Abstract: In order to find out the potential failure factors of the equipment in advance and arrange the maintenance of the engine room equipment reasonably, the grey correlation analysis method is put forward to evaluate the healthy operation state of the ship system equipment. This method is used to calculate the correlation degree between the measured state data column and the ideal state data column established by the evaluation index parameters, and judge the degree of deviation from the healthy state of the system equipment according to the correlation degree. The feasibility of the evaluation model is verified by the actual operation data of two groups of marine high temperature fresh water system. Calculation results: the correlation degree of 0.953 between the normal state data column and the ideal state data column in the two groups of test data is larger than 0.724 between the fault state data column and the ideal state data column, which is consistent with the actual situation. The results show that the grey correlation analysis model is suitable for evaluating the health status of marine high temperature fresh water system and has certain practical application value in the condition evaluation of ship system equipment.
0 引言
在“工业4.0”以及“中国制造2025”的时代背景之下，智能船舶、无人船舶成为当今造船业和船舶营运业发展的重点[1]。实现机舱智能化、船舶智能化的前提条件是能够对船舶动力装置的重要系统未来状态进行评估，预测系统健康状态的发展趋势，为系统零部件置换策略和维修策略提供相应的依据。船舶柴油机高温淡水系统主要为柴油机受热部件进行冷却，一旦其发生故障，会导致柴油机停车，船舶失去动力，所以对高温淡水进行健康状态评估意义重大[2-4]。罗恒等[5]结合船舶动力系统主要设备特点，运用层次分析法建立动力系统技术状态评估模型，并定性、定量的对评估中各指标权重进行分析，但其评估过程中定性成分较大，不易令人信服。丁建军等[6]应用时序分析方法对缸盖振动信号进行AR谱估计，再从其AR谱中提取出用于实际诊断的故障特征参数，最后利用欧氏距离判别函数进行故障状态识别。其并没有进行健康评估计算，未从根本上解决船舶设备的状态评估问题。吴小豪等[7]建立了基于超球支持向量机的船舶高温淡水系统状态评估模型，对训练样本确定以及核函数确定等方面进行深入研究。但其确定设备自身性能方程的过程过于复杂，缺少实用性。雷琳等[8]建立船舶电网系统状态评估的数学模型，然后引入粒子群算法对数学模型进行求解，得到了船舶电网系统状态评估的最佳方案，并在Matlab 平台进行了船舶电网系统状态评估的验证测试。但其计算过程过于复杂，对运算中心要求很高，难以在实船上推广应用。基于上述方法的弊端，本文选取高温淡水系统作为研究对象，采用计算过程简便、自适应能力强的灰色关联分析法作为高温淡水系统的状态评估方法。灰色关联分析法能够协调多参数共同作用，并具有计算机编程易实现的优点[9]。
1 船舶高温淡水系统
船舶高温淡水系统也被称为船舶主机缸套水系统，是中央冷却水系统的重要组成部分。船舶主机在运行过程中会产生大量的热量，为防止受热部件温度过高超过材料可承受的极限而发生变形，从而影响气缸套、气缸盖、排气阀和活塞等受热部件的正常工作状态，需及时对主机的受热部件进行冷却降温。船舶主机高温淡水系统即可使受热部件温度尽快降到适当温度，并使温度维持在恒定的范围内。一般来说，高温淡水系统主要由高温淡水泵、高温淡水冷却器、膨胀水箱、相关传感器以及相关阀件等组成。高温淡水进入柴油机依次冷却气缸套和气缸盖后，出柴油机部分进入造水机进行余热利用后，汇合进入缸套水冷却器被低温淡水进行冷却，最后进入高温淡水泵进行增压后再次进入柴油机完成一个闭式工作循环。其中，膨胀水箱起到补水和放气的作用。系统原理图如图1所示。
图1 船舶主机缸套水系统原理简图
Figure 1 Schematic diagram of marine main engine jacket water system
高温淡水系统的工作能力是否良好将直接影响主机的工作状态是否正常。但系统经常会发生高温淡水泵排压不足、高温淡水冷却器高温侧结垢严重等缺陷。因此对高温淡水其进行健康状态评估，及时获知可能发生的缺陷因素，合理安排维修和决策，显得尤为重要。
2 灰色关联分析评估方法的建模过程
灰色关联分析法是我国邓聚龙教授创立的灰色理论系统中的一个分支。它是以各因素提取的数据为研究对象，通过灰色关联度来观察待测状态建立的数据与理想状态建立的数据，然后进行比对，如果两种状态下的数据通过关联度的计算愈加相似或者发展趋势愈加相同，关联度一般计算下来一般在[0,1]之间。他们之间量化的关联度越接近1，说明他们的发展趋势愈加相同；越偏离1，说明他们的发展趋势越不相近。灰色关联分析方法的优势在于对参数数据的标准水平较低，一些参数需要，而另一些参数不需要也能很好的去实现这个算法的运行。所以，灰色关联分析方法是一种简单且具有操作性的一种评估方法，评估步骤简便可靠。其分析的一般过程为：
（1）收集评估指标参数数据，建立待测状态数据列
收集高温淡水系统运行状态任一时刻的评估指标参数集，建立待测状态数据列，如下。
（2）确定理想状态数据列
当系统运行在最优状态时，所有评估指标参数应等于基线值，即可确定系统理想状态数据列，如下。
（3）对指标参数进行无量纲处理
由于系统各个指标参数的单位不一致，数量级差距较大，为了避免数量级对系统关联分析结果的影响，计算之前必须对系统的指标参数进行无量纲处理。在灰色关联分析中，对数据无量纲处理的方法有很多，一般有初值化方法、均值化方法、区间化方法等。为了避免评估中出现较大的误差，本文将采用均值化方法对系统指标参数数据进行无量纲处理。均值化法是参数数据除以状态下所选用的各参数的平均值，该方法体现各参数的区别度的信息，这是均值化方法的优点。均值化法公式如下。
式中，
—原始数据，
—标准化值，
为数据列的平均值，计算公式如下。
无量纲处理后得到的待测状态数据列为：
无量纲处理后得到的理想状态数据列为：
（4）求关联系数
根据上一步所求得的关联系数
，由上式可计算出每组待测状态数据列与理想状态数据列之间的邓氏关联度。
（6） 根据邓氏关联度yi的大小评判系统的健康状态
每组计算出的待测状态数据列与理想状态数据列之间的关联度yi大小进行比较。yi越大，待测状态数据列与理想状态数据列关系越紧密，则系统运行的待检测状态与理想状态越相似，说明该状态下系统运行良好；yi越小，待测状态数据列与理想状态数据列关系越疏远，说明该状态下系统运行较差。
综上，灰色关联分析法的评估流程如下图。
图2 基于灰色关联分析方法状态评估流程图
Figure 2 Flow chart of state evaluation based on grey correlation analysis method
3 基于灰色关联分析方法的主机缸套水系统状态评估
本文选取某教学实习船上主机缸套水系统的实时运行参数对所提出的评估方法进行验证。该船使用主机缸套水冷却器2台，型号是BR0.12A-0.6-6-N，主要换热参数如表1所示。高温淡水泵为离心泵，设置两台，互为备用。两台高温淡水泵规格均为：设计排量45m3/h，设计压头0.35MPa。
表1 主机缸套水冷却器主要换热参数
Table1 Main heat transfer parameters of jacket water cooler of main engine
3.1评估参数的选取
由于船舶主机缸套水系统受外界干扰因素较多，所处海域、季节变化都对进口参数有一定的影响，进口参数不能代表系统的运行状态，故决定选择缸套水冷却器和高温淡水泵的多个出口参数作为评估参数，即高温淡水泵出口压力、缸套水冷却器高温淡水侧出口压力和出口温度以及低温淡水侧出口温度和出口压力。
3.2 评估参数基线值的获取
通过实船运行数据的收集，并参考说明书和设计手册[10]，确定了船舶燃油供给系统评估指标参数的基线值。如下表所示。
表2评估指标的基线值
Table2 Baseline values for evaluation indicators
3.3 船舶主机缸套水系统的状态评估实例计算
这里采用2组实船数据分别构成2组待测状态数据列对评估模型的有效性进行验证。分别选取一组正常运行的数据和一组缸套水冷却器高温侧轻微堵塞状态下的故障运行数据进行模拟计算。
（1）建立理想状态数据列和待测状态数据列
理想状态数据列根据表2得出：
正常状态下待测状态数据列为：
故障状态下待测状态数据列为： 
（2）数据进行无量纲处理
对原始数据通过公式（1）进行无量纲处理，处理后的结果如下。
（3）计算关联系数
首先，计算式（3）中的绝对差值，即
，结果见下表。
表3 绝对差值
Table3 Absolute difference
然后，计算式（3）中的2级最小差和2级最大差，结果见下表。
最后，根据式（3），计算出待测状态与理想状态之间的关联系数，见表4。
表4 关联系数计算结果
Table4 Correlation coefficient calculation results
（4）求邓氏关联度yi
根据公式（4）及上述关联系数计算结果可得邓氏关联度为：
由计算结果可以看出，y1>y2，正常状态与理想状态的关联度大于故障状态与理想状态的关联度。正常状态与理想状态的关联度为0.953，这是因为正常运行状态下的数据列与理想状态下的数据列相似度更高；而故障状态与理想状态的关联度为0.724，这是因为故障状态的数据列与理想状态下的数据列有一定的偏离。计算结果与事实相符，说明灰色关联分析法能够用来评估缸套水系统的健康状态。
4 结论
本文针对当前机舱智能化的发展需求，采用了灰色关联分析方法对船舶缸套水系统进行了健康状态评估。通过详细论述灰色关联评估方法的建模过程，得出灰色关联分析方法适合用于比较两个数据列的关联程度，并可通过计算状态数据列与理想状态数据列的邓氏关联度来判断待测状态与正常健康状态的偏离程度。最后采用实船缸套水系统的两组数据来验证评估模型的有效性，计算后发现正常状态与理想状态的关联度大于故障状态与理想状态的关联度。表明灰色关联分析方法在船舶系统设备状态评估方面具有可行性，具有较高的实际工程应用价值。
参考文献
[1] 苏士斌,刘英策,林洪山,等.无人驾驶运输船发展现状与关键技术[J].船海工程,2018,47(05):56-59.
[2] 陈子建,王振涛,许杰彬.基于RBF网络的船舶机械状态监测与评估[J].船舶工程,2015,37(S1):156-159+244.
[3] 汪益兵,杨燕斌.基于CBM的船舶设备健康管理系统[J].船舶工程,2017,39(10):70-74.
[4] 邹永久,张跃文,孙培廷,张鹏,刘伊凡.基于RKGM-AR模型的船舶主机排气温度预测[J].船舶工程,2015,37(07):46-49+58..
[5] 罗恒,张静巧,刘东民,等.基于层次分析法的动力系统技术状态评估方法[J].舰船科学技术,2017,39(03):79-82.
[6] 丁建军,邢春光.柴油机气阀机构状态评估的LabVIEW实现[J].舰船科学技术,2008(05):39-42.
[7] 吴小豪,张跃文,孙培廷,等.基于超球支持向量机的船舶高温淡水系统状态评估[J].船舶工程,2017,39(02):49-52+93.
[8] 雷琳.基于粒子群算法的船舶电网系统状态评估分析仿真[J].舰船科学技术,2018,40(12):100-102.
[9] 赵军.船舶技术状态评估方法研究状况概述[J].船电技术,2018,38(08):6-8.
[10] 《轮机工程手册》编委会.轮机工程手册下册[M].1172-1247
