论文部分内容阅读
摘要：在石化工业中往复压缩机进行故障诊断，按照机械故障诊断录下，结合机械特点和故障特征，建立故障文档、采用状态识别技术等，对于阀腔脉动压力等进行一系列信号获取，仿真模拟等。上述技术应用不断经过创新推进往复压缩机针对技术的发展。本文对往复压缩机故障诊断技术应用现状以及发展趋势进行分析，主要分析故障诊断过程中状态监测系统运行特征，以及未来往复压缩机故障诊断技术的发展趋势。
关键词：往复压缩机;故障诊断;压缩机诊断
往复压缩机用于化工炼油等企业，作为核心设备，往复压缩机主要压缩介质包括天然气、瓦斯气、乙烯等。上述气体具有易爆易燃性，因此一旦发生严重故障，就会导致气体外泄，引发恶性事故。因此对于装置进行安全的状态检修非常重要。针对往复压缩机结构复杂，部件功能多等特点，在曲轴十字头、活塞杆、连杆等传动部位进行检测，针对故障做好填料密封、活塞环检测预防。
1往复压缩机故障诊断技术发展现状
根据当前国内外的成功案例，在往复压缩机应用过程中，通过在线状态检测和故障状态检测，目前延长运转周期内为减少非计划停机应对检测检修进行优化，做好机器的运行工况运行参数的监测和了解，实时发现故障部位并进行检修，有的放矢地提前采取有效措施，降低故障发生率。
1.1进行往复压缩机诊断，主要进行信号检测、特征提取和状态识别三大步骤，信号检测室进行往复压缩机故障诊断的关键之一。首先对于监测数据如温度流量压力等进行监测，采用冲击震动方法、噪声监测分析方法、气体泄漏检测方法、液位仪检测方法等，对气缸内气体压力温度以及气缸活塞等进行检测。如果发现发生振动或活塞下沉，可以判断活塞环磨损或者是曲轴连杆出现异常现象。
1.2针对复杂故障可以采用多种诊断组合的方法进行判断和排除，往复压缩机故障诊断方法一般采取频率提取法、时域提取法，低频提取法等。频率提取法在进行信号检测是针对非平稳性环境进行抗干扰的有效方法[1]。要做好故障诊断的初判，在降噪消防技术运用上运用上述方法，针对网络压缩机测试信号进行频谱分析。例如具有驱动电机在往复压缩机中，实测信号会随着工作环境的变化而变化，循环过程会发生变化，且时间遇上不持续存在，要解决这一问题，准确反映保护压缩机的状态，可以采取魏格纳威尔分布、短时傅里叶变化等方法用于故障诊断。上述方法均有各自的优缺点，采取多种方法结合的方式可实现优势互补、提高检测准确率。
1.3当前随着向量机状态识别方法的应用，经过不断的样本识别，准确率给予提升，随着支持向量机和人工免疫的方法的出现，解决了神经网络方法中大量训练样本难题，逐渐引入到往复压缩机故障诊断中。因此虽然往复压缩机的故障依然十分复杂，但是在单一特征描述和识别方面已经进行了大量的技术攻克，多种信号检测技术组合完成状态识别和方法提取，使得往复压缩机向着更快更好的方向发展[2]。
2往复压缩机故障诊断技术发展前景
随着能源需求量的不断增长，石油化工企业也发生了巨大的变化，相关机械设备也在不断更新与完善。往复式压缩机作为石油化工企业的重要设备，很多故障的快速诊断对于设备系统安全稳定运行非常关键，基于往复式压缩机故障的原因深入分析，并提出了相应合理的改善措施，并在技术研究的前提下获得了创新。安全检查数据显示往复压缩机组的故障诊断以及连锁保护技术，目前实际投入率目前从35%～78%不等。实际操作中，由于人为操作不当导致减慢报警速度带来巨大安全隐患。采用智能连锁保护，能够准确的判断是否对关键缺陷进行解决，考虑不同故障对生产检修成本要素的影响，压缩机智能预警和连锁保护系统实现了高效准确的智能预警和连锁保护。对于往复压缩机智能检测技术发展趋势进行探讨，是随着专家系统神经网络和人工智能技术的发展而进行的工作。
2.1实際应用中设备智能故障诊断具有很好的应用前景。对结构复杂的故障诊断，诊断技术目前向着完善和优化的方向演进，且得到广泛应用。例如故障诊断系统已经能够进行自主选择，并自行判断往复压缩机工作状态，获取有效特征参数，采取特征参数进行实验验证方法较为充分。对于往复压缩机常见的排气量不足，排气压力不正常，异常噪声、温度不正常，活塞杆损坏等[3]。
2.2进行状态监测，有针对性地对传统监测技术手段予以替代，将无法解决的问题予以克服。未来将采取精密诊断的方法，获得压力温度等多种技术参数，判断出设备的故障根源和故障部位，以识别各种参数并测量信号加以故障解决。
2.3当前往复压缩机故障诊断正在向着智能化多元信息和网络化融合的方向发展。目前重点研究重领域在于新型集成化传感器和观测器的应用，利用振动信号相互交叉最小的特点以及现代信号处理方法、智能诊断理论，实现故障自动诊断。未来随着人工神经网络和专家系统智能技术的发展，自动化诊断已经成为可能国内外研究围绕复式压缩机故障专家系统的应用，利用神经网络算法实现数据自学习能力和数据挖掘。往复压缩机状态监测系统更加关注部件的工作状态，而轴承温度、填料温度、冷却水温度等也引入了监测系统中，实现了不同故障数据的内在联系，完成机组多元信息融合，提高往复压缩机故障诊断准确率，防范事故发生。例如系统监测模块、诊断模块、保护模块，组成了监测系统，能够根据压缩机的实际运行情况，有针对性的对运行条件加以调整。按照故障诊断技术路线，结合往复压缩机故障特点，通过计算机仿真建立故障文档，将人工神经网络结合到模糊诊断中，更加有利于推进往复压缩机诊断技术的发展。
结束语：
经历了数10年的发展历史，当前计算机技术信号分析技术飞速发展，形成了诊断技术的理论体系，在实施应用方面，人们形成共识，通过信号检测和特征提取获得机组运行状态，按照状态识别方法的模式，对机组运行状态加以识别，对机组的异常运行状态加以干预，防患于未然。因此从未来发展趋势看，往复压缩机故障主故障诊断技术将逐渐的向信号选择、文档建立、状态识别技术智能化等趋势迈进。
参考文献
[1]单峰，张宁博.往复式压缩机气阀故障的振动诊断方法[J].化工管理，2020，（9）：144-145.
[2]刘欢.往复压缩机的典型故障特征与诊断研究[J].建筑工程技术与设计，2019，（35）：271.
[3]刘辉.浅析往复式压缩机常见故障的判断与处理措施[J].数码设计（上），2019，（11）：177.
关键词：往复压缩机;故障诊断;压缩机诊断
往复压缩机用于化工炼油等企业，作为核心设备，往复压缩机主要压缩介质包括天然气、瓦斯气、乙烯等。上述气体具有易爆易燃性，因此一旦发生严重故障，就会导致气体外泄，引发恶性事故。因此对于装置进行安全的状态检修非常重要。针对往复压缩机结构复杂，部件功能多等特点，在曲轴十字头、活塞杆、连杆等传动部位进行检测，针对故障做好填料密封、活塞环检测预防。
1往复压缩机故障诊断技术发展现状
根据当前国内外的成功案例，在往复压缩机应用过程中，通过在线状态检测和故障状态检测，目前延长运转周期内为减少非计划停机应对检测检修进行优化，做好机器的运行工况运行参数的监测和了解，实时发现故障部位并进行检修，有的放矢地提前采取有效措施，降低故障发生率。
1.1进行往复压缩机诊断，主要进行信号检测、特征提取和状态识别三大步骤，信号检测室进行往复压缩机故障诊断的关键之一。首先对于监测数据如温度流量压力等进行监测，采用冲击震动方法、噪声监测分析方法、气体泄漏检测方法、液位仪检测方法等，对气缸内气体压力温度以及气缸活塞等进行检测。如果发现发生振动或活塞下沉，可以判断活塞环磨损或者是曲轴连杆出现异常现象。
1.2针对复杂故障可以采用多种诊断组合的方法进行判断和排除，往复压缩机故障诊断方法一般采取频率提取法、时域提取法，低频提取法等。频率提取法在进行信号检测是针对非平稳性环境进行抗干扰的有效方法[1]。要做好故障诊断的初判，在降噪消防技术运用上运用上述方法，针对网络压缩机测试信号进行频谱分析。例如具有驱动电机在往复压缩机中，实测信号会随着工作环境的变化而变化，循环过程会发生变化，且时间遇上不持续存在，要解决这一问题，准确反映保护压缩机的状态，可以采取魏格纳威尔分布、短时傅里叶变化等方法用于故障诊断。上述方法均有各自的优缺点，采取多种方法结合的方式可实现优势互补、提高检测准确率。
1.3当前随着向量机状态识别方法的应用，经过不断的样本识别，准确率给予提升，随着支持向量机和人工免疫的方法的出现，解决了神经网络方法中大量训练样本难题，逐渐引入到往复压缩机故障诊断中。因此虽然往复压缩机的故障依然十分复杂，但是在单一特征描述和识别方面已经进行了大量的技术攻克，多种信号检测技术组合完成状态识别和方法提取，使得往复压缩机向着更快更好的方向发展[2]。
2往复压缩机故障诊断技术发展前景
随着能源需求量的不断增长，石油化工企业也发生了巨大的变化，相关机械设备也在不断更新与完善。往复式压缩机作为石油化工企业的重要设备，很多故障的快速诊断对于设备系统安全稳定运行非常关键，基于往复式压缩机故障的原因深入分析，并提出了相应合理的改善措施，并在技术研究的前提下获得了创新。安全检查数据显示往复压缩机组的故障诊断以及连锁保护技术，目前实际投入率目前从35%～78%不等。实际操作中，由于人为操作不当导致减慢报警速度带来巨大安全隐患。采用智能连锁保护，能够准确的判断是否对关键缺陷进行解决，考虑不同故障对生产检修成本要素的影响，压缩机智能预警和连锁保护系统实现了高效准确的智能预警和连锁保护。对于往复压缩机智能检测技术发展趋势进行探讨，是随着专家系统神经网络和人工智能技术的发展而进行的工作。
2.1实際应用中设备智能故障诊断具有很好的应用前景。对结构复杂的故障诊断，诊断技术目前向着完善和优化的方向演进，且得到广泛应用。例如故障诊断系统已经能够进行自主选择，并自行判断往复压缩机工作状态，获取有效特征参数，采取特征参数进行实验验证方法较为充分。对于往复压缩机常见的排气量不足，排气压力不正常，异常噪声、温度不正常，活塞杆损坏等[3]。
2.2进行状态监测，有针对性地对传统监测技术手段予以替代，将无法解决的问题予以克服。未来将采取精密诊断的方法，获得压力温度等多种技术参数，判断出设备的故障根源和故障部位，以识别各种参数并测量信号加以故障解决。
2.3当前往复压缩机故障诊断正在向着智能化多元信息和网络化融合的方向发展。目前重点研究重领域在于新型集成化传感器和观测器的应用，利用振动信号相互交叉最小的特点以及现代信号处理方法、智能诊断理论，实现故障自动诊断。未来随着人工神经网络和专家系统智能技术的发展，自动化诊断已经成为可能国内外研究围绕复式压缩机故障专家系统的应用，利用神经网络算法实现数据自学习能力和数据挖掘。往复压缩机状态监测系统更加关注部件的工作状态，而轴承温度、填料温度、冷却水温度等也引入了监测系统中，实现了不同故障数据的内在联系，完成机组多元信息融合，提高往复压缩机故障诊断准确率，防范事故发生。例如系统监测模块、诊断模块、保护模块，组成了监测系统，能够根据压缩机的实际运行情况，有针对性的对运行条件加以调整。按照故障诊断技术路线，结合往复压缩机故障特点，通过计算机仿真建立故障文档，将人工神经网络结合到模糊诊断中，更加有利于推进往复压缩机诊断技术的发展。
结束语：
经历了数10年的发展历史，当前计算机技术信号分析技术飞速发展，形成了诊断技术的理论体系，在实施应用方面，人们形成共识，通过信号检测和特征提取获得机组运行状态，按照状态识别方法的模式，对机组运行状态加以识别，对机组的异常运行状态加以干预，防患于未然。因此从未来发展趋势看，往复压缩机故障主故障诊断技术将逐渐的向信号选择、文档建立、状态识别技术智能化等趋势迈进。
参考文献
[1]单峰，张宁博.往复式压缩机气阀故障的振动诊断方法[J].化工管理，2020，（9）：144-145.
[2]刘欢.往复压缩机的典型故障特征与诊断研究[J].建筑工程技术与设计，2019，（35）：271.
[3]刘辉.浅析往复式压缩机常见故障的判断与处理措施[J].数码设计（上），2019，（11）：177.