[發明專利]一種基于多傳感器信息融合的往復式壓縮機故障診斷方法

有效

• 申請號: 201310087273.X
• 申請日: 2013-03-19
• 公開（公告）號: CN103147972A
• 公開（公告）日: 2013-06-12
• 發明（設計）人: 江志農;靳夢宇;張明;張進杰;胡敬芬
• 申請（專利權）人: 北京化工大學
• 主分類號: F04B51/00
• 分類號: F04B51/00
• 代理公司: 北京五月天專利商標代理有限公司 11294
• 代理人: 涂蕭愷

技術領域

本發明屬于設備故障診斷領域，涉及針對往復壓縮機的故障分析診斷方法，具體是一種基于多傳感器信息融合的往復壓縮機故障監測診斷方法。?

背景技術

往復壓縮機是流程工業企業關鍵機組，尤其在煉油、化工、輸氣管道行業中起著至關重要的作用。由于結構復雜，振動激勵源多，故障關聯性強，機組故障診斷準確率低，重大安全事故頻發，如何提高往復式壓縮機故障診斷的準確性始終是困擾企業設備管理人員的難點，同時也是科研人員研究的熱點。目前，越來越多的往復壓縮機安裝了在線監測系統，但如何有效利用在線監測系統提升往復壓縮機故障診斷率仍未有所突破，究其原因是目前沒有一套成熟的往復式壓縮機故障診斷方法。

往復式壓縮機故障很多，主要可以分為熱力性故障和動力性故障兩大類。熱力性故障一般表現為排氣量不足、壓力或溫度波動異常，動力性故障主要表現為機組振動異常，噪聲，過熱等。往復式壓縮機故障原因主要有吸、排氣閥損壞，活塞環、支撐環磨損斷裂，活塞桿、填料函磨損，連桿、十字頭磨損，曲軸斷裂，活塞桿斷裂等。

往復式壓縮機傳統的故障診斷方法包括振動分析法，油液分析法，壓力分析法。振動分析法，由于往復式壓縮機的振動激勵源多，運動部件多，各個部件之間的振動能量可以相互傳遞，僅僅依靠振動分析很難準確定位故障部位及故障原因。油液分析法只能診斷潤滑油潤滑部位的磨損故障，對其他的故障效果不明顯。而壓力分析法只能初步判斷工藝量是否穩定，對于具體的故障很難得出準確的診斷結果。

?近年來，隨著信號處理技術及人工智能技術的發展，越來越多的學者研究多傳感器信息融合技術在故障診斷領域的應用。目前，已有學者將多傳感器信息融合技術應用到電機，發動機及齒輪箱的故障診斷中并取得了一定的效果。但是，對于大型復雜機組，如大型離心壓縮機，往復式壓縮機，燃氣輪機等，多傳感器信息融合技術仍然沒有得到很好的應用。本方法就是針對石油化工生產現場的大型多缸往復式壓縮機故障診斷的技術難點和重點進行研究的，研發了一種能顯著提高往復式壓縮機故障診斷準確性的故障診斷方法。?

發明內容

本發明的目的就是克服現有的技術缺點，提供一套新的、實用的、能準確地診斷出往復式壓縮機常見故障的方法。該方法具有應用方便，診斷準確率高，能適用于石油化工企業往復壓縮機生產現場的優點。

本發明公開了一種基于多傳感器信息融合的往復式壓縮機故障診斷方法，包括如下步驟：

1）采集數據，通過往復壓縮機實驗臺和往復式壓縮機故障診斷與在線狀態監測系統采集相應的故障數據；

2）構造故障特征子空間及故障空間，對采集到的數據進行處理，提取對應的一些特征參數，利用提取的特征參數分類組合成多個故障特征子空間，根據上述一些特征參數，選取多個往復式壓縮機常見故障及正常狀態，構成往復式壓縮機故障空間；

3）得到故障診斷網絡，使用故障特征子空間對已經選好的徑向基神經網絡進行訓練，并保存訓練后的故障診斷網絡；

4)、獲得特征級融合診斷結果，訓練好的故障診網絡自動地對輸入的故障數據進行初步特征級融合診斷，給出特征級融合診斷結果；

5）進行D-S證據理論決策級融合診斷，將特征級融合診斷結果作為證據體，由特征級融合診斷結果確定各個證據體的基本可信度分配，然后，制定應用D-S證據理論進行決策級融合所需要的決策規則，利用構造好的D-S證據理論對所述特征級融合診斷結果進行決策級融合，給出決策級診斷結果。

其中，傳感器采集的信號數據主要包括活塞桿沉降量數據、缸體振動數據、曲軸箱振動數據和氣閥溫度數據。

所述步驟3）進一步包括：

31）根據各故障特征子空間的定義和相應的故障空間，獨立構造相應子網絡的學習樣本；

32）選取徑向基神經網絡作為診斷網絡，并對網絡進行訓練，使其具有????????????????????????????????????????????????的能力，其中為故障特征子空間，為往復式壓縮機故障；

33)對訓練好的網絡進行測試、診斷，為以后的融合決策診斷做準備。

所述步驟5）中，根據特征級融合診斷結果構造基本可信度分配函數，將徑向基神經網絡的訓練誤差作為不確定因素m(θ)，計算公式為：

式中，，分別對應著第i個神經元的期望輸出值以及實際值；

將徑向基神經網絡節點的輸出作為各焦點元素的基本概率分配值，有如下公式：

式中，?-故障模式；