往复压缩机气阀故障诊断的智能方法研究

发布时间：2020-07-15 03:43

【摘要】：近年来,机械设备故障诊断技术在国内外得到了较大的发展,在国民生产中起到了重大的作用。往复压缩机作为机械设备领域的一部分,由于其结构复杂,激励源多,对其实施故障诊断比较困难,尽管人们已对其开展了不少研究并取得了一些研究成果,但总的诊断水平还不是很高,这与其在生产中的应用现状是极不相符。往复压缩机由于其用途的广泛性使得对其故障诊断的研究更具有重要意义。本文在吸取前人研究成果的基础上,结合实际,并根据往复压缩机气阀信号的非平稳特性,引入了智能诊断方法,较好地解决了往复压缩机气阀的故障诊断。 在本文中,首先根据往复压缩机气阀信号特点:随机信号、周期信号、冲击信号等混杂在一起,以及信号特征难以提取等问题,研究了往复压缩机气阀信号的消噪方法和特征提取方法。通过对小波变换技术的进一步研究,提出往复压缩机气阀信号处理的小波基函数选择原则及小波包消噪的阀值选取原则。利用小波包变换对往复压缩机的信号进行消噪处理和特征提取,并以“能量”为元素,构造往复压缩机故障信号的特征,但单独从振动信号来看从其原始数据直接获取的信息十分有限,为此又提出信息融合的故障特征提取方法,将往复压缩机气阀的压力信号和振动信号经小波包提取出“能量”特征后再进行信息融合提取气阀故障信号特征,用融合后的特征向量再进一步进行故障诊断。通过对实测往复压缩机气阀的振动信号和压力信号分析进一步验证了方法的可行性和有效性。 研究了基于BP 神经网络的往复压缩机气阀故障诊断方法。人工神经网络由于具有处理非线性和自学习以及并行计算能力,且具有在线诊断能力,使其在往复压缩机故障诊断中有着广泛应用。但BP神经网络由于存在极易陷入局部极小点和收敛速度慢等缺点限制其应用,为此在本文中利用改进的BP神经网络从模式识别角度对往复压缩机气阀进行故障诊断,获得较好的效果,证明了方法的有效性。研究了基于资源有限人工免疫系统(RLAIS)的往复压缩机气阀故障诊断方法。由于现在压缩机故障诊断需要的信息量越来越多,造成很大的信息冗余,这就需要诊断方法对信息具有较好约简能力,同时,由于随着时间的推移新的故障样本不断的产生,因此需要诊断方法具有连续学习功能,为此,提出基于有限资源的人工免疫系统(RLAIS)的往复压缩机气阀故障诊断方法,实例表明该方法具有知识表达明确、直观性强、对信息数据约简能力好、鲁棒性高等优点。 在深入分析往复压缩机气阀故障诊断过程的基础上,借助功能强大的MATLAB 语言系统及工具箱函数和Visual Basic 高级编程语言完成了往复压缩机气阀故障诊断原型系统软件的开发和设计,并用采集信号对诊断结果的正确性进行了测试,效果良好,证明了此系统具有可用性。
【学位授予单位】：大庆石油学院
【学位级别】：硕士
【学位授予年份】：2004
【分类号】：TH45
【图文】：

p1p2pnv1v2vn即： T=[fpP，fvV] （2.19）式中 fp和 fv分别为压力特征向量 P 和振动特征 V 加权融合时对向量 P 和 V 加权的权重，且 fp和 fv的取值范围为 0～1，且 fp+fv=1。fp和 fv的具体取值应根据 P 与V 在气阀故障诊断过程中所起的作用不同进行取值。2.6 气阀特征提取实例分析为了验证本文提出方法有效性，本文以大庆天然气公司某 2D12 往复压缩机为例，提取了其气阀的正常工作时、阀片弹簧损坏故障、阀片断裂故障及阀片缺口故障时阀盖振动信号和缸内压力信号。图2-1 至 2-5 和 2-6 至 2-9 分别是气阀正常工作时、阀片弹簧损坏故障、阀片断裂故障及阀片缺口故障时阀盖振动信号和缸内压力信号时域波形（本章气阀故障以阀片弹簧损坏故障为例进行说明）。为了对信号分析处理，首先对信号进行消噪处理，根据往复压缩机气阀非平稳信号的特点，采用给定阀值的方法进行消噪，避免丢失有用信号。在本文中分别采用 Penalty 阀值消噪、Birge-Massart 阀值及缺省阀值对往复压缩机气阀信号进行了消噪处理[74~79]，由于篇幅所限，只以正常信号和阀片弹簧损坏故障信号为例，消噪后信号如图 2-10 所示。为了进行信号消噪处理，在本文中首先对仿真信号进行消噪，得出 Birge-Massart 阀值消噪处理的效果最好，其次是缺省阀值消噪处理，Penalty 阀值消噪处理效果最差。从图 2-10 中也可以清楚看出阀片正常和故障的信号消噪处理前后效果：本文中所有信号消噪都是采用 Birge-Massart 阀值消噪处理。

p1p2pnv1v2vn即： T=[fpP，fvV] （2.19）式中 fp和 fv分别为压力特征向量 P 和振动特征 V 加权融合时对向量 P 和 V 加权的权重，且 fp和 fv的取值范围为 0～1，且 fp+fv=1。fp和 fv的具体取值应根据 P 与V 在气阀故障诊断过程中所起的作用不同进行取值。2.6 气阀特征提取实例分析为了验证本文提出方法有效性，本文以大庆天然气公司某 2D12 往复压缩机为例，提取了其气阀的正常工作时、阀片弹簧损坏故障、阀片断裂故障及阀片缺口故障时阀盖振动信号和缸内压力信号。图2-1 至 2-5 和 2-6 至 2-9 分别是气阀正常工作时、阀片弹簧损坏故障、阀片断裂故障及阀片缺口故障时阀盖振动信号和缸内压力信号时域波形（本章气阀故障以阀片弹簧损坏故障为例进行说明）。为了对信号分析处理，首先对信号进行消噪处理，根据往复压缩机气阀非平稳信号的特点，采用给定阀值的方法进行消噪，避免丢失有用信号。在本文中分别采用 Penalty 阀值消噪、Birge-Massart 阀值及缺省阀值对往复压缩机气阀信号进行了消噪处理[74~79]，由于篇幅所限，只以正常信号和阀片弹簧损坏故障信号为例，消噪后信号如图 2-10 所示。为了进行信号消噪处理，在本文中首先对仿真信号进行消噪，得出 Birge-Massart 阀值消噪处理的效果最好，其次是缺省阀值消噪处理，Penalty 阀值消噪处理效果最差。从图 2-10 中也可以清楚看出阀片正常和故障的信号消噪处理前后效果：本文中所有信号消噪都是采用 Birge-Massart 阀值消噪处理。

图 2-4 阀片断裂时振动时域波形 图 2-5 阀片缺口时振动时域波形Fig.2-4 Time wave of vibration of cracked valve plane Fig.2-5 Time wave of vibration of notch valve plane2-6 阀片正常压力时域波形 2-7 弹簧损坏阀片压力时域波形Fig.2-6 Time wave of pressure of normal valve Fig.2-7 Time wave of pressure of valve plane with deteriorated spring

【相似文献】

相关期刊论文 前10条

1 钱广华;;重整装置往复压缩机气量无级调节节能效果分析[J];石油石化节能与减排;2011年Z1期

2 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

3 韩江;黄海金;夏链;翟华;;基于粗糙集-神经网络的大型数控液压机液压系统故障诊断[J];液压与气动;2011年06期

4 赵海力;王奉涛;宋鲁涛;;往复压缩机十字头销载荷分析及其在故障诊断中的应用[J];石油化工设备技术;2010年05期

5 周志勇;丁毅;;往复式压缩机连杆螺栓断裂原因分析[J];金属热处理;2011年09期

6 张宇鹏;;大型往复式压缩机在重整装置中的选型及应用[J];石油化工设备技术;2010年05期

7 孙军;;基于独立网关的汽车网络总线系统设计[J];轻型汽车技术;2011年Z3期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相关会议论文 前10条

1 王智伟;张鹏;王金东;杜永军;王巍;;基于虚拟仪器的往复压缩机监测系统研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

2 丁月敏;;探究往复压缩机的设计方案 以4M80(85)为例[A];第八届沈阳科学学术年会论文集[C];2011年

3 郭文涛;;往复压缩机管线的振动分析方法探究[A];创新沈阳文集（A）[C];2009年

4 窦唯;孙明;刘树林;;基于免疫机理的往复压缩机在线状态监测方法[A];第八届全国振动理论及应用学术会议论文集摘要[C];2003年

5 商斌梁;张振仁;;柴油机智能诊断仪的研制[A];中国仪器仪表学会第三届青年学术会议论文集（下）[C];2001年

6 赵阳;李世锦;龙云云;沈雪梅;;电磁干扰传导噪声的智能诊断与抑制[A];第六届全国电磁兼容性学术会议2004EMC论文集[C];2004年

7 刘华;李家滨;汪为农;;网络故障智能诊断和报警系统的研究与实现[A];全国网络与信息安全技术研讨会’2004论文集[C];2004年

8 鲁录义;顾兆林;何家胜;;在压缩机振动控制中运用ANSYS多物理场[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

9 李石平;漆志军;;程控系统的智能诊断原理和实现[A];铁路大型养路机械论文集[C];2005年

10 王金东;王巍;李宏灿;李新伟;;往复压缩机轴承故障的多重分形特征提取[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

相关重要报纸文章 前10条

1 本报记者 陈丽容;中兴发布汽车智能诊断软件 差异化路线再次凸显[N];通信信息报;2011年

2 记者 陈黎明 通讯员 钱王平 杜亚董;沙钢高炉智能诊断决策系统获冶金科技奖[N];中国冶金报;2007年

3 张善斌 徐秀娇 李文;山东济宁能源运河煤矿 智能诊断钢丝绳缺陷[N];中国安全生产报;2010年

4 安平;压缩机发展高端产品抢滩市场[N];中国工业报;2007年

5 杨鹏;气体压缩机：提高可靠性降低能耗[N];中国石化报;2007年

6 CommVault公司;CommVault统一数据管理方案[N];中国计算机报;2007年

7 郝;福斯公司推出控制阀设备管理解决方案[N];国际商报;2009年

8 钟琪;福斯推出控制阀管理解决方案[N];中国企业报;2009年

9 胡资平;历尽风雨　终见彩虹[N];人民日报;2003年

10 王廷俊;石化装置大型化 压缩机制造商如何跟进？[N];中国工业报;2006年

相关博士学位论文 前10条

1 赵海峰;基于HHT的往复压缩机故障诊断研究[D];东北石油大学;2011年

2 刘义艳;结构健康监测与智能诊断技术研究[D];长安大学;2010年

3 许明;锚固系统质量的无损检测与智能诊断技术研究[D];重庆大学;2002年

4 丁克北;离心压缩机组振动智能诊断关键技术研究[D];大庆石油学院;2005年

5 白广来;船舶柴油机智能监测与智能诊断的研究[D];大连海事大学;2003年

6 王文铭;基于数据仓库的矿山企业信息系统及其应用研究[D];东北大学;2000年

7 陆爽;基于现代信号分析和神经网络的滚动轴承智能诊断技术研究[D];吉林大学;2004年

8 张征平;异步电动机早期故障检测的小波分析方法研究[D];华南理工大学;2002年

9 李瑞欣;基于网络和状态监测的设备管理理论与方法研究[D];天津大学;2004年

10 孙红岩;大型旋转机械智能诊断多Agent系统的研究[D];重庆大学;2007年

相关硕士学位论文 前10条

1 赵心怡;往复压缩机故障诊断专家系统的研究与应用[D];北京化工大学;2012年

2 窦唯;往复压缩机气阀故障诊断的智能方法研究[D];大庆石油学院;2004年

3 张利明;基于虚拟仪器的旋转水洗头智能诊断策略与试验研究[D];华东理工大学;2010年

4 王刚;往复压缩机的数学模拟和微机数据采集系统的研究[D];甘肃工业大学;2001年

5 申大鹏;基于案例推理的往复压缩机故障诊断专家系统研究[D];北京化工大学;2012年

6 聂磊;民用飞机重着陆智能诊断技术研究[D];南京航空航天大学;2010年

7 李庆;往复式压缩机气阀阀片的故障分析与诊断[D];北京化工大学;2008年

8 朱传聪;智能诊断报告系统[D];华中科技大学;2011年

9 刘浩;货车轴承声发射信号特征提取与智能诊断研究[D];中南大学;2011年

10 张晓冬;基于全矢谱的智能诊断技术研究[D];郑州大学;2010年

本文编号：2755927