出现预报警或报警、P正常时，说明柴油机滑油压力突然增大，由于柴油机与增压器的滑油管路并联，主油路滑油压力的倒数等于并联支路滑油压力的倒数之和，说明主油路滑油压力发生了改变，润滑油路可能出现了问题，应对润滑油路进行相应的排查。

3 实例验证 3.1 提取异常数据

在某试验中多台舰船柴油发电机组并联工作，其中某机组出现了增压器润滑失效现象，导致轴承碰磨，本文采集故障机组和正常机组在碰磨故障发生前一段时间内的相关运行数据进行分析。

根据该试验主要在0.6，0.8和0.9功率因数下按照20%，50%，75%，90%，75%，50%，20%的负载进行加、减载的特点，首先参考滑动平均滤波法按照不同功率因数、不同负载进行故障分析，最终获得不同功率因数、不同负载下的P和Q对比图。

图4和图5分别为0.8功率因数、50%负载下两机组多次试验P和Q的对比图。

对比可发现，在投入试验伊始，故障机组便已出现了P和Q数值较低的现象。虽然故障机组在第一次试验的P比后期高很多，但箱型图具备排除异常值的能力，其不会纳入计算范围，后续可直接利用采集到的所有故障机组数据来进行阈值的求取。

3.2 求取多阈值表达式

1）利用编程语言对故障机组数据按照不同的单位有功功率x（用来表示负载）、 $ {{T}}_{增} $ 和 $ {{T}}_{柴} $ 进行筛选，筛选出运行次数较多的一部分数据。

在筛选过程中观察到 $ {{T}}_{柴} $ 和 $ {{T}}_{增} $ 变化缓慢，有时在x，P和Q均发生变化的时候 $ {{T}}_{柴} $ 和 $ {{T}}_{增} $ 仍保持不变，故在划分P和Q的工况时，应以x为主， $ {{T}}_{柴} $ 和 $ {{T}}_{增} $ 为辅。

同时发现在相同的x、相同的 $ {{T}}_{增} $ 和相同的 $ {{T}}_{柴} $ 工况下的数据过少，无法展开分析。因此最终用x来表示P和Q所处的工况。

2）求出每次试验在同一单位有功功率x工况下P和Q的平均值，利用箱型图分别计算P和Q的2个阈值，其数值分别等于箱型图的上四分位数和下四分位数，其中数值较大的阈值定义为预报警值，数值较低的阈值定义为报警值。将不同单位有功功率x下得到的阈值进行汇总处理，并绘制成散点图，分别如图6和图7所示。

3）最后利用拟合法分别求取P和Q的预报警、报警阈值表达式，为了减少拟合过程中的误差，通过比较残差模的大小最终确定拟合为二次多项式的形式。阈值表达式和残差模如表2所示。

综合考虑 $ {{T}}_{柴} $ 和 $ {{T}}_{增} $ 对P和Q造成的影响、样本数不足以及Q受到2个温度量的影响，进行简化误差较大的问题，提出一种简化的方法来求取由x和 $ {{T}}_{增} $ 表示的P的阈值表达式。将每次试验过程中的数据进行多元拟合，求出多元拟合表达式 $ P={ax}+{{bT}}_{增}+ {c} $ ，每次试验求出的多元拟合表达式在某一相同且合适的 $ {{T}}_{增} $ 和x下进行P的计算，利用箱型图对所有试验算得的P进行上四分位数和下四分位数计算，对应试验次数的多元拟合表达式即分别为预报警、报警阈值表达式。

3.3 在线测试

前文进行了故障数据的筛选，设定了多阈值表达式以及异常情况和故障预测的判断标准，为了判断其合理性，在实际工程中进行在线测试，具体测试方法如下：

利用C++建立阈值判断数学模型，通过数据总线实时输入机组的P， $ {{T}}_{柴} $ ， $ {{T}}_{增} $ ，x和 ${{{P}}_{{D}}}$ （柴油机滑油压力），利用多阈值表达式进行前处理，输出当前工况下的P，Q以及对应的报警值和预报警值，进入模型中进行异常判断和预测，利用Qt软件实现模型的可视化。对修复后的故障机组以及其他正常机组进行长时间的在线监测，实机监测过程中一切正常，未出现报警（预报警）。

由于在线测试过程中未出现异常情况，为了判断模型是否具备识别异常情况的能力，利用C++，Qt和udp协议建立离线数据传输系统，将存储在数据库中的故障数据进行回放，模拟总线数据的传输和接收，从而实现增压器滑油进油压力低的故障模拟，经验证在收到故障数据时系统可以发出输出报警（预报警）信号。

通过输出结果可知，通过改进多阈值方法建立的在线监测和预测系统可以实现对增压器润滑失效的实时监测和预测功能，同时由于长期的监测过程中未出现异常报警情况，进一步说明计算出的多阈值表达式具有一定的合理性，误警的可能性低。

4 结　语

针对某型舰船发电用柴油机增压器润滑失效的故障数据，参考滑动平均滤波法对故障数据进行分析和筛选，利用基于外部特性法的箱型图法建立了多阈值表达式，提出了对异常情况进行判断和预测的标准，并采用C++和Qt建立了故障在线监测和预测系统。经验证，该系统可以实现对该型柴油机增压器在发电机全负载工作过程中的增压器滑油进油压力低的实时监测和对润滑失效的预测。

改进多阈值方法克服了单一阈值只能识别极端工况故障的局限性，设置预报警值和报警值的多阈值报警方式避免机组直接发生严重故障，实现预测。同时，探讨了增压器滑油进油压力P、增压器滑油进油温度 $ {{T}}_{增} $ 、柴油机滑油温度 $ {{T}}_{柴} $ 、单位有功功率x（代表负载N_e）和柴油机滑油压力 ${{{P}}_{{D}}}$ 之间的相关性，最终发现P分别与N_e和 $ {{T}}_{增} $ 线性负相关，Q分别与N_e、 $ {{T}}_{增} $ 和 $ {{T}}_{柴} $ 线性负相关，在发电机工作时可利用 $ {{P=f(N}}_{{e}},{{T}}_{增}) $ ， $ {{Q=f(N}}_{{e}}{{,T}}_{柴}{{,T}}_{增}) $ 和箱型图进行P和Q阈值表达式的计算，为进一步分析数据或对其他型号增压器设立多阈值表达式提供了思路。

对于起机、停机以及怠速状态下的柴油发电机组来说，发电机未工作，负载为0，可用同样的方式利用转速n、 $ {{T}}_{增} $ 和 $ {{T}}_{柴} $ 来对P和Q进行多阈值的限制，此时 $ {P}={f}\left({{N}}_{{e}},{{T}}_{增}\right) $ 、 $ {Q}={f}\left({{N}}_{{e}},{{T}}_{柴},{{T}}_{增}\right) $ 。本文所提出的方法也可应用于对增压器滑油进油压力过高现象的限制和相关故障的预测中。