船舶自動化控制系統故障報警技術的研究

張 政，王宇龍

(中船電子科技（三亞）有限公司，海南 三亞 572024)

0 引言

船舶故障是影響船舶安全的主要因素，且對于大規模的工業系統來說，核心控制機制都離不開故障報警環節的支持和幫助。無論是早期的繼電器控制系統還是現階段的神經元自動控制系統，故障報警技術都是不可或缺的部分。優秀的故障報警系統要遵循準確和實時的原則，系統的硬件設計水平和軟件控制水平都應達到相應的層次和標準。

1 故障報警的特征

1.1 準確性

故障報警準確性體現在直接通過監控畫面就可以了解到當前控制系統當中出現了哪些故障、故障的性質和程度處于哪個水準。對于一般規模的系統來說，設備的故障點是可以直接進行觀看和定位的，但是在船舶的自動化控制系統內部，由于系統比較復雜，故障點數眾多，報警軟件設計方面就應該劃分出具體的層次，并且讓正在運行的設備故障能夠在第一時間內就體現出來[1]。

目前，隨著相關技術的發展，基于自動控制系統的數據采集手段變得更加先進而有效，自動控制系統當中的故障報警點要達到 I/O系統的70%甚至更多，在一些多流程的復雜系統當中，流程選擇和流程運行的環節還應該及時地定位并且提示有關故障類型，再通過軟件設計的方式來讓故障報警機制可以順利運行[2]。因此，一個單機設備上可以包括上百個故障檢測點，在非運行狀態下的設備故障信息不會影響到正常的信息查詢過程，相關工作人員只需要在了解設備報警表后就可以采用分級分層的多種方式定位報警并處理故障。

1.2 實時性

實時性的核心內容在于可靠的系統性能，并且在保障系統速度的前提下維持良好的系統質量。在限定時間內如果系統可以對外部的異步事件作出反應，那么就可以從規定功能的角度來正確地衡量故障情況。目前故障的報警方式眾多，大型自動化控制系統當中所采取的網絡結構形式差異會使得故障報警方式出現改變。

例如ProfiBus就是典型的控制網絡類型，作為一種較為常見的自動化技術現場總線標準，其優點主要體現在系統結構簡單，設計復雜程度低，模塊化的設計能夠使其成本得到有效控制；組態、調試復雜程度低，相關故障數據能夠通過總線進行匯報，提高了故障定位的準確性和即時性；在系統維護方面，其支持網絡遠程故障診斷，大大降低了系統維護壓力；由于該總線標準的擴展性較強，對于未來自動控制系統的功能拓展有著較強的適應性。

1.3 開放化

開放化是整個故障報警系統的主要標志，同時也是自控系統技術發展的必然趨勢。開放化指的是一個系統或是多個系統可以在不同的地理位置和要求下進行報警信息的共享，按照不同類型的信息使用目的采取不同的處理方案，從而靈活組合以滿足實際的使用需求[3]。從這一角度來看，開放化的技術應用不僅可以讓操作人員精確地定位故障產生的區域和情況，還可以利用第三方軟件來記錄故障信息。

例如，有報警信息時可以自動地彈出窗口顯示當前的報警情況，且系統結構明顯，遵循故障報警的準確性和開放性原則，采取先進的采集手段讓監控系統和操作員的人機交互過程更加簡便，便于對故障信息進行分類和查詢，然后將數據歸檔之后強化快速響應機制，能夠在促進安全生產方面發揮重要的促進和保障作用。然而，這里需要注意的是，基于系統安全的角度考慮，開放化的自動控制系統應增加抗干擾模塊，以及在自動處理單元對控制信號的準確性進行驗證，從而避免因開放化導致的自動控制系統故障。

2 自動化控制系統故障報警技術

2.1 多源信息融合技術

多源信息融合技術的原理在于“同時獲得不同類型的系統數據”，并且這項技術在推出之后就得到了社會層面的廣泛關注。在該技術出現之前人們單純地通過傳感器來采集數據，因此數據比較片面，即便采取多個傳感器也只是從不同的角度來孤立地反映出信息，從而產生出信息冗余問題[4]。多傳感器信息融合理論的出現之后人們開始將不同傳感器所獲取的信息進行全方位支配以得到更加準確的結果，其中圖1就是多源信息融合技術的主要框架。

圖1 多源信息融合理論框架Fig.1 the theoretical framework of multi-source information fusion

具體而言，信息融合指的是多源信息的多層次融合，不同的層次所代表的內容是原始數據的抽象化處理。我們可以將信息融合的層次劃分為三個標準，一是原始數據融合，二是特征集融合，三是決策級融合。我們所開展的研究內容也主要是為了確定在哪個層次上可以進行融合，信息融合層次的差異會使得最終的結果產生差異。

數據源的融合是進行數據預處理，在對信息進行檢索之后確保信息的一致性，而數據的同化過程則是對信息準確性的判斷，對數據本身不會產生嚴重影響。特征層的融合則指的是每個傳感器在進行數據采集之后進行特征提取，對多數據源的特征信息展開綜合分析[5]。而決策層融合會將采集的數據經過變換來得到最終的決策結果，并且各個決策結果可以具有“抗感染”能力，傳感器損壞也不會影響到故障分析和報警的結果。多源信息融合技術當中的聚類算法等都屬于人工智能的范疇，應用于故障探測環節需要考慮到算法的響應速度以及可能出現的漏報、誤報問題等。

2.2 危險度評估模型

危險度評估模型是基于船舶結構采取的技術方法，因為船舶內部環境相對復雜，且對于故障的敏感程度不盡相同，如果出現火災或電路風險等故障，就可能讓船舶受到嚴重的安全威脅。綜合來看故障的產生通常是多個方面因素共同導致的結果，某個因素產生偏離而失去控制之后就會導致嚴重的故障。針對故障的探測不僅要從單一層面進行分析，還應該綜合收集大量的信息展開綜合判定，及時并有效地對火災的發生進行評估[6]。利用模糊邏輯控制系統就可以將控制算法加入到控制器當中來對模型進行控制，智能算法可以體現出非常直觀的因果關系。在已有的模糊控制系統原理之上，還可以針對船舶的故障危險度進行分析判斷。單一的故障探測結果可能會導致誤報、漏報情況，利用多探測器獲取信息成為今后的發展趨勢。前文也提到故障的發生是一個相對復雜的過程，獲取全面的故障信息要基于模糊化處理的結果進行推理，再通過反模糊化得到最終結果。例如I級等級的勁爆說明故障的危險程度比較低，只需要安排技術人員進行處理即可；II級的故障則說明故障可能會導致其它問題等[7]。

2.3 智能評估策略

現階段故障報警系統得到了大規模發展，且系統的聯動性更加突出，但為了能夠解決長期以來一直存在的誤報漏報問題，還應該考慮關聯不同船舶艙室的數據來進行有效的早期預警和控制，再使用現代理論算法來進行故障判斷。我們可以將不同的艙室看作是統一類型的環境，避免因環境產生的嚴重影響。在這一方面可以通過建立歷史數據表格的方式來呈現出信息，幫助形成故障分析曲線確定工作流程。此時二次推理和智能評估策略的重要性更加突出，例如我們熟悉的人工神經網絡技術。人工神經網絡可以認為是一個大面積的網絡單元，每一個對應的小單元都有著獨立的信息處理能力，且單元內部可以包含多方面的輸入、輸出內容，形成的網絡結構也比較靈活，在非線性問題的處理方面意義更加顯著。按照神經網絡的結構劃分為不同的類型之后，就可以在每一個節點上都展開信息的存儲和分布[8]。另外 BP神經網絡算法還能夠按照環境差異進行自我調整，以增加數據的方式來調整生成曲線，最終達到預期或者是理想的結果，突出算法的技術特征。

3 結論

現代船舶系統的發展主要表現在兩個方面，一是控制器本身的發展，二是檢測手段和檢測儀器的技術發展。未來的優秀故障報警系統將在功能上進行完善和優化，精確地利用數據庫信息完成故障修復、故障處理等，實現更加智能化的系統設計，從而讓自動化系統朝著多樣化和多結構層次的方向推進。后續的工作環節也可以考慮利用模糊推理規則來采取多信息融合手段，對模型、參數等進行實際驗證之后得到推測結果，減少船舶自動化系統故障的不利影響。