0 引　言

船舶柴油机是船舶动力系统的重要组成部分，其在运行过程中经常发生故障，且在故障早期就已经有一些明显特征，如电压、电流异常，振动异常等，通过对电压、电流以及振动信号进行监测可以对船舶柴油机的故障进行监测和诊断，并根据这些信号的情况判断出故障的种类，从而实现在不停机的情况下对船舶柴油机实现在线监测^[1]。

传统的柴油机故障诊断主要包括观察法、断缸法等^{[2 − 3]}，这些方法主要依靠工程师经验，通过观察柴油机工作状态、声音或者暂停柴油机某个缸工作进而判断出柴油机的故障位置。随着柴油机应用场合的增多，研究者开始通过对柴油机建立数学模型来判断故障，建立的数学模型可以模拟船舶柴油机的工作过程，在模型中输入和输出存在一一对应关系，如果无法对应则说明柴油机存在故障。但是这种方法严重依赖历史数据，无法对未知故障进行判断，且建立不同类型船舶柴油机数学模型耗时耗力，在实际应用中受到非常大的限制^[4]。

随着信号分析技术的成熟和推广，基于振动信号、声学信号、排气氧浓度等的时频分析法、瞬时转速波动法等方法被广泛应用于柴油机故障诊断。通过对柴油机运行过程中产生的各类信号的特征进行提取并分析，从而获得船舶柴油机的故障类型。这种方法的优势在于可以实现在线监测，通过对信号进行加强和分解，获取每一个信号分量的基本特征，是目前对柴油机故障监测和诊断的主要研究方向之一。本文提出一种基于振动信号分析的柴油机故障诊断系统，将振动信号分析技术和大数据分析技术进行有效结合，实现船用柴油机故障的高效在线诊断。

1 柴油机振动信号分析 1.1 柴油机工作原理

柴油机的优点包括更高的燃油效率、更低的碳排放、更强的扭矩输出和更长的机械寿命。然而，柴油机也有其缺点，如噪声较大、排放处理较为复杂等。现代柴油机通过先进的燃油喷射系统、涡轮增压技术和排放控制系统等，已经在很大程度上改善了这些问题。船舶柴油机是一种内燃机，它通过燃烧柴油来产生动力。柴油机的工作原理与汽油机类似，但在燃油供应和点火方式上有所不同。其工作步骤包括进气冲程、压缩冲程、燃油喷射和燃烧冲程以及排气冲程^[5]。

1）进气冲程

在四冲程柴油机的进气冲程中，活塞从上死点向下死点移动，气缸内的压力降低，形成负压，进气阀打开。空气通过进气系统进入气缸，此时进入的是纯空气，没有混合燃料，因为柴油机采用的是压缩点火方式。

2）压缩冲程

进气阀关闭后，活塞开始向上移动，对气缸内的空气进行压缩。柴油机的压缩比通常比汽油机高，这意味着气缸内的压力和温度会更高。高压缩比有助于提高热效率和输出功率。

3）燃油喷射和燃烧冲程

当空气被压缩到一定程度时，燃油系统通过喷油嘴向高温高压的空气中喷射细小的柴油燃料。由于气缸内的温度高于柴油的自燃温度，柴油立即自燃，产生大量热量和气体，推动活塞向下运动，这就是柴油机的燃烧过程。

4）排气冲程

燃烧后产生的高温高压气体推动活塞向下运动至下死点，随后排气阀打开。活塞再次向上移动，将燃烧后的废气排出气缸外，完成排气冲程。

1.2 柴油机故障的振动信号分析

柴油机在正常情况下的振动信号是一种重复性的有规律的信号，柴油机完成一次工作行程包括进气冲程、压缩冲程、燃油喷射和燃烧冲程以及排气冲程，如图1中的虚线所示，整个周期中会出现一个较大幅度的振动信号，随后开始出现衰减，周而复始。

船舶柴油机是一种往复式设备，其振动信号是由于发动机曲轴运动、燃油喷射、起喷打开和关闭、气缸与活塞之间存在间隙等造成，而不同原因导致的柴油机振动会使得最终获取的振动信号成为一个复杂的复合信号^[6]。图2为柴油机复杂振动信号形成的原理，将复杂振动信号进行分解，对分解出的信号分别判断并最终确定故障种类。

获取船舶柴油机不同故障时的振动信号如图3所示。可知不同的柴油机故障发生时，柴油机的振动信号完全不同。其中，图3（a）中的振动信号加入了很多异常频率，说明此时可能存在喷油器异常、气门间隙异常、轴承损坏或者间隙不当等故障。图3（b）中的振动信号存在幅值异常的问题，说明柴油机的润滑可能出现问题，此时可以结合柴油机润滑液的监控状态判断是否存在故障。另外有柴油机中某些部件在转动过程中出现松动也有可能导致这种故障情况，进而出现振动信号幅值的异常。

2 基于振动分析的船用柴油机故障诊断系统设计 2.1 系统设计

基于振动分析的船用柴油机故障诊断系统包括振动信号采集、特征提取、故障诊断等模块，如图4所示。

振动信号采集可以获取船用柴油机的加速度、速度以及位移等数据，这些实时采集的数据不仅可以为当前的故障诊断提供数据基础，同时在完成故障诊断后作为历史数据为下一步的模型训练提供必要辅助。特征提取是使用STFT变换来获取柴油机振动信号的特征信息。故障诊断是通过存储的历史数据和柴油机故障诊断模型，基于柴油机振动信号的特征信息对故障进行判别。

2.2 振动信号采集

振动信号采集是船用柴油机故障系统的关键组成部分，包括传感器的选择、传感器布置、数据采集系统、数据预处理等。传感器主要包括压电加速度传感器、位移传感器和速度传感器，用于测量柴油机在工作过程中的振动情况，传感器的选择标准是供电电压、工作温度、湿度、信号采集精度等，由于船舶柴油机工作在高盐度、高湿度环境中，因而使用的传感器也要满足能够在特殊工况下的环境要求。对于供电电压而言，一般要求工作在DC5 V～24 V范围内，信号采集分辨率为16位，即采用16位ADC对加速度、位移、速度等信号进行采集。

对于传感器布置而言，需要将其布置在船用柴油机的缸盖、机体、齿轮箱、涡轮增速器以及喷油器附近等，布置在缸盖可以监测到柴油机燃烧过程中的异常振动，布置在机体可以了解柴油机的整体振动情况，布置在齿轮箱可以监测柴油机的传动结构的振动情况，布置在喷油器附近则可以监测燃油燃烧效率，传感器的布置应遵循相关的标准和规范，如GB/T 33905.1−2017《智能传感器第1部分：总则》，以确保监测系统的标准化和系统化。

数据采集系统是使用数据采集卡、嵌入式系统等来对传感器数据进行采集，通过将传感器中采集的加速度、位移和速度等模拟数据转换成离散的数字信号，进而实现对传感数据的采集和存储。

数据预处理是将采集到的数据按照统一标准进行处理，如将位移、速度数据进一步处理为加速度数据，并保留统一格式，方便后期进一步处理。

2.3 特征提取模块

在完成振动信号采集后需要对振动信号进行特征提取，在船用柴油机的振动信号中包含着频域和时域信息，使用短时傅里叶变换（Short−Time Fourier Transform，STFT）对振动信号进行特征提取，其流程如图5所示。短时傅里叶变换（Short−Time Fourier Transform，STFT）是一种分析非平稳信号频率特性的工具，特别适用于处理随时间变化的信号。

1）读取柴油机振动信号

从存储器中读取所有的柴油机振动数据。

2）选择合适的窗函数

窗函数用于截取信号的一个局部片段。窗函数的选择会影响STFT的频率分辨率和时间分辨率。宽窗口可以提供较高的频率分辨率，而窄窗口则提供较高的时间分辨率。

3）设置窗口长度和重叠长度

窗口长度决定了每个片段的大小。较长的窗口可以更好地捕捉低频成分，而较短的窗口则能更好地捕捉高频成分和快速变化的信号。窗口长度的选择需要根据信号的特性和分析目的来确定。在连续进行STFT时，相邻窗口之间会有一定的重叠。重叠长度的选择会影响计算效率和频率分辨率。较大的重叠可以提高频率分辨率，但也会增加计算量。

4）进行STFT变换

将窗函数应用于信号，截取信号的一个局部片段，然后对该片段进行傅里叶变换。通过改变窗口的位置，重复此过程，可以得到信号随时间变化的频率谱。

5）提取特征

STFT的结果通常表示为一个三维谱图，其中2个维度是时间，第3个维度是频率。通过观察谱图，可以识别信号中的周期性成分、瞬态事件以及频率成分随时间的变化。从STFT结果中提取有用的特征，如主要频率成分、能量分布、频率变化趋势等。这些特征可以用于后续的模式识别、分类或故障诊断。

2.4 故障诊断模块

故障诊断首先需要建立柴油机故障诊断模型，该模型基于神经网络技术和大数据技术，不断对历史振动数据和故障建立一一映射，从大量的振动信号中学习柴油机故障的基本特征，通过前向传播和反向传播算法，不断调整网络中的权重和偏置，以最小化预测输出和实际输出之间的误差。在经过训练后可以对任意一个船用柴油机振动信号进行分类，并实现对船用柴油机故障的判断。在完成判断后将得到的输出结果发送到显示界面显示，或者直接发出预警信号，提醒船舶工作人员对柴油机进行维修。

3 结　语

1）船用柴油机正常工况下振动信号为有规律的、反复循环信号，在出现故障时振动信号中会出现频率异常、幅值异常等情况，通过对大量船用柴油机振动信号进行特征提取，可以建立柴油机故障和振动信号之间的映射关系，从而为柴油机的故障诊断提供依据。

2）使用STFT变换可以有效提取柴油机振动信号的基本特征，将加速度传感器、位移传感器、速度传感器布置在柴油机的不同位置，可以获取柴油机的振动情况。

3）建立基于振动分析的船用柴油机故障诊断模型，在获取的历史数据基础上可以对柴油机故障种类进行准确判断。