往復(fù)式壓縮機氣閥智能故障診斷系統(tǒng)研究.pdf

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

2、支持向量機(SupportVector Machine，SVM)進行智能診斷，采用NI Compact RIO設(shè)計了氣閥振動信號數(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，振動信號中的中低頻或高頻成份會發(fā)生變化，小波包可以對不同頻段的信號進行細化，提取各頻段的故障特征，并與正常信號作比較，從而判斷氣閥的工作狀態(tài)，實現(xiàn)氣閥的故障診斷。小波變換將信號分解到

3、尺度域，它通過多分辨率分解，其時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間分辨率高、頻率分辨率卻很低的問題，解決了信號高頻處頻率分辨率低的問題。
　　 氣閥故障信號的取得比較困難，故障信號樣本的數(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可以對輸入的氣閥特征向量進行分析，判斷氣

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