详情

原文传递船用中速柴油机曲轴健康预测数字孪生模型研究

论文题名：	船用中速柴油机曲轴健康预测数字孪生模型研究
关键词：	船用柴油机;应力监测;健康评估;船用中速柴油机;曲轴
摘要：	近年来，智能船舶已受到全球航运界的广泛关注，柴油机作为船舶的主要动力源，其稳定可靠运行是实现船舶智能航行的基础和前提，船舶柴油机的智能化是船舶智能化的重要一环。因此，对船用柴油机进行健康管理，提高其可靠性和智能化水平至关重要。而船舶柴油机是一个涉及多个学科领域的复杂动力机械，要想对船用柴油机实现全方面的状态监测需要使用大量传感器并产生大量数据，如何将这些数据进行整合利用是柴油机健康管理的关键科学问题。数字孪生技术以数字化的方式创建物理实体的仿真模型，该模型使用传感器实测的实时/准实时数据和历史数据进行仿真计算，对物理实体工作状态进行推演，实现在虚拟空间了解和掌握物理实体在各种环境下的行为。随着通信技术的发展，利用传感器的数据，结合数字孪生思想，在数字空间实现对船舶柴油机运行状态的虚拟映射、实现船用柴油机远程智能运维将是未来智能机舱的发展趋势。　　本文基于数字孪生思想，提出船用柴油机健康管理数字孪生应用框架。鉴于船舶柴油机是一个十分复杂的系统，在数字孪生研究初期对柴油机整体进行建模是一项十分复杂的工作。曲轴是影响船舶柴油机使用寿命的关键部件，是船舶柴油机健康状态评估的重要内容之一。以某型船用中速柴油机的曲轴为研究对象，运用数字孪生方法开展曲轴的健康预测研究，验证船用柴油机数字孪生整体框架的有效性，为船舶柴油机乃至智能船舶的数字孪生技术的应用提供一定的参考。本文的主要工作包括：　　（1）通过总结归纳数字孪生理论的应用，针对智能自主船舶发展背景下船舶柴油机全生命周期健康管理与维护问题，提出了基于数字孪生的船舶柴油机健康管理框架，介绍了该框架组成及关键技术，以曲轴为例提出了部件级的健康预测数字孪生应用模型，为船舶柴油机领域数字孪生技术的应用提供参考。　　（2）柴油机的机械负荷主要来自气缸压力，但如果使用缸压传感器进行长期监测，缸压传感器工作条件恶劣，使用寿命有限，因此，分别基于BP神经网络和RBF神经网络构建了柴油机缸盖振动信号预测气缸压力信号的神经网络模型，实现缸内压力的“虚拟测量”，通过对比，RBF神经网络识别效果更优，可用于缸内燃烧状态的初步判断和曲轴载荷的计算，为柴油机曲轴载荷的计算提供了一种可行的解决方案。　　（3）通过分析曲轴有限元计算结果得知，曲柄与轴颈过渡的圆角处是决定曲轴使用寿命的关键部位，是曲轴应力监测和健康评估的重点；为满足数字孪生对模型实时性的要求，采用基于BP神经网络的数据拟合法对应力分析模型进行模型降阶，构建应力实时监测模块。　　（4）基于数字孪生的思想，开发了曲轴健康状态评估数字孪生应用软件，将实时监控模块、气缸压力预测模块、应力监测模块整合起来，实现曲轴应力可视化显示、应力峰值监测、疲劳寿命评估和异常报警等功能。　　数字孪生技术充分考虑柴油机各子系统之间的耦合关系，利用多种传感器数据，在数字空间对柴油机状态进行实时/准实时的映射。随着智能、自主船舶对动力系统需求的提升，数字孪生技术在船舶柴油机领域的应用潜力将被逐步得到释放。本文基于数字孪生思想构建了船用柴油机健康管理框架，并以曲轴为研究对象，实现了一个部件级的健康预测数字孪生实例，希望能抛砖引玉，让更多的学者从事该领域的研究，促进无人自主船舶早日变成现实。
作者：	解美强
专业：	轮机工程
导师：	余永华
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2022