摘 要

船舶运输自问世以来承担了世界各地的商贸往来和文化交流的重任，大大加快了世界各地的联系，成为当今世界的一种必不可少的交通方式。目前各种大中型船舶基本都依靠主机装置来驱动船舶有效的进行货物往来和人员运输，其主机的性能好坏，稳定程度直接决定了船舶能否正常航行，也关乎到船舶上航行人员能否正常的完成工作和他们的生命财产安全。船舶主机在船舶的航行过程中具有无可替代的作用，但船舶主机在运行的过程中却具有工作环境恶劣，条件多变，故障发生率高等特点，这些工作特点和恶劣的工作环境决定了在在船舶的航行过程中其主机装置极易发生故障，所以对主机的状态预测研究对当下就显得尤为重要。当前，船舶主机的状态预测方法层出不穷，其中通过神经网络技术进行状态预测成为了这其中的一种非常重要的方法。

本文主要是通过神经网络的分析预测方法来对船舶主机装置大型低速柴油机进行故障分析及预测。

1. 本文首先通过对当前常见的状态预测方法进行了总结和介绍。
2. 然后通过在主机滑油系统出口附近的油液进行采样，把采集的油样进行油液分析法（光谱分析法与铁谱分析法）进行综合分析得出其检测参数建立状态参数集。
3. 最后通过Matlab的程序编写和其中的BP神经网络工具箱来建立船舶主机状态预测模型。

关键词：船舶主机；状态预测；BP神经网络；油液分析法

Abstract

Since its advent, shipping has assumed the responsibility of business and cultural exchanges around the world, greatly accelerated the contacts between the world, and has become an indispensable mode of transportation in today's world. At present, all kinds of large and medium-sized ships basically rely on the main engine device to drive the ship to carry out effective cargo and personnel transportation. The performance and stability of the main engine directly determine whether the ship can sail normally or not, and also relate to whether the sailors on the ship can complete their work and the safety of their lives and property. The main engine of a ship plays an irreplaceable role in the course of navigation. However, the main engine of a ship has the characteristics of bad working environment, changeable conditions and high failure rate. These working characteristics and bad working environment determine that the main engine device of a ship is prone to failure during navigation. Therefore, the research on the status prediction of the main engine is obvious at present. It's particularly important. At present, the state prediction methods of ship main engine emerge in endlessly, among which the state prediction by neural network technology has become one of the most important methods.

The main purpose of this paper is to analyze and predict the fault of large low speed diesel engine of marine main engine by using the analysis and prediction method of neural network.

(1) Firstly, this paper summarizes and introduces the current common state prediction methods.

(2) Then the oil samples collected near the outlet of the main engine lubricating system are sampled and analyzed comprehensively by the oil analysis method (spectral analysis and Ferrography analysis), and the detection parameters are obtained to establish the state parameter set.

(3) Finally, the state prediction model of marine main engine is established through the programming of MATLAB and the BP neural network toolbox.

Key words: marine main engine; state prediction; BP neural network; oil analysis method

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 选题的背景及意义 1

1.2 国内外研究现状 1

1.3 论文主要研究内容 2

1.4 论文的组织结构 2

第2章 状态预测基本理论 4

2.1 状态预测技术介绍 4

2.1.1 状态预测的定义 4

2.1.2 状态预测技术的发展 4

2.2 常用的状态预测方法 4

2.2.1 支持向量机预测 4

2.2.2 神经网络预测 5

2.2.3 灰色理论 5

2.2.4 时间序列法 5

2.3 本章小结 5

第3章 基于油液分析法的船舶主机状态预测研究 7

3.1 油液分析法的简介 7

3.1.1 铁谱分析法 7

3.1.2 光谱分析法 8

3.2 实验油样的采集 9

3.2.1 油样采集的要求 9

3.2.2 油样采集的周期 9

3.2.3 实验油样的采集 9

3.3 本章小结 9

第4章 基于Matlab神经网络工具箱的船舶主机状态预测模型 11

4.1 BP神经网络简介 11

4.1.1 BP神经网络的介绍 11

4.1.2 BP神经网络的学习 11

4.1.3 BP神经网络的局限性 11

4.2 基于Matlab神经网络的程序设计 12

4.2.1数据的归一化处理 12

4.2.2 BP神经网络的建立 12

4.2.3 BP神经网络的训练 12

4.2.4 BP神经网络的仿真 13

4.3 基于Matlab神经网络工具箱的模型建立 13

4.3.1 Matlab中神经网络工具箱的介绍 13

4.3.2 神经网络中数据的处理与分析 16

4.4.1 基于油液分析法的各个参数的预测 16

4.4.2 基于油液分析法的主机状态分析模型 36

4.4 本章小结 40

第5章 结论 41

参考文献 42

致 谢 43

附录A 44

附录B 46

第1章 绪论

1.1 选题的背景及意义

随着世界经济文化联系日益紧密，船舶航运业在当下仍然具有着其巨大的优势，拥有着其无可取代的地位。船舶在航行运输的过程中，为其提供推进动力的主机性能好坏，稳定程度直接决定了船舶能否正常航行，也关乎到船舶上航行人员的生命财产安全。当前，船舶主机多为柴油机，而柴油机在运行的过程中具有工作环境恶劣，条件多变，故障发生率高等特点，所以对其的状态预测研究对当下就显得尤为重要。现如今船舶主机的状态预测方法层出不穷，其中通过BP神经网络进行状态预测成为了这其中的一种非常重要的方法。

1.2 国内外研究现状

船舶的推进动力主要是由柴油机内的燃油通过压燃的方式，将其内能转变成活塞的机械能然后通过曲轴的旋转带动螺旋桨提供前进动力。自现代船舶出现后，随着现代科学技术的迅速发展，在船舶航行的状态预测方面也取得了一些列的发展。

在上世纪的五十年代时期，当时计算机技术还没有大规模普及，在那个时候的状态预测技术主要是通过船舶航行过程中的轮机员通过观察船舶各参数的变化判断其船舶接下来的运行状态。船舶在航行过程中的各种参数被轮机员周期性的记录在船舶航行日志中，若某一时期参数变化趋势发生变化时，轮机员根据船舶航行日志和其自身经验判断其未来可能发生的状态，然后进行相应的处理。

到上世纪七十年代时期，计算机已初步应用于船舶领域。许多国外先进的船舶公司在原有传统的故障分析的基础上通过计算机，传感器等开发了一系列新的状态预测系统如：

1. SODS。SODS系统能够将船舶柴油机作为其监测对象，能够实现连续、在线这两个状态预测系统的基本内容。SODS系统通过传感技术，不仅能够连续监测主机装置中各工质的转速、压力、温度等常见性能参数；还可以着重让燃油压力值和喷油器雾化的喷油压力这两种燃油参数处于被监测状态，SODS系统能够以计算机为基础，记录所监测的主机装置的各项参数，并能够进行简单的预测分析。

（2）CC10系统（Bamp;W公司）。Bamp;W公司所设计研究出的CC10通常只能够用于Ｋ－ＧＦ型号的二冲程低速柴油机。CC10系统与SODS系统在数据采集方面类似，也使用传感技术，通过传感器将监测到的信息输入到计算机之中。但CC10系统与Bamp;W系统不尽相同的是，对于所输入的数据信息，CC10系统在一天之中只自动处理一次，对船舶主机装置各设备参数进行趋势分析和计算，并且进行处理结果的输出。

这些系统通过检测和获取船舶航行过程中的参数变化来对其进行状态预测，所以状态预测开始了一段全新的发展时期。

近年来，船舶主机状态预测系统的研发伴随着社会的发展和科技的进步而取得了一系列的成就。这其中比较重要的是一种人机一体系统应用到了状态预测方法之中，这种人机一体系统其以人脑的智能活动作为其核心理念，并且通过运用计算机的程序编程来实现并代替人脑的智能活动。这种人机一体系统的先进状态预测理念，使得船舶主机状态预测技术水平呈现出了巨大的提升。在此之外，这种人机一体系统还能够帮助进行主机设备数据监测和主机运行趋势的判断。在这种船舶主机状态预测系统成立的基础上，这个状态预测系统中所包含的智能技术和科技知识，决定了状态预测智能技术的发展水平。

现如今，随着计算机智能模拟预测技术的高速发展，船舶的状态预测方法在不断的完善和发展中呈现出了新的技术创新，国内外的各科研机构也通过其各自不同的算法和理念各自研发出了不同的船舶状态预测系统，船舶主机的状态预测呈现出百家争鸣的趋势。

1.3 论文主要研究内容

本文以BP神经网络状态预测技术为基础，以船舶主机为例来进行状态预测。通过在船舶主机润滑系统出口附近的油液进行采样，把采集的油样通过油液分析法中的光谱分析法和铁谱分析法进行综合分析得出其检测参数建立状态参数集，最后运用Matlab内的BP神经网络工具箱和Matlab的程序编写建立船舶主机状态预测模型，并且通过前期油液分析法所得数据在运用所建立的船舶主机状态判断模型进行状态的判别。

1.4 论文的组织结构

本文共分为5个章节来系统的介绍船舶主机的状态预测研究，下面是各个章节的主要内容介绍：

第一章主要介绍了运用于船舶状态预测方法的发展背景，国内外的研究现状还有研究船舶主机装置故障分析与预测的目的及意义。

第二章主要介绍了有关状态预测的定义和发展状况，同时也介绍了目前船舶设备状态预测的一些常用研究方法。

第三章本文论述了基于油液分析法的船舶主机状态预测研究，介绍了油液分析法的基本内容，并通过其中的铁谱分析法和光谱分析法对所采集的油液样本进行处理，然后本文介绍了油液采集的要求、注意的事项和油液采集的部位。

第四章主要是介绍了神经网络的有关知识，介绍了建立神经网络的相关步骤，最后通过Matlab的程序编写和神经网路工具箱，首先对油液分析法的各参数数据进行预测，建立船舶主机状态预测模型，然后对所预测得的参数数值进行状态判定。

第五章是对上面的五章进行归纳性总结，得出本论文最终的结论。

第2章 状态预测基本理论

2.1 状态预测技术

2.1.1 状态预测的定义

一般所指的状态预测，既对装置运转过程中的信号进行采集和监测，接着处理和分析加工获得的信号，将能成功预测状态的变化趋势，最终拟定合适的处理方案。

预测状态参数，是解决故障诊断问题的＂关键要道＂，只有解决状态预测问题才可以切实的实现诊断技术。在进行预测实验进程中，重要的工作是从监测系统设备里得到的各个状态参数中获得能够反映设备系统状态的决定性信息，对信息进行适当处理，创建合适的参数模型以便开展后续预测工作。

2.1.2 状态预测技术的发展

状态预测技术为依照己有数据确定将要发生的状态，具备智能性，同时状态预测还需依照以前和现在的参数及全部累积的监测参数来预判将来运行状态发展的能力。这种技术进步的重点不仅是为解决系统设备故障诊断做铺垫，更关键的是帮助工作人员预测设备装置的剩余寿命，从而知晓使系统处在正常运行情况下的下一次维修时间。

从目前的情形看，已经有大量领域认同了预测理论和方法，且应用范围还在扩大。如工业生产总值、股票、降雨量此类参数的预测。大量行业科研人员研究了预测状态的方法，且获得了不同进度的成果。如：以小波分析预测法为基础的水轮机状态预测，这种方法能够得到精度极高的预测结果，且预测速度极快；基于灰色理论的机械设备状态预测，此方法所得数据量小，占空间小，计算简单，能够精确预测结果，且已经在实际项目中开展了应用。近几年，神经网络开始投入使用，且在大量领域投入实用，对系统设备的状态预测提供了新的思路。

2.2 状态预测方法

2.2.1 支持向量机预测

千禧年前，机器学习方法开始发展起来，其本质是基于统计学基础理论，称为基于支持向量机的预测算法。由于它可以较好按制VC，因此被广泛使用。解决线性可分化问题的最关键技术是建立最优分类超平面；而至于非线性问题，支持向量机如何利用映射函数将原始空间映射到高维特征空间成为首要问题。低维问题转变为高维可分化问题的基础是创建最优分类超平面。对那些小成本高维非线性的问题，可以很好地利用支持向量机去解决。用这种算法，不仅能够减小数据不足而带来的不良影响，还能够很好的避免过拟合问题，能够被广泛推广。

2.2.2 神经网络预测

在生物学、人脑组织学等研究基础上，神经网络作为重要课题被提出。与人大脑相似的神经网络工作过程有很多，而且也可以解决简单信息处理单元构成的复杂网状系统。神经网络拥有较强联想、较强记忆、较强推广能力等特性，而且己被证明一个三层网络可以以任意精度逼近函数，所以也成为了神经网络的数学基础。神经网络可对多变量系统建立参数模型，即便在没有假设建立输入量之间关系的条件下。而且，训练数据能够通过不断学习得到变量间的非线性关系。具有一个隐含层的前馈神经网络颇受欢迎。国外学者提出一种＂模糊神经网络＂的自适应性神经网。模糊神经网络的优势是可以将模糊数学和神经网络的优点很好的结合起来，通过＂取长补短＂来弥补二者的缺陷。能够断定模糊神经网络将逐渐变成神经网络发展的趋势，也将成为预测理论发展的趋势。

2.2.3 灰色理论

灰色理论是国内建立的一种特定算法。邓聚龙教授是第一个提出灰色系统理论的国内著名学者，此理论在提出之际就吸引了学术界的广泛关注，包括各个领域的学者和研究人员。通常灰色系统是处理小样本，信息不足的不确定性系统。对其进行整合，分析。已知部分信息而不知道另一部分信息的不完整系统，需要对己知的信息进行详细分析，从中提取有用信息，从而可以认识、控制系统。灰色预测建模的优势在于建模只需要少量数据，其内在规律性也可从中了解，然后将表面貌似无序的数据变为规则数据。在各行各业中，灰色预测理论已得到了很好的实践，且依然在迅速发展，给实际工程创造出很好的收益。

2.2.4 时间序列法

时间序列法本质一种动态建模的方式，被广泛应用于社会的多个行业中，应用参数模型方式处理和分析连续时间点上数据的一系列样值即是时间序列。时间序列分析是将系统设备数据随时间变化的规律从历史数据中提取出来，使用发现的规律预测系统设备将要发生的发展状态。整个建模过程不仅在速度上有优势，且计算相对简单，缺陷就是需要大量存储空间，而且非线性系统的预测不能使用该方法。实践应用当中，时间序列法通常与其他算法并用，来达到预期目的。

2.3 本章小结

本章主要介绍了状态预测技术的定义、发展过程，以及当前进行状态预测的各种方法的介绍，为后续的船舶主机的状态预测奠定了基础。

第3章 基于油液分析法的船舶主机状态预测研究

随着当前社会对船舶运输行业的需求量不断加大，船舶主机的状态预测技术的发展就显得尤为重要，而这其中我们首先要解决的便是船舶主机状态预测中反映主机运行参数的提取问题，在本文中，我们采取油液分析法来对船舶主机的状态进行预测。

3.1 油液分析法的简介

润滑油在船舶各个设备中起着至关重要的作用，它具有清洗、密封、防腐、冷却的作用，对于船舶的正常运行具有重要的意义。然而船舶的润滑油的使用和存储过程当中，经常会在其中混入各个零件的磨损产物和各个污染物，这些外来物质在某种程度上反映出了船舶各设备的运行和润滑情况。我们可以通过分析润滑油当中混入的各种杂质，分析出润滑油中所蕴含的船舶主机中各个设备故障状况。所以，油液分析法是船舶主机状态预测的一种重要方法。

油液分析法是通过将我们在设备中采集的油液样本，利用磁、光、电学等手段，分析其理化性质和油液当中的各个磨损颗粒杂质，从而获得船舶主机各个设备的磨损状态和故障信息。定量又定性地表述出各设备的运行情况，找出所发生的故障并且找到故障发生的原因。该法具有的两类内容分别是油液理化指标分析和磨损磨粒分析，前者能够直接的呈现出船舶主机各个设备的磨损的补位、程度和状态等信息，后者则能分析出润滑油的衰变程度和质量状况，并且间接表述出各设备的磨损状况。

3.1.1 铁谱分析法

在上世纪七十年代，铁谱分析法首先被提出并逐渐发展,直至目前已经是一种重要的油液监控技术。铁谱分析法是通过高磁场，高梯度,在透明载体上将所测油样中所包含的磨粒样本通过粒度大小的顺序来进行磨粒的沉积,然后通过借助显微镜来对磨粒样本进行定量和定性的分析和研究,然后进一步形成旋转式铁谱、分析铁谱、在线铁谱和直读铁谱等各不相同的分析处理技术。铁谱分析法主要是通过将分析式铁谱系统作为其主要分析手段。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：