基于MEMD与MSE的往复压缩机故障诊断方法研究

发布时间：2020-06-23 13:02

【摘要】：目前,针对往复压缩机振动信号具有非平稳、非线性等特点,采用传统特征分析方法进行特征提取时,只是对多传感器测量后的单个通道振动信号进行处理,后期再对多通道振动信号进行特征级别的数据融合,没有考虑传感器通道间存在相互关联,不利于对同一物理系统产生的振动信号进行特征分析。为此,本文针对往复压缩机存在的多通道振动信号特征分析问题,引入多元经验模态分解(Mutivariate Empirical Mode Decomposition,MEMD)方法,并结合多尺度熵(Multi-scale Sample Entropy,MSE)分析,对往复压缩机多通道振动信号进行联合分析,定量描述往复压缩机故障非线性特征,利用支持向量机对其进行分类识别,为往复压缩机故障诊断提供了一种新方法。阐述了本文研究背景与研究意义,简要概括了往复压缩机故障诊断技术的发展历程和常用故障诊断方法的研究现状,及本篇论文研究内容。概述往复压缩机的结构及原理,总结概括往复压缩机常见故障机理,设计故障实验测试布局,并简要说明2D12型往复压缩机故障实验内容,为往复压缩机故障诊断分析提供数据基础。针对EMD和LMD等传统方法无法处理往复压缩机多通道振动信号的故障特征提取问题,深入研究MEMD的基本原理和算法。提出了基于MEMD的故障诊断方法。对比分析了仿真信号和往复压缩机故障振动信号的MEMD与EMD方法,结果表明MEMD方法在多通道信号分解的精确性等方面具有优越性和有效性,为往复压缩机多通道振动信息故障诊断提供了新的思路和手段。针对多尺度熵方法进行粗粒化时间序列计算后产生不准确的熵估计或未定义熵,出现端点“飞翼”现象的问题,提出新的改进粗粒化方法替代常用的均值粗粒化方法。并在MEMD方法分析多通道信号的基础上,结合改进的MSE方法,形成基于MEMD与MSE的特征提取方法。该方法先以MEMD分解多通道信号形成一系列多元IMF分量,再利用相关性系数筛选IMF分量,随之以改进的多尺度熵量化IMF分量形成特征矩阵,最终利用奇异值分解优选矩阵,构成可分性良好的特征向量。以往复压缩机常见故障多通道测试信号为研究对象,利用基于MEMD与MSE的特征提取方法进行分析,提取故障特征向量,以支持向量机(SVM)为分类器,实现故障的准确诊断,并与多种特征提取方法进行比较,验证该方法的优越性。
【学位授予单位】：东北石油大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TH45
【图文】：

往复压缩机,工作原理

图 2.1 往复压缩机工作原理及结构简图压缩机常见故障机理分析缩机故障按照监测的特征参数分为两大类：热力性能（温度、压力和机械功能（振动、噪声等）故障，当故障发生时，可从上述两类化定位并诊断故障类型。若从组成结构来看，往复压缩机故障可分及传动组件等故障类型。往复压缩机在实际运行过程中可能会存在叉表征的现象，且没有明确严格的界定方式来区分，且复杂的结构式间也不是单纯的映射关系；除此之外，机械功能性故障发生的同，很大程度上会导致重大事故的发生，针对以上几点，从振动信号研究往复压缩机常见故障类型及故障机理分析。故障机理分析缩机气阀长期处于高温、高压、交变冲击载荷作用下，重复周期性障。常见气阀故障形式多为弹簧失效、阀片断裂及阀片闭合不严。簧失效：阀片中弹簧辅助阀片启闭，高频率、长期的往复运动影响

机体,测点布置,连杆大头轴瓦,曲轴箱

表 2-5 轴承振动信号主要测试通道轴承振动信号测试位置通道编号一级十字头上面 2y-1 通道一级十字头下面 2y-2 通道一级连杆大头轴瓦曲轴箱左侧 3x 通道一级连杆大头轴瓦曲轴箱正面 3y 通道一级连杆大头轴瓦曲轴箱上面 3z 通道二级十字头上面 5y-1 通道二级十字头下面 5y-2 通道二级连杆大头轴瓦曲轴箱右侧 4x 通道二级连杆大头轴瓦曲轴箱正面 4y 通道二级连杆大头轴瓦曲轴箱上面 4z 通道

【参考文献】