基于小波分析的往复压缩机气阀故障诊断方法研究

聂福森+张鹏飞+柴卓

【摘 要】 本文针对往复压缩机气阀信号复杂、信号特征难以提取等问题，基于小波变换技术，研究了往复压缩机气阀信号的特征提取及消噪的方法。提出了用于气阀信号处理的小波基函数选择原则和波形匹配及消噪的阀值选取原则。通过对实验对往复压缩机气阀的振动和压力信号进行分析，验证了该方法的可行性和有效性。为企业现场设备维修维护提供了可靠的理论数据。

【关键词】 往复压缩机 故障诊断 特征提取 小波法 气阀

作为石化、采矿、制造和国防等行业生产线上的关键装备，往复式压缩机其结构复杂，在高速、高压和高温的环境下及易发生故障，对往复压缩机的管理与维修，通常采用计划维修模式，维修的滞后和被动在很大程度上影响了企业的生产效率，有时因延误故障检修降低了压缩机的使用寿命。随着故障诊断技术的不断发展，目前大多数企业应用了具有状态监测与故障诊断功能的专业设备，远程在线监测系统也逐渐普及到在生产企业中。因此压缩机故障诊断技术和系统一直是工程研究人员努力和研究的目标，对该技术在实际中得到广泛应用具有重要意义。

压缩机的重要部件——气阀，是控制气缸中靠气阀两侧的压力差来控制压缩机进气和排气的装置。其种类很多，常见的有环状阀、网状阀、碟形阀等。因其在往复压缩机工作过程中及易损耗，因此被定义为易损件。 实验研究发现气阀发生故障的概率约占压缩机总故障率的60%以上[1]。因此及时地检测气阀故障，是保证往复压缩机正常工作的重要诊断工作[2]。本文结合工作实际，基于往复压缩机气阀信号的不平稳性的特点，采用小波分析法提取气阀的振动信号和压力信号的特征值，再利用特征值融合法对气阀的故障进行诊断，解决了压缩机气阀的故障诊断过程中的信号处理问题。

1 气阀振动信号建模

由于气阀阀盖的振动是气阀故障较敏感的位置，因此在气阀故障的诊断通常是通过对阀盖的振动加速度和阀腔内的压力信号的分析来完成的[3]。气阀阀片的振动为典型的二阶欠阻尼系统，如图1所示，其中吸气阀和排气阀的结构和受力情况相同，若不考虑碰撞冲击作用力的影响，阀片的运动方程如下：

（1）

式中：为气阀阀片运动当量；为阀片位移参数；为阀片的粘性阻尼系数；为阀片运动时的弹簧刚度系数；为弹簧的预压缩量；为推力系数；为阀片两侧的压力差；为阀片工作时的受压面积。

由于往复式压缩机结构复杂，振源多不易辨识，且各受力部件受到的作用力较多，各振源的振动随时间动态变化，导致作用于往复压缩机气阀盖的振动信号与其它随机冲击信号等混杂在一起，因受噪声的强烈干扰，特别是故障的特征信号较弱时，因故障的位置与信号之间的对应关系不明显而使故障特征不易被识别。

从图1可知，从阀片开始撞击阀挡起，经若干次往复运动直到静止这一过程，阀片对阀挡产生了多次逐渐衰减的振动信号，最后阀片和弹簧系统处于新的平衡。为分析气阀的故障，从这一时段提取气阀的振动信号，来建立气阀故障的诊断模型。故将式（1）改写为：

（2）

对式（2）进行整理可得：

（3）

式中：为综合阻尼系数，，表示阀片的粘性阻尼系数与接触阻尼系数之和；为综合刚度系数，，表示弹簧的刚度系数与阀片的接触刚度系数之和。

由文献[4]可知，式（3）对应的齐次方程在欠阻尼条件下的解为气阀故障的诊断模型：

（4）

式中：为振动幅值；为振动初始相位角；为阻尼比；为无阻尼振动固有频率；为有阻尼振动固有频率。

2 小波基的选择

小波分析法在信号处理方面提供了连续、离散小波变换及多辨识分析方法，为信号的特征提取提供了良好而准确的工具。与传统的傅立叶变换相比，通过伸缩和平移两种运算，小波变换在时域和频域空间对函数图像进行分析，把信号分解为具有局部特性的小波函数，在低频和高频都具有很好的可辨识性，从局部观察和分析被测信号，其局部分析能力使其能有效地从信号中提取时域和频域特征信息，解决了传统方法无法解决的问题，为机械设备故障诊断提供了十分有效的方法。

小波包变换（Wavelet Packet Transformation）法将信号频带进行多层次分解，并根据被分析的振动信号特征，自适应匹配相应频带，提高时频分辨率。振动信号经小波包分解后，被划分为不同频段上的小波包函数，这些小波包函数中的时频信息是信号时域和频域信息的综合信息。

当设备发生故障时，气阀振动信号受到干扰，振动信号形状复杂不规则，相对于气阀信号的复杂程度，小波函数之间形状差别不大。通常情况下，基于气阀的振动信号随时频域变化特性，可按以下条件来确定小波基[5]。

（1）小波基应具有紧支集，即紧支区间越大，局部形态的显示能力越强，因此为提高信号分析中的时频分辨率，应选择紧支区域大的。

（2）ψ（t）连续可微；小波基的正则性要求其连续可微，其足够的消失矩能够保证其正则性要求。

（3）ψ（t）有N阶消失矩；小波基的消失矩必须具有足够的阶数，但过高的阶数会造成分析结果模糊。

（4）ψ（t）具有对称性。为了保证信号的精确重构，可以选取双正交小波基。但在分析气阀的非平稳振动信号时，一般不要求小波信号的重构。

基于以上分析可知，在气阀故障诊断中，为有效地分析振动信号，应考虑满足区间的紧支撑和足够的消失矩阶数来选择小波基。典型的具有紧支性的正交小波基有Daubechies系列小波基，Biorthogonal小波基系列，Coiflets小波基系列，Symlets小波基系列等。

3 故障信号提取

当设备发生故障时，为了对测得的振动信号加以分析处理，首先应对信号进行消噪处理，根据气阀信号的非平稳性的特点，采用Birge-Massart阀值进行消噪，避免有用信号的丢失。以各频带信号表示经过消噪处理后的单支重构信号，即元素构造特征向量，可有效提取故障特征。总信号可表示为：endprint

（5）

式中，为小波包分解的层数（取正整数）；为小波包的节点数；

由于总信号为随机信号，也是随机信号，设对应的势能为：

（6）

式中：为重构信号离散点的幅值。因此可知重构信号的特征向量T为：

（7）

4 实例验证

为了验证方法的正确性，以本公司生产的2D12型往复压缩机为例，采集了气阀在正常工作条件下、阀片弹簧故障时阀盖振动信号和气缸内的压力信号。

首先对采集信号进行降噪处理，采用Daubechies小波基对原始信号做3级分解，分别提取第三层的重构信号的特征向量如下表1、2所示。

以上数据表明：基于小波分析法得到的往复压缩机气阀信号的能量特征向量，可迅速有效的诊断压缩机气阀的故障，并能准确地进行故障定位。在气阀故障信号特征的提取过程中，要注意谨慎选择小波包分解的层数，若层数过少，不能有效提取故障特征，但层数过多，特征向量的维数变大，则使计算量增加，影响诊断速度。

5 结语

本文根据往复压缩机的重要部件——气阀信号的不平稳性及特征难提取的特点，基于小波分析理论研究了气阀信号的特征提取方法，从而实现了往复压缩机故障诊断的自适应。提出了提出针对气阀信号处理的小波基函数的选取原则，并对气阀的故障信号进行建模，提取了因故障而产生的敏感信号，并通过实验证明了此方法的实际应用价值。

参考文献：

[1]黄长艺，严普强.机械工程测试技术基础[M].机械工业出版社，2002.

[2]黄启明，钱宇.化工过程故障诊断研究进展[J].化工自动化及仪表，2000，27（3）：1-5.

[3]屈梁生，张海军.机械诊断中的几个基本问题[J].中国机械工程，2000，n（l）211-16.

[4]Elhaj M，Gu F，Ball A，et al.Numerieal simulation and experimental study of a two-stage reciprocating compressor for condition monitoring [J].Mechanical Systems and Signal Processing，2008，22（2）：374-389.

[5]程香平，丁雪兴，刘海亮，等.多种故障诊断技术在往复压缩机中的应用[J].压缩机技术，2007，（5）：13一16.endprint

（5）

式中，为小波包分解的层数（取正整数）；为小波包的节点数；

由于总信号为随机信号，也是随机信号，设对应的势能为：

（6）

式中：为重构信号离散点的幅值。因此可知重构信号的特征向量T为：

（7）

4 实例验证

为了验证方法的正确性，以本公司生产的2D12型往复压缩机为例，采集了气阀在正常工作条件下、阀片弹簧故障时阀盖振动信号和气缸内的压力信号。

首先对采集信号进行降噪处理，采用Daubechies小波基对原始信号做3级分解，分别提取第三层的重构信号的特征向量如下表1、2所示。

以上数据表明：基于小波分析法得到的往复压缩机气阀信号的能量特征向量，可迅速有效的诊断压缩机气阀的故障，并能准确地进行故障定位。在气阀故障信号特征的提取过程中，要注意谨慎选择小波包分解的层数，若层数过少，不能有效提取故障特征，但层数过多，特征向量的维数变大，则使计算量增加，影响诊断速度。

5 结语

本文根据往复压缩机的重要部件——气阀信号的不平稳性及特征难提取的特点，基于小波分析理论研究了气阀信号的特征提取方法，从而实现了往复压缩机故障诊断的自适应。提出了提出针对气阀信号处理的小波基函数的选取原则，并对气阀的故障信号进行建模，提取了因故障而产生的敏感信号，并通过实验证明了此方法的实际应用价值。

参考文献：

[1]黄长艺，严普强.机械工程测试技术基础[M].机械工业出版社，2002.

[2]黄启明，钱宇.化工过程故障诊断研究进展[J].化工自动化及仪表，2000，27（3）：1-5.

[3]屈梁生，张海军.机械诊断中的几个基本问题[J].中国机械工程，2000，n（l）211-16.

[4]Elhaj M，Gu F，Ball A，et al.Numerieal simulation and experimental study of a two-stage reciprocating compressor for condition monitoring [J].Mechanical Systems and Signal Processing，2008，22（2）：374-389.

[5]程香平，丁雪兴，刘海亮，等.多种故障诊断技术在往复压缩机中的应用[J].压缩机技术，2007，（5）：13一16.endprint

（5）

式中，为小波包分解的层数（取正整数）；为小波包的节点数；

由于总信号为随机信号，也是随机信号，设对应的势能为：

（6）

式中：为重构信号离散点的幅值。因此可知重构信号的特征向量T为：

（7）

4 实例验证

为了验证方法的正确性，以本公司生产的2D12型往复压缩机为例，采集了气阀在正常工作条件下、阀片弹簧故障时阀盖振动信号和气缸内的压力信号。

首先对采集信号进行降噪处理，采用Daubechies小波基对原始信号做3级分解，分别提取第三层的重构信号的特征向量如下表1、2所示。

以上数据表明：基于小波分析法得到的往复压缩机气阀信号的能量特征向量，可迅速有效的诊断压缩机气阀的故障，并能准确地进行故障定位。在气阀故障信号特征的提取过程中，要注意谨慎选择小波包分解的层数，若层数过少，不能有效提取故障特征，但层数过多，特征向量的维数变大，则使计算量增加，影响诊断速度。

5 结语

本文根据往复压缩机的重要部件——气阀信号的不平稳性及特征难提取的特点，基于小波分析理论研究了气阀信号的特征提取方法，从而实现了往复压缩机故障诊断的自适应。提出了提出针对气阀信号处理的小波基函数的选取原则，并对气阀的故障信号进行建模，提取了因故障而产生的敏感信号，并通过实验证明了此方法的实际应用价值。

参考文献：

[1]黄长艺，严普强.机械工程测试技术基础[M].机械工业出版社，2002.

[2]黄启明，钱宇.化工过程故障诊断研究进展[J].化工自动化及仪表，2000，27（3）：1-5.

[3]屈梁生，张海军.机械诊断中的几个基本问题[J].中国机械工程，2000，n（l）211-16.

[4]Elhaj M，Gu F，Ball A，et al.Numerieal simulation and experimental study of a two-stage reciprocating compressor for condition monitoring [J].Mechanical Systems and Signal Processing，2008，22（2）：374-389.

[5]程香平，丁雪兴，刘海亮，等.多种故障诊断技术在往复压缩机中的应用[J].压缩机技术，2007，（5）：13一16.endprint