基于模型的可变螺距螺旋桨诊断方法及其应用

《Ocean Engineering》：A model-based diagnosis method and application in controllable pitch propellers

　　陆世松|唐建中|夏成成|张新宇|徐伟|李振辉•开发了用于物理一致信号函数拓扑建模的T语言。•引入了一种基于基尼指数并带有自适应m值的序列诊断方法。•在CPP电液系统上进行了验证，实现了LRU级故障隔离。

引言
可变螺距螺旋桨是海洋推进技术中的重要进展，被广泛应用于破冰船、海上支援船以及动态定位系统等特殊船舶中。与固定螺距螺旋桨不同，可变螺距螺旋桨系统能够通过协调的电液驱动实时调整叶片角度，从而在各种操作状态下提升机动性并优化燃油效率（Dymarski，2008）。典型的可变螺距螺旋桨架构包括三个子系统：(1)用于调整螺距的液压动力单元，(2)机械传动装置，以及(3)分布式电子控制系统。这种固有的复杂性导致了多种潜在的故障模式，从液压阀卡住到电力放大器故障不等，而未被发现的故障可能会引发严重的推进系统故障（Bai等人，2023）。随着海洋工业对运行可靠性和降低维护成本要求的不断提高（Liang等人，2024），亟需有效的可变螺距螺旋桨系统诊断方法。

海洋推进系统的现场维护面临着诸多独特挑战，包括专用测试设备获取困难、现场专家数量有限以及严格的停机时间限制。这些因素促使人们在维护作业中采用现场诊断辅助手段（Deb等人，1995）。现场诊断辅助可以通过精确的故障隔离减少错误的部件更换，通过优化的测试顺序加快维修速度，还能提高那些缺乏历史维护数据的新系统的诊断精度。由于传感器仪器和嵌入式诊断功能方面的经济限制，传统的电液系统往往无法提供足够的诊断支持。在海洋电液系统中，电气控制与液压驱动之间的耦合进一步增加了诊断的复杂性，因为任一领域的故障都可能产生类似的系统级症状（Kong等人，2024）。这就需要采用序列诊断策略，通过选择合适的测量点逐步缩小故障范围（Pattipati和Alexandridis，1990）。这类交互式诊断范式能够在故障解决精度与现场实施成本之间找到平衡。

目前针对像可变螺距螺旋桨这样的电液系统的诊断方法可分为三种范式：

数据驱动方法
数据驱动诊断的最新进展表明，其在海洋系统中的应用日益广泛（Orhan和Celik，2024；Velasco-Gallego等人，2023）。Xu等人（2020）通过多模型融合显著提高了海洋柴油引擎的磨损故障分类精度，而Zhang等人（2019）则利用长短期记忆网络实现了轴承退化监测。在早期故障检测方面，Gao等人（2018）开发了稀疏优化方法，使得轴承振动分析具有更高的灵敏度。Lazakis等人（2019）提出的系统级方法则显示出一类支持向量机在柴油发电机监测中的应用潜力。Wang和Chung（2022）展示了深度学习的强大能力，但其“黑箱”特性在应用于安全关键系统时引发了担忧。

然而，在海洋电液应用中，这些方法往往受到以下限制：(1)依赖于大量故障样本，这与现场数据稀缺的现实情况相矛盾；(2)在LRU级故障隔离方面，其物理可解释性有限；(3)在未知操作模式下性能会下降。此外，液压组件的封闭内部结构使得初期故障难以通过外部测量来观察（Guan等人，2024），这进一步推动了基于模型的范式转变，即将领域知识内在地融入模型中。

基于知识系统
基于知识的方法依靠专家系统和因果模型来编码领域启发式规则，以用于故障诊断。早期的专家系统，如Shortliffe（1976）所展示的，为复杂工业环境中的基于规则的推理奠定了基础。Nan等人（2008）的较新研究指出，虽然这些系统能够有效诊断常见的故障场景，但在面对知识获取阶段未曾预料的意外故障组合时往往力不从心。Li等人（2020）的综述进一步强调，更新规则库以及整合新的因果关系仍是基于知识系统面临的主要挑战，尤其是在一些液压与机械相互作用可能导致复杂故障传播机制的系统中。

基于模型的方法
基于模型的诊断方法从系统结构和行为的明确表示中获取推理能力（Wotawa，2026），通常按照从结构模型到定量模型的复杂程度进行分类。

结构模型是最简单的形式，它通过反映系统原理图的定向图来表示组件之间的连接关系。用于计算系统固有可靠性的串联/并联模型就是此类结构模型的典型例子。尽管对于大规模系统来说计算效率高，但由于它们过于简化的依赖假设（例如将物理连接等同于故障传播），导致诊断精度较低。

依赖模型通过编码因果关系来增强结构模型，多信号流图就是其中的典型代表（Deb等人，1995）。多信号流图通过信号属性将功能故障模式映射到结构模型上，从而减轻了传统依赖模型中存在的结构失真问题。通过将组件与受影响的信号（如增益、失真）以及测试与检测到的信号相关联，多信号流图在保持原理图对应关系的同时实现了更高的诊断精度。尽管有这些优势，多信号流图仍依赖于手动选择独立的系统属性来进行信号抽象，这带来了主观性，并且仅限于故障空间建模，无法明确表示物理相互作用（如液压压力瞬变、电气阻抗不匹配），进而限制了对新型故障的预测能力。

定性模型通过纳入简化的物理约束条件（如质量/能量守恒定律）来模拟系统在故障状态下的行为，从而弥补了上述缺陷（Kuipers，1993）。虽然比依赖模型更具表达能力，但它们需要大量的专家知识来制定约束条件，而且难以处理具有非线性相互作用的动态系统，而这正是许多电液系统的特点。

定量模型则利用数值模拟或微分方程来提供高精度的故障预测（Isermann，2005）。然而，由于计算复杂度较高，它们并不适用于具有大量组件的系统，如海洋推进网络，的实时诊断。此外，仿真输出往往难以直接与诊断决策框架相对应。

为了解决源于主观信号抽象、物理相互作用表示不完整以及计算复杂性等方面的局限性，本文开发了一种混合框架，将该框架结合了信号函数拓扑建模与序列诊断技术。所提出的框架引入了T语言，这是一种用于编码物理信号和功能约束的领域特定形式化语言，涵盖了关键的电液相互作用。组件级的功能约束是从一个可重用库中构建的，系统模型则是自下而上组装的，以确保与系统原理图保持一致。在诊断方面，该框架采用了基于基尼指数的测试排序方法，并结合自适应m值，以应对不可预见的测试结果，并通过约束传播逐步缩小故障候选范围。综上所述，这些元素共同支持在现场受限条件下实现LRU级故障隔离，有助于减少不必要的部件更换和维修周期。

本文的其余部分结构如下：第2节介绍诊断框架，包括建模方法和T语言的语法结构；第3节阐述诊断引擎及推理算法；第4节描述CPP系统、实验平台以及验证结果；第5节讨论所提方法的适用范围和局限性；第6节对全文进行总结。

诊断原理
本研究采用的故障诊断方法是基于一致性的诊断方法，这一方法最初由Johan de Kleer、Reiter等研究人员提出。该理论的核心思想是将待诊断的系统视为由多个组件构成的整体（Alonso-González和Pulido，2019）。组件模型描述了各组件的工作模式以及其输入输出之间的关系。随后，根据这些差异来进行故障诊断。

诊断引擎
虽然建模能够捕捉系统的固有规律和行为，但诊断引擎则侧重于利用这些模型来有效检测和隔离故障。本节将概述这一核心算法框架，该框架利用系统模型和观测数据来进行故障诊断。该引擎采用了第2节中描述的那种基于一致性的推理方法。诊断推理分为两个主要阶段：单步诊断推理和故障鉴别。

实验
所提出的诊断方法通过在CPP电液系统上的应用得到了验证，这是一种在资源受限情况下仍需高精度诊断的关键海洋系统。选择该系统是因为它在机电一体化集成方面具有代表性，其电气和液压组件紧密耦合，且在各个功能单元中存在多种故障模式。CPP的运行特性与第3节中提到的诊断挑战十分契合。

多故障推理：适用范围与局限性
基于一致性的诊断框架并不将诊断候选范围限制在单个组件故障上。在第4.4节报道的典型案例中，有一个案例涉及两个同时发生的故障，即MK2比例放大器故障和继电器K1故障，而诊断软件以0.9820的后验概率正确识别出了这两个故障组件。这一结果表明，该框架能够生成、排序并隔离多组件故障候选项。

结论
本研究提出了一种针对电液系统的基于模型的诊断框架，旨在解决三大常见问题：主观信号抽象、物理相互作用表示不完整以及计算复杂性。该框架将信号函数拓扑建模与序列诊断相结合。T语言为物理信号和功能约束提供了形式化的表示方式，其中包括电液相互作用，同时还支持组件级的约束定义。

CRediT作者贡献说明
陆世松：撰写——初稿、方法论、研究工作。唐建中：方法论、研究工作、概念设计。夏成成：可视化、验证、软件开发、研究工作。张新宇：验证、软件开发、研究工作。徐伟：软件开发、方法论、研究工作。李振辉：撰写——审阅与编辑、监督、项目管理、资金申请、概念设计。

利益冲突声明
作者声明存在以下可能被视为潜在利益冲突的财务利益/个人关系：李振辉表示其研究得到了中国国家重点研发计划的资金支持。其他作者则声明自己没有已知的可能影响本文所述工作的财务利益或个人关系。

致谢
作者感谢责任编辑和匿名审稿人提出的建设性意见和建议。本研究部分得到了中国国家重点研发计划的支持，项目编号为2023YFC2809901。