往復(fù)式壓縮機(jī)氣閥智能故障診斷系統(tǒng)研究.pdf

1、往復(fù)式壓縮機(jī)廣泛地應(yīng)用在石化企業(yè)中，它的運(yùn)轉(zhuǎn)狀態(tài)直接影響到企業(yè)的經(jīng)濟(jì)效益，因此對(duì)往復(fù)式壓縮機(jī)進(jìn)行狀態(tài)監(jiān)測和故障診斷就顯得格外重要和具有意義。
　　 論文研究的對(duì)象是往復(fù)壓縮機(jī)的氣閥，論文從往復(fù)壓縮機(jī)的結(jié)構(gòu)入手，通過建立氣閥振動(dòng)的力學(xué)模型，指出閥座激振力導(dǎo)致閥座的振動(dòng)，而閥座激振力是由高壓氣體的脈動(dòng)或是由閥片撞擊升程限制器、閥座時(shí)產(chǎn)生的，閥座的振動(dòng)信號(hào)可以反應(yīng)氣閥的工作狀態(tài)。對(duì)振動(dòng)信號(hào)采用小波包進(jìn)行分析，提取能量作為特征向量，輸入

2、支持向量機(jī)(SupportVector Machine，SVM)進(jìn)行智能診斷，采用NI Compact RIO設(shè)計(jì)了氣閥振動(dòng)信號(hào)數(shù)據(jù)采集系統(tǒng)，并利用LabVIEW和Matlab開發(fā)了往復(fù)壓縮機(jī)氣閥的智能故障診斷系統(tǒng)。
　　 氣閥閥片或彈簧發(fā)生故障時(shí)，振動(dòng)信號(hào)中的中低頻或高頻成份會(huì)發(fā)生變化，小波包可以對(duì)不同頻段的信號(hào)進(jìn)行細(xì)化，提取各頻段的故障特征，并與正常信號(hào)作比較，從而判斷氣閥的工作狀態(tài)，實(shí)現(xiàn)氣閥的故障診斷。小波變換將信號(hào)分解到

3、尺度域，它通過多分辨率分解，其時(shí)頻分辨率在低頻處頻率分辨率高，在高頻處卻很低。小波包技術(shù)在保持小波正交基的優(yōu)良特性的基礎(chǔ)上改善了小波高頻處時(shí)間分辨率高、頻率分辨率卻很低的問題，解決了信號(hào)高頻處頻率分辨率低的問題。
　　 氣閥故障信號(hào)的取得比較困難，故障信號(hào)樣本的數(shù)量往往不多，而SVM適用于小樣本決策，加之SVM算法簡單，所以廣泛的應(yīng)用于信號(hào)智能故障診斷之中。氣閥的特征向量經(jīng)過訓(xùn)練后，SVM可以對(duì)輸入的氣閥特征向量進(jìn)行分析，判斷氣

4、閥的工作狀態(tài)，避免了工程師主觀判斷的影響，實(shí)現(xiàn)了振動(dòng)信號(hào)的智能故障診斷。
　　 小波包分析在處理非平穩(wěn)信號(hào)方面具有獨(dú)特的優(yōu)勢，而支持向量機(jī)可以對(duì)故障模式進(jìn)行有效的識(shí)別，實(shí)驗(yàn)證明將小波包分析和SVM有機(jī)結(jié)合能有效的提取故障的特征向量，判斷故障類型。
　　 K202重整加氫壓縮機(jī)的壓縮對(duì)象是氫氣，屬于易燃易爆氣體。由于K202工作環(huán)境危險(xiǎn)，對(duì)其進(jìn)行數(shù)據(jù)采集時(shí)，還要考慮到防爆因素。本文設(shè)計(jì)了前端調(diào)理模塊，結(jié)合安全柵與NI Co