- 无标题文档
查看论文信息

中文题名:

 

内河船舶混合动力系统机械故障机理及试验研究

    

姓名:

 王家兴    

学号:

 1049722003786    

保密级别:

 公开    

论文语种:

 chi    

学科代码:

 082300    

学科名称:

 工学 - 交通运输工程    

学生类型:

 硕士    

学校:

 武汉理工大学    

院系:

 交通与物流工程学院    

专业:

 交通运输工程    

研究方向:

 船舶动力系统机械设备信号监测及故障诊断    

第一导师姓名:

 向阳    

第一导师院系:

 船海与能源动力工程学院    

完成日期:

 2023-03-20    

答辩日期:

 2023-05-18    

中文关键词:

 

混合动力系统 ; 柴油机 ; 离合器 ; 机械故障机理分析 ; 故障仿真

    

中文摘要:

近年来,由于我国内河货物运输量的增加,内河船舶的数量也在急剧增加,随之而来的污染问题也越来越严重。为了保证内河船舶的绿色环保,提高船舶的燃油效率,同时解决柴油主机动力冗余的问题,混合动力系统已经逐渐成为一种更加符合需求的推进方式。采用具有PTI、PTO、PTH和主机四种推进模式的柴-电混合动力不仅能满足不同内河航段动力输出的不同需求,还可使动力设备工作在高效区间,同时环保性及经济性也大幅度提升。但柴-电混合动力系统也较常规推进方式更加复杂,内河船舶工况频变使关键动力设备发生故障的概率更高,故障模式也更加复杂。为保证内河船舶混合动力系统的可靠性,文中根据内河7 500 t示范船混合动力系统搭建了柴-电混合动力故障机理研究平台,分析了关键设备故障原因及影响,在此基础上进行了混合动力系统关键设备的机械故障试验并对试验数据进行了分析。主要研究内容如下。

1)为研究混合动力系统关键设备机械故障的机理,根据7 500 t内河船舶的混合动力系统匹配模式设计了故障机理研究平台方案。选取WP6C150-15作为平台的主机,并根据实船动力需求及配比选取了合适的轴带电机,确定了每种运行模式下各设备间的传动比。然后根据传动比需求和运行模式需求设计了齿轮箱。根据动力系统输出特性及实船推进特性选取测功器代替实船上的螺旋桨,最后选择合适的辅助设备搭建了完整的柴-电混合动力系统故障机理研究平台。

2)研究了混合动力系统关键动力设备柴油机及齿轮箱的机械故障原因及影响。对柴油机燃油系统、冷却系统、配气系统的几种典型故障进行了故障原因及影响分析。此外,混合动力系统中为实现PTI、PTO、PTH和主机四种推进模式间的相互切换,齿轮箱配备多组离合器及变速齿轮以实现减速及换向的功能。离合器切换异常会严重影响船舶的动力输出性能,因此选择对齿轮箱中离合器故障进行研究。根据故障机理分析绘制了故障树。

3)基于故障树分析结果及混合动力系统中柴油机与齿轮箱结构性能参数,选取了几种具有代表性的典型故障为研究对象,设计并进行了故障模拟试验。在设备不同位置安装了不同传感器用于监测各设备运行状况,其中包含振动、瞬时转速、缸压、温度、流量、功率、转矩、电流等信号。基于Labview建立了信号采集与预处理系统。

4)研究了各种故障的信号特征并进行了特征抽取。针对单缸及双缸失火故障,对比分析了瞬时转速信号的12阶谐次幅值及燃烧段缸盖振动信号的功率谱密度。针对气门间隙故障,重点分析了气门落座段的振动信号。针对进气量减小故障,截取了燃烧段的振动信号进行了分析。针对离合器打滑故障,分析了合排时齿轮箱输出轴轴承振动信号。最后进行了故障模式识别的研究。

5)针对某些难以在混合动力系统故障机理研究平台上进行模拟的故障,在GT-POWER中建立了试验平台中的WP6C150-15型柴油机仿真模型,并验证了模型的准确性。通过修改模型参数定量模拟了冷却系统异常及进气量不足对柴油机工作性能的影响,根据仿真结果总结了故障影响规律。

参考文献:

[1] 席龙飞. 船舶油电混合动力系统建模与仿真[D]. 上海:上海交通大学, 2014.

[2] 张益敏. 基于某内河公务船的柴电混合动力模式切换研究[D]. 上海:上海交通大学, 2018.

[3] 徐振峰. 柴电混合动力船舶推进系统方案评估研究[D]. 武汉:武汉理工大学, 2018.

[4] 卢耀文. 船舶并联式气电混合动力系统能量管理与节能研究[D]. 哈尔滨:哈尔滨工程大学, 2019.

[5] 陈紫起. 基于故障树方法的柴油机可靠性研究[D]. 大连:大连理工大学, 2020.

[6] 褚玉程. 16V240ZJD型柴油机故障分析关键技术研究[D]. 大连:大连理工大学, 2014.

[7] VEND Aleksandar, RAC Aleksandar. Diesel engine crankshaft journal bearings failures:case study[J]. Engineering Failure Analysis, 2014,44:217-228.

[8] 袁雄. 基于GIS的长江内河船舶交通事故分析系统研究[D]. 武汉:武汉理工大学, 2012.

[9] 李鹏飞. 基于故障树分析的柴油机燃油系故障诊断研究[D]. 西安:长安大学,2016

[10] 邱晗. 基于故障树和油液检测的柴油机的故障诊断与研究[D]. 大连:大连海事大学, 2010.

[11] 王体坤. 基于故障树分析法的拖轮柴油机故障诊断方法[D]. 大连:大连海事大学, 2012.

[12] 许伟. 船用齿轮箱状态监测和故障诊断系统的研究[D]. 舟山:浙江海洋学院, 2015.

[13] 程超. 船用齿轮箱状态评估技术研究[D]. 哈尔滨:哈尔滨工业大学, 2013.

[14] 朱才朝, 徐向阳, 陆波, 等. 大功率船用齿轮箱传动系统模糊可靠性优化[J]. 船舶力学, 2010,14(8):915-921.

[15] 赵德银, 许中芳, 王伟东, 等. 混合动力汽车分离离合器故障诊断测试技术研究[J]. 汽车文摘, 2019(11):31-35.

[16] 赵博, 吴凤林, 任家骏, 等. 高速动车组列车齿轮箱的故障树分析与仿真[J]. 机械设计与制造, 2018, (1): 148-151.

[17] 户满堂. 基于故障树建模的起重机齿轮箱故障诊断研究[D]. 邯郸:河北工程大学,2019.

[18] 刘良睿. 船用柴油机常见故障分析与排除[J]. 船舶物资与市场, 2019(10):69-70.

[19] 刘磊. 船用柴油机常见故障及应对方法分析[J]. 中国高新区, 2018(14):147.

[20] 柯赟, 宋恩哲, 姚崇, 等. 船舶柴油机故障预测与健康管理技术综述[J]. 哈尔滨工程大学学报, 2020,41(1):125-131.

[21] BEJGER Artur, DRZEWIECKI Jan Bohdan. The use of acoustic emission to diagnosis of fuel injection pumps of marine diesel engines[J]. Energies, 2019(24):1-11.

[22] SALAH M, OBAIDI Ali Al , HUI K, et al. Automated valve fault detection based on acoustic emission parameters and artificial neural network[J]. MATEC Web of Conferences, 2019,255(1):2013-2021.

[23] 吉哲. 基于声信号的柴油机故障诊断研究[D]. 合肥:中国科学技术大学, 2017.

[24] 张舒,余永华,胡磊,等.柴油机气阀漏气故障声发射诊断特征参数[J]. 内燃机学报, 2016,34(4):379-383.

[25] HAN Jiajia, JIA Jide, JIA Xiangyu, et al. Vibration signal de-noising based on empirical wavelet transform autocorrelation analysis[J]. Vibroengineering PROCEDIA, 2018,19(5):12-16.

[26] 毕晓博. 基于振动信号特征的柴油机状态智能识别方法研究[D]. 天津:天津大学. 2020.

[27] 毕晓阳. 基于单通道振动信号解析的柴油机典型故障智能诊断方法研究[D].天津:天津大学. 2019.

[28] LIU Tharanga, SHU Yong, ZHANG Shuai, et al. Diesel engine fault diagnosis with vibration signal[J]. Journal of Applied Mathematics and Physics, 2020,8(9):34-43.

[29] MOOSAVIAN A, NAJAFI G, GHOBADIAN B, et al. Piston scuffing faults and its identification in an ic engine by vibration analysis[J]. Applied Acoustics, 2016,102(6): 40-48.

[30] BI Xiaobo, LIN Jiansheng, TANG Daijie, et al. VMD-KFCM algorithm for the fault diagnosis of diesel engine vibration signals[J]. Energies, 2020,13(1):228-237.

[31] LI Z, YAN X, YUAN C, et al. Intelligent fault diagnosis method for marine diesel engine using instantaneous angular speed[J]. Journal of Mechanical Science Technology, 2012 ,26(3):2413-2423.

[32] 马晋, 江志农, 高金吉. 基于瞬时转速波动率的内燃机故障诊断方法研究[J]. 振动与冲击, 2012, 31(13):119-124.

[33] 肖小勇. 船舶柴油机智能诊断技术与应用研究[D].武汉:武汉理工大学, 2013.

[34] 牟伟杰, 石林锁, 蔡艳平, 等. 基于EMD-WVD与LNMF的内燃机故障诊断[J]. 振动与冲击, 2016, 35(23):191-196.

[35] 王兆文, 覃国宇, 郭凯, 等. 内燃机配气机构气门振动解析方法研究[J]. 内燃机学报, 2021, 39(2):176-185.

[36] 国杰, 张文平. 内燃机中由配气机构引起的结构振动机理[J]. 内燃机学报, 2017, 35(4):376-383.

[37] 白金霖, 赵俊生, 李云强, 等. 正时齿轮相位系数对振动特性的影响[J]. 内燃机学报, 2020, 38(4):375-383.

[38] JIANG Z, MAO Z, WANG Z, et al. Fault diagnosis of internal combustion engine valve clearance using the impact commencement detection method[J]. Sensors, 2017, 17(12):29-36.

[39] 高伟冲. 船用柴油机典型故障分析与诊断技术研究[D]. 哈尔滨:哈尔滨工程大学, 2016.

[40] 章志浩. 基于局部回归神经网络的柴油机燃油喷射系统故障诊断研究[D]. 大连:大连海事大学, 2020.

[41] 于善虎, 龚堤, 叶鸣, 等. 柴油机喷油器针阀密封锥面磨损试验研究[J]. 润滑与密封, 2016,41(2):112-115.

[42] 兰奇, 白云, 陈超, 等. 船用低速柴油机燃油系统喷油特性改进[J]. 船舶工程, 2020,42(9):70-74.

[43] 史军刚. 船用柴油机高水温故障的判断及处理[J]. 冶金管理, 2021(1):56-57.

[44] 付万葳. 柴油机冷却水泵轴断裂故障诊治研究[D]. 哈尔滨:哈尔滨工程大学, 2019.

[45] 姚乾, 刘云生, 霍柏琦, 等. 基于PNN的舰船柴油机冷却系统故障预警研究[J]. 船舶工程, 2020, 42(1):178-180.

[46] WANG Yangjun, XU Zheng, CHEN Ming. Thermo-mechanical fatigue and life prediction of turbocharged engine cylinder head[J]. SAE Technical Papers, 2020(1):13-25.

[47] Sonigra S. Connecting rod durability and big-end bore distortion study[J]. SAE Technical Papers, 2020(1):36-44.

[48] 李云强, 王一, 黄日宁, 等.内燃机连杆大端轴瓦微动磨损及疲劳研究[J]. 内燃机学报, 2021,39(6):561-568.

[49] 刘吉良, 张利敏, 向建华, 等. 连杆小头轴承典型工作状态平台模拟试验[J]. 内燃机学报, 2019, 37(5):462-470.

[50] 李延骁, 左正兴, 冯慧华. 自由活塞发动机活塞环-气缸套的润滑及摩擦特性[J]. 内燃机学报, 2018, 36(4):353-359.

[51] 刘江涛, 张鹏, 李治明, 等. 某船用柴油机机组拉缸故障原因分析及解决方案[J]. 内燃机与配件, 2020(5):50-52.

[52] XI W, LI Z, TIAN Z, et al. A feature extraction and visualization method for fault detection of marine diesel engines[J]. Measurement, 2018, Vol.116: 429-437.

[53] ZHANG J, ZHU X, LI W, et al. Refined composite multiscale fuzzy entropy based fault diagnosis of diesel engine[J]. Journal of Low Frequency Noise Vibration and Active control, 2022, Vol.42(1): 420-437.

[54] JIN Z, CHEN D, HE D, et al. Bearing fault diagnosis based on VMD and improved CNN[J]. Journal of Failure Analysis and Prevention, 2023, Vol.23(1): 165-175.

[55] SHEN X;LI R. Broad Band-Adaptive VMD with Flattest Response [J]. Mathematics, 2023, Vol.11: 18-26.

[56] FANG S, LI S, ZHEN D, et al. Acoustic feature extraction for monitoring the combustion process of diesel engine based on EMD and wavelet analysis[J]. International Journal of COMADEM, 2017, Vol.20(3): 25-30.

[57] LIU Y, ZHANG J, BI F, et al. A fault diagnosis approach for diesel engine valve train based on improved ITD and SDAG-RVM[J]. Measurement Science & Technology, 2015,Vol.26(2): 1-14.

[58] HAN Yuting, FEI Jingzhou, WANG Zhongwei . Multi information fusion diagnosis method for diesel engine based on optimized ANFIS[J].Journal of Physics:Conference Series, 2021, 18(1):12-40.

[59] SHAO Mingqi, WANG Jin, WANG Sibo. Research on marine diesel engine fault diagnosis based on the manifold learning and ELM[J]. Journal of Physics:Conference Series, 2020, 15(1):42-113.

[60] REN Gang, JIA Jide, MEI Jianmin, et al. An improved variational mode decomposition method and its application in diesel engine fault diagnosis[J]. Journal of Vibroengineering, 2018, 20(6):2363-2378.

[61] CAI Yanping, XU Guanghua, LI Aihua, et al. A novel improved local binary pattern and its application to the fault diagnosis of diesel engine[J]. Shock and Vibration, 2020(1):1-15.

[62] ZHANG Cuixia, LIU Conghu. Based on the improvement of grey target theory in diesel engine fault diagnosis[J]. Advanced Materials Research, 2012,19(9) :2122-2125.

[63] 张尚耀, 李辉. 8 000 kW救助船舶湿式多片摩擦离合器过热分析[J]. 珠江水运, 2018(7):113-115.

[64] WANG Z, HE G, DU W, et al. Application of parameter optimized variational mode decomposition method in fault diagnosis of gearbox[J]. IEEE Access, 2019,7(1):481–488.

[65] CHEN Z, ZHAO F, ZHOU J, et al. Fault diagnosis of loader gearbox based on an ICA and SVM algorithm[J]. International Journal of Environmental Research and Public Health, 2019, 16(23):48-68.

[66] 马平阳, 王忠巍, 郑成杰, 等. 基于GT-Power的船舶柴油机的故障仿真研究[C]. 中国仿真学会. 第三十三届中国仿真大会论文集. 2021:437-443.

[67] BALDI F, THEOTOKATOS G, ANDERSSON K. Development of a combined mean value-zero dimensional model and application for a large marine four-stroke diesel engine simulation[J].Applied Energy, 2015, 154:402-410

[68] CEAUSU R, TARAZA D, HENEIN N A, et al. A generic transient model of a turbocharged multi-cylinder common-rail diesel engine[C]. Internal Combustion Engine Division Spring Technical Conference.2005:375-386.

[69] 赵志强, 张嘉锐, 罗炽恒, 等. 基于AVL BOOST的船用柴油机典型故障仿真及其数据分析[J]. 中国舰船研究, 2021, 16(2):176-181,193.

[70] 吕庭豪, 李海艳, 吕瑜. 船舶动力装置原理与设计[M]. 武汉:华中科技大学出版社, 2014.

[71] 彭恒义. 基于振动分析的内燃机故障诊断研究[D]. 武汉:华中科技大学, 2004.

[72] LEI Y, HE Z, ZI Y. Fault diagnosis of rotating machinery based on multiple ANFIS combination with GAs[J]. Mechanical Systems and Signal Processing, 2007, 21(5), 2280 -2294.

[73] 余瑞锋. 基于瞬时转速的多缸柴油机故障诊断技术的研究[D]. 武汉:武汉理工大学,2007.

[74] 郑启福. 内燃机动力学[M]. 北京:国防工业出版社, 1991.

[75] 肖雅静. 基于支持向量机的滚动轴承故障诊断与预测方法研究[D]. 北京:中国矿业大学, 2019.

[76] 高鹏毅. BP神经网络分类器优化技术研究[D]. 武汉:华中科技大学,2012.

[77] 王新军, 蔡艳平, 李卓徽, 等. GT-POWER内燃机性能仿真[M]. 西安:西安电子科学技术大学出版社, 2022.

中图分类号:

 U664.1    

条码号:

 002000073614    

馆藏号:

 YD10001686    

馆藏位置:

 203    

备注:

 403-西院分馆博硕论文库;203-余家头分馆博硕论文库    

无标题文档

   建议浏览器: 谷歌 火狐 360请用极速模式,双核浏览器请用极速模式