Разработка алгоритма идентификации неисправности индуктивного датчика оборотов

В данной работе представлен новый диагностический алгоритм для раннего обнаружения неисправностей в информационноизмерительном канале индуктивных датчиков скорости, используемых в малооборотных судовых двигателях внутреннего сгорания. В отличие от традиционных методов, основанных исключительно на наличии сигнала или пороговых значениях амплитуды, предлагаемый подход использует двухпараметрический анализ, сочетающий временные и частотные характеристики выходного сигнала датчика. В частности, алгоритм непрерывно контролирует два ключевых показателя: длительность отдельных импульсов и количество импульсов, накопленных за фиксированный минутный интервал. Пороговые значения для этих параметров, устанавливаемые в интервале длительности импульсов 50 — 200 мс, определяются на основе рабочего диапазона оборотов двигателя, соответствующего устойчивому холостому ходу и максимальной нагрузке. Отклонения за эти пределы вызывают срабатывание аварийного сигнала, указывающего на потенциальную деградацию датчика, электромагнитные помехи или механические неисправности. Алгоритм реализован в среде CODESYS 2.3 с использованием стандартных функциональных блоков программируемого логического контроллера, что обеспечивает совместимость с существующими системами морской автоматизации и позволяет выполнять бесшовную интеграцию без внесения изменений в аппаратное обеспечение. Вспомогательный модуль моделирования упрощает автономную валидацию, эмулируя реалистичные сигналы датчиков как в номинальных условиях, так и в условиях неисправности. Разработанное решение повышает надежность системы, позволяя своевременно выявлять скрытые неисправности, которые часто не поддаются обнаружению традиционными механизмами самодиагностики, тем самым повышая эксплуатационную безопасность, сокращая время незапланированных простоев и поддерживая стратегии технического обслуживания по состоянию в морских условиях.

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 // Тенденции развития науки и образования. — 2023. — № 100, ч. 5. — С. 102 — 108. — DOI: 10.18411/trnio-08-2023-246. — EDN TWWLBX.

2. Kang Y.J. Hierarchical level fault detection and diagnosis of ship engine systems / Y.J. Kang, Y.-J. Noh, M.-S. Jang, S. Park, J.-T. Kim // Expert Systems with Applications. — 2023. — Vol. 213. — P. 118814.

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

4. Orhan M. A literature review and future research agenda on fault detection and diagnosis studies in marine machinery systems / M. Orhan, M. Celik // Proceedings of the Institution of Mechanical Engineers. Part M: Journal of Engineering for the Maritime Environment. — 2024. — Vol. 238, No. 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 // 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 // Вестник Государственного университета морского и речного флота имени адмирала С.О. Макарова. — 2023. — Т. 15, № 5. — С. 893 — 902.

7. Жидков Н.А. Повышение экономической и энергетической эффективности судовых двигателей внутреннего сгорания в условиях ужесточения экологических требований / Н.А. Жидков, О.В. Новикова // Цифровая трансформация экономических систем: проблемы и перспективы (ЭКОПРОМ-2022). — СПб.: Политех-пресс, 2022. — С. 274 — 277.

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

9. Vrvilo P. Methods and equipment for analysis and diagnosis of marine engines during navigation / P. Vrvilo, T. Vidović, G. Radica, L. Roldo // Energy Sources, Part A: Recovery, Utilization, and Environmental Effects. — 2024. — Vol. 46, No. 1. — P. 15808 — 15824.

10. Pagonis D.N. Sensors and measurement systems for marine engineering applications / D.N. Pagonis // Applied Sciences. — 2024. — Vol. 14, No. 9. — P. 3761.

11. Kim D. Explainable anomaly detection framework for maritime main engine sensor data / D. Kim, G. Antariksa, M.P. Handayani, S. Lee, J. Lee // Sensors. — 2021. — Т. 21, No. 15. — P. 5200.

12. Liu B. Research on fault early warning of marine diesel engine based on CNN-BiGRU / B. Liu, H. Gan, D. Chen, Z. Shu // Journal of Marine Science and Engineering. — 2022. — Vol. 11, No. 1. — P. 56.

13. Jovanović I. Combined fault tree analysis and Bayesian network for reliability assessment of marine internal combustion engine / I. Jovanović, Ç. Karatuğ, M. Perčić, N. Vladimir // Journal of Marine Science and Application. — 2025. — DOI: 10.1007/s11804-025-00692-7.

14. Yaqin R.I. Failure analysis of fuel system main engine fishing vessel (case study: KM. Sumber Mutiara) / R.I. Yaqin, M. Akmal, J.P. Siahaan, M.L. Umar et al. // Kapal: Jurnal Ilmu Pengetahuan dan Teknologi Kelautan. — 2023. — Vol. 20, No. 1. — P. 34 — 43.

15. Jan S.U. A distributed sensor-fault detection and diagnosis framework using machine learning / S.U. Jan, Y.D. Lee, I.S. Koo // Information Sciences. — 2021. — Vol. 547. — P. 777 — 796.