往复压缩机气缸内压力信号检测与分析技术

发布时间：2020-05-17 09:09

【摘要】：往复压缩机广泛应用于各生产部门,具有结构复杂、激励源多等特点,在实际生产中,一旦发生故障,不仅会影响工业生产过程,造成巨大损失,而且会带来一系列安全问题。因此,为了保证机组安全运行,生产企业急需一套经济、可靠的往复压缩机故障诊断系统对压缩机故障进行早期预测、监测及诊断。2D12往复压缩机是石油天然气输送的常用设备,其气缸部分经常发生故障。往复压缩机的P-V指示图能反映压缩机气缸内压力的变化情况,是压缩机气缸部分工作状况的真实记录。本文将针对压缩机气缸故障进行往复压缩机气缸内压力信号检测与分析技术的研究。首先本文在查阅了大量文献的基础上,综合分析了机械设备故障诊断技术的基本理论、基本方法,介绍了压缩机故障诊断技术的发展状况及主要问题,针对往复压缩机气缸故障诊断的特点提出了人工神经网络和支持向量机两种故障识别方法,并阐述了这两种方法的基本理论。其次,介绍了2D12型往复压缩机结构、气缸故障模拟试验以及气缸内压力信号检测技术,对其主要部件的常见故障进行了机理分析,采用分段重构方法对往复式压缩机指示图进行归一化处理。再次,结合气缸的故障特征阐明了BP网络的设计、训练过程,对初始权值、网络层数、各层神经节点数目、系统目标误差进行设定,建立了结构简明的BP网络。随后介绍了支持向量机的核函数选择和参数优化过程,在此基础之上建立了支持向量机多类分类器。并分别用BP网络和支持向量机对归一化的指示图进行识别,取得了满意的结果。最后,根据故障诊断系统的功能要求,利用MATLAB开发了压缩机气缸故障诊断系统软件。
【图文】：

神经网络,传递函数,类型,节点

图 2-2 常见神经网络节点传递函数Fig.2-2 The common transfer function of neural network nod（3）神经网络类型单个神经元在计算及表达方面的能力是有限的，但是它们之间相互连接后，则可以体现非常复杂的非线性函数。神经网络是由大量的神经元广泛互连而成的网络。根据联接方式的不同，神经网络可分成两大类：没有反馈的前向网络和相互结合型网络。前向网络有输入层、中间层(或称隐层)和输出层组成，中间层可能有若干层，每一层的神经元只接受前一层神经元的输出。而相互连接型网络中任意两个神经元件都可能有联接，因此输入信号要在神经元之间反复往返传递，，从某一初态开始，经过若干次的变化，渐渐趋于某一稳定状态或进入周期振荡等其它状态。目前已有数十种的神经网络模型，可分为四大类：①前向型前向型神经网络模型是自动控制中广为应用的一种网络，其原理及算法也是某些其它网络的基础。BP 网络及 RBF 网络是其中的典型网络。②反馈型网络的分析是一个非线性动力学问题，所以比较复杂。Hopfield 神经网络是这种网

网络结构图,网络结构

第 2 章故障识别方法 BP 网络。Rumelhart 和 McClelland 等人对其进行了改进和完善，并与 PD理）理论相结合，使 BP 网络受到广泛关注，成为目前最流行的一种神经人工神经网络的实际应用中，80%~90%的人工神经网络模型是采用 BP 网形式，它也是前馈网络的核心部分。如今，BP 网络在模式识别、图像处制等领域均有广泛的应用，在设备故障诊断领域也是应用最成功的一种神BP 网络结构络(Backpropagation Neural Network)，又名误差反向传播网络，它是一种修正误差的多层映射网络。在各种神经网络模型中，BP 神经网络是最具一种神经网络模型。从结构上看，它是属于典型的前向网络，由输入层、隐含层组成，相邻两层的神经元之间形成全互连接，同层各神经元互不连P 网络是三层的前馈阶层网络，由输入层、隐含层和输出层组成，结构如
【学位授予单位】：大庆石油学院
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：TH45

【引证文献】