往复式压缩机气阀智能故障诊断系统研究

发布时间：2020-03-19 15:00

【摘要】： 往复式压缩机广泛地应用在石化企业中,它的运转状态直接影响到企业的经济效益,因此对往复式压缩机进行状态监测和故障诊断就显得格外重要和具有意义。 论文研究的对象是往复压缩机的气阀,论文从往复压缩机的结构入手,通过建立气阀振动的力学模型,指出阀座激振力导致阀座的振动,而阀座激振力是由高压气体的脉动或是由阀片撞击升程限制器、阀座时产生的,阀座的振动信号可以反应气阀的工作状态。对振动信号采用小波包进行分析,提取能量作为特征向量,输入支持向量机(SupportVector Machine,SVM)进行智能诊断,采用NI Compact RIO设计了气阀振动信号数据采集系统,并利用LabVIEW和Matlab开发了往复压缩机气阀的智能故障诊断系统。 气阀阀片或弹簧发生故障时,振动信号中的中低频或高频成份会发生变化,小波包可以对不同频段的信号进行细化,提取各频段的故障特征,并与正常信号作比较,从而判断气阀的工作状态,实现气阀的故障诊断。小波变换将信号分解到尺度域,它通过多分辨率分解,其时频分辨率在低频处频率分辨率高,在高频处却很低。小波包技术在保持小波正交基的优良特性的基础上改善了小波高频处时间分辨率高、频率分辨率却很低的问题,解决了信号高频处频率分辨率低的问题。 气阀故障信号的取得比较困难,故障信号样本的数量往往不多,而SVM适用于小样本决策,加之SVM算法简单,所以广泛的应用于信号智能故障诊断之中。气阀的特征向量经过训练后,SVM可以对输入的气阀特征向量进行分析,判断气阀的工作状态,避免了工程师主观判断的影响,实现了振动信号的智能故障诊断。 小波包分析在处理非平稳信号方面具有独特的优势,而支持向量机可以对故障模式进行有效的识别,实验证明将小波包分析和SVM有机结合能有效的提取故障的特征向量,判断故障类型。 K202重整加氢压缩机的压缩对象是氢气,属于易燃易爆气体。由于K202工作环境危险,对其进行数据采集时,还要考虑到防爆因素。本文设计了前端调理模块,结合安全栅与NI Compact RIO对K202进行数据采集,实现了数采与防爆功能。NI Compact RIO是一种具有可靠性高和配置灵活的数据采集系统。开发者通过LabVIEW可以快速建立数据采集系统,大大缩短了数据采集系统的软硬件开发时间。
【图文】：

气缸盖振动模型

大连理「大学硕十学位论文电电机 机图 3.1KZOZ机组结构简图 Fig.3.1SketehofK202unit图3Fig.2 3.2机组整体实物图 PietureofK202
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：TH45

【引证文献】

相关期刊论文 前1条

1 王金东;王智伟;张洪斌;;基于虚拟仪器的往复压缩机小波分析系统[J];压缩机技术;2011年03期

相关硕士学位论文 前1条

1 王智伟;往复式压缩机动态信号采集与分析系统研究[D];东北石油大学;2011年

，

本文编号：2590380