窦宗香(中石油青海油田分公司格尔木炼油厂,青海 格尔木 816000)
故障诊断技术能够提高往复式压缩机的工作效率,拓宽压缩机的使用范围,完善压缩机的运行环境。往复式压缩机的运行环境比较复杂,采用故障诊断技术,能够准确的分析出压缩机内潜在的隐患,掌握压缩机的运行状态,维护往复式压缩机的性能。
根据往复式压缩机的运行,分析故障诊断中的技术方法,预防压缩机故障。具体的故障诊断方法如下:
专家系统在故障诊断中较为常用,将其应用到往复式压缩机故障诊断中,提升诊断结果的准确性。往复式压缩机的应用范围广,采用专家系统完成故障诊断,具有实践的优势。
分析专家系统在往复式压缩机故障诊断技术中的应用过程,如:(1)获取与压缩机相关的专家知识,通过专家交谈、查阅书籍的方法,完善专家系统内的相关知识,例如排气量异常检测,观察Q=V·n·λV·λP·λT·λL公式中的参数变化,判断往复式压缩机的状态,常见的公式还有:溶剂系数λV=1-α(ε1/m-1)、排气温度Td=T·εk;(2)往复式压缩机专家系统内,专家知识形成数据库,其可根据压缩机的状态表现,迅速检索数据库内的专家信息,借助故障树的方式分析压缩机故障,故障树中的内容有:阀座损坏、联接松动、仪表失准等,为故障诊断提供依据;(3)专家系统知识库在运行一段时间后,要根据往复式压缩机的状态,实行维护,将新故障中专家分析的结果,写入知识库内,以便下次诊断压缩机中同样的故障。
往复式压缩机发生故障时,会产生大量异常的振动信号,不同频段的振动信号,代表了压缩机的故障特征[1]。小波分析既可以诊断往复式压缩机的在线故障,也能分析出故障预兆的相关信息。目前,往复式压缩机的故障诊断技术中,在小波分析中引入神经网络,神经网络补充小波分析中的不足,完善了压缩机的在线诊断系统。例如:往复式压缩机中的故障训练样本,完成在线信号采集后传输到信号消噪阶段,故障样本进入到小波包分解与单支重构阶段,经小波分析后提取故障特征,将多信息向量的融合传入到神经网络训练与诊断内,细化诊断小波分析后的故障信息,最终输出诊断的结果。小波分析与神经网络的融合,弥补了两者的缺陷,在气阀泄漏、活塞组件泄露、气缸组件泄露、基础联动松动等故障中有实践性的应用。
往复式压缩机故障诊断,线性回归分析分为一元和多元两种。以一元线性回归分析方法为例,分析其在故障诊断技术中的应用。一元线性回归分析中,包含自变量、因变量两种因素,形成一元线性关系,实测往复式压缩机的信息,构建回归模型,研究往复式压缩机故障信息的相关性问题,在一元线性回归关系中,设计故障自变量信息x和因变量y,x=x1、x2,…,xn,对应的y=y1、y2,…,yn,其中,(x1,y1),(x2,y2),…,(xn,yn)符合一元线性回归关系,由此构建一元线性回归分析的模型,可用于检测往复式压缩机中压力不均匀度、振动烈度的现行关系,得出故障诊断的结果。
声发射技术,是往复式压缩机故障在线诊断中的典型。声发射源在压缩机中传输,进入传感器的耦合界面并通过传感器,此时由声发射仪接收信号,处理后显示故障诊断的数据[2]。往复式压缩机的状态,能够通过声发射技术显示出来,快速提取故障信号。例如:往复式压缩机样品检测中,声发射技术采集了压缩机的信号,信号分为有故障压缩机AE信号检测和正常压缩机AE信号检测,经声发射技术分析后,得出信号的特征,比对差别故障的基准,明确故障诊断的信息。
往复式压缩机的应用越来越广泛,推进了故障诊断技术的发展,故障诊断始终是一项难点内容,结合故障诊断技术在往复式压缩机中的应用,例举故障诊断中的几点注意事项。
第一,往复式压缩机故障诊断技术中,以小波分析为基础的,以神经网络或专家系统相结合的技术,需考虑非定常信号的影响,规范处理此类信号,避免影响故障诊断的结果。
第二,深入研究故障诊断中的定量关系,预测引起故障的相关原因,降低故障诊断及故障处理的难度,利用定向关系中的故障原因,提高解决故障的效率。
第三,按照往复式压缩机故障诊断技术的运行状态,规划完善专家系统的周期,及时补充专家系统知识库中的内容,同时推进信息化工作的开发,实现专家系统的全方位诊断。
第四,往复式压缩机故障诊断系统中,注重数学模型的构建与应用,因为数学模型是故障诊断技术中的难点,压缩机故障诊断中一旦涉及数学模型的知识,就会潜在发生数据缺陷的可能性,所以结合往复式压缩机故障诊断,理清数学模型中的关系,特别是特征参数的控制,完善数学模型的应用,支撑故障诊断技术在往复式压缩机中的应用。
结合往复式压缩机中的故障研究,提出可用的故障诊断技术,解决压缩机中的故障问题。往复式压缩机故障诊断的过程中,注意相关事宜的控制,明确压缩机的故障原因后再进行诊断,提高故障诊断技术的准确性,避免影响压缩机的诊断结果。
[1]李芳.往复式压缩机故障诊断技术研究[D].东北石油大学,2011.
[2]张威.基于分数阶Fourier变换的往复式压缩机故障诊断方法研究[D].东北石油大学,2014.