Разработка прототипа устройства идентификации неисправности информационно-измерительного канала частоты оборотов двигателя внутреннего сгорания

В статье представлены результаты разработки и лабораторной проверки прототипа устройства, предназначенного для оперативного выявления аномалий в работе информационно-измерительных каналов частоты вращения судовых двигателей внутреннего сгорания. Предложенный прототип реализует комплексный подход к диагностике, основанный на одновременном применении двух независимых методов контроля. Первый метод заключается в анализе временных характеристик дискретного сигнала, формируемого индуктивным датчиком частоты вращения: осуществляется измерение длительности и периодичности импульсов, что позволяет выявлять такие неисправности, как обрыв сигнальной цепи, залипание или пропуск импульсов, а также деградацию магнитной системы датчика. Второй метод основан на непрерывном мониторинге уровня унифицированного аналогового токового сигнала стандарта 4–20 мА, используемого в большинстве промышленных систем автоматики. Оценка его статических и динамических характеристик позволяет диагностировать неисправности, связанные с деградацией преобразователя, нестабильностью питания или нарушением целостности линии передачи. Устройство реализовано на базе микроконтроллера. Практическая значимость разработки заключается в возможности существенного сокращения времени локализации и устранения неисправностей информационно-измерительных каналов частоты оборотов за счет автоматического распознавания аномалий без привлечения дополнительных средств диагностики. Кроме того, устройство обеспечивает повышение общей устойчивости функционирования судовой энергетической установки благодаря возможности интеграции диагностической информации в систему управления. В частности, полученные данные могут использоваться для блокировки ложных срабатываний защитных функций, вызванных де-градацией измерительного канала, тем самым предотвращая необоснованные пере-ходы судовой энергетической установки в аварийные режимы и снижая риск неплановых остановок. Таким образом, предложенное решение способствует повышению эксплуатационной надежности и безопасности судовых технических средств.

1. Коновалов, П. О. Опыт развития и применения в эксплуатации систем мониторинга технического состояния судовых ДВС / П. О. Коновалов, А. А. Иванченко, Г. Л. Ларионов. – DOI: 10.18411/trnio-08-2023-246 // Тенденции развития науки и образования. – 2023. – № 100 (5). – С. 102 – 108. – EDN TWWLBX.

2. Kang, Y. J. Hierarchical level fault detection and diagnosis of ship engine systems / Y. J. Kang. – DOI: 10.1016/j.eswa.2022.118814 // Expert Systems with Applications. – 2023. – Vol. 213. – P. 118814.

3. Kougiatsos, N. Distributed cyber-physical framework for sensor fault diagnosis of marine internal combustion engines / N. Kougiatsos, V. A. Reppa. – DOI: 10.1109/TCST.2024.3378992 // IEEE Transactions on Control Systems Technology. – 2024. – Vol. 32. – № 5. – P. 1718–1729.

4. Orhan, M. Literature review and future research agenda on fault detection and diagnosis studies in marine machinery systems / M. Orhan, M. A. Celik. – DOI: 10.1177/14750902221149291 // Journal of Engineering for the Maritime Environment. – 2024. – Vol. 238. – № 1. – P. 3–21.

5. Velasco-Gallego, C. RADIS: A real-time anomaly detection intelligent system for fault diagnosis of marine machinery / C. Velasco-Gallego, I. Lazakis. – DOI: 10.1016/j.eswa.2022.117634 // Expert Systems with Applications. – 2022. – Vol. 204. – P. 117634.

6. Бурков, Д. Е. Применение судовой информационной системы для контроля и мониторинга технического состояния судового оборудования / Д. Е. Бурков. – DOI: 10.21821/2309-5180-2023-15-5-893-902. – EDN PTAEFT // Вестник Государственного университета морского и речного флота имени адмирала Макарова. – 2023. – Т. 15. – № 5. – С. 893–902.

7. Валов, Д. С. Системы управления судовыми энергетическими установками автономных судов / Д. С. Валов, С. А. Валгин. – EDN QGRTJJ // Актуальные исследования. – 2023. – № 5 (135). – С. 19–28.

8. Vrvilo, P. Methods and equipment for analysis and diagnosis of marine engines during navigation / P. Vrvilo. – DOI: 10.1080/15567036.2024.2422568 // Energy Sources, Part A: Recovery, Utilization, and Environmental Effects. – 2024. – Vol. 46. – № 1. – P. 15808–15824.

9. Pagonis, D. N. Sensors and Measurement Systems for Marine Engineering Applications / D. N. Pagonis. – DOI: 10.3390/app14093761 // Applied Sciences. – 2024. – Vol. 14. – № 9. – P. 3761.

10. Kim, D. Explainable anomaly detection framework for maritime main engine sensor data / D. Kim. – DOI: 10.3390/s21155200 // Sensors. – 2021. – Vol. 21. – № 15. – P. 5200.

11. Liu, B. Research on fault early warning of marine diesel engine based on CNN-BiGRU / B. Liu. – DOI: 10.3390/jmse11010056 // Journal of Marine Science and Engineering. – 2022. – Vol. 11. – № 1. – P. 56.

12. Jovanović, I. Combined Fault Tree Analysis and Bayesian Network for Reliability Assessment of Marine Internal Combustion Engine / I. Jovanović. – DOI: 10.1007/s11804-025-00692-7 // Journal of Marine Science and Application. – 2023. – №. 2 – P. 1–20.

13. Jombo, G. Sensor Fault Detection and Diagnosis: Methods and Challenges / G. Jombo, E. Zhang, N. Lu // Proceedings of the 12th IFAC Symposium on Fault Detection, Supervision and Safety for Technical Processes (Ferrara, 4–7 June 2024) / IFAC SAFEPROCESS. – 2024.

14. Self-Detection and Self-Diagnosis Methods for Sensors in Intelligent Integrated Sensing System / M. Zhu, J. Li, W. Wang, D. Chen. – DOI: 10.1109/JSEN.2021.3090990 // IEEE Sensors Journal. – 2021. – Vol. 21, № 17. – P. 19247-19254.

15. Sana, U. A distributed sensor-fault detection and diagnosis framework using machine learning / U. Sana, L. Young, S. Koo. – DOI: 10.1016/j.ins.2020.08.068 // Information Sciences. – 2021. – Vol. 547. – P. 777–796.