[發明專利]基于卷積神經網絡的往復式壓縮機故障診斷方法及系統

有效

• 申請號: 202110656504.9
• 申請日: 2021-06-11
• 公開（公告）號: CN113435453B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 呂倩;余小玲;馬海輝;葉君超;吳偉烽;柯良軍
• 申請（專利權）人: 西安交通大學
• 主分類號: G06V10/20
• 分類號: G06V10/20;G06V10/28;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 李紅霖

本發明公開了基于卷積神經網絡的往復式壓縮機故障診斷方法及系統，包括，對采集到的壓縮機氣缸內動態壓力數據按照壓縮機每個循環的工作過程進行預處理，得到壓縮機每個工作循環的p?V圖；對壓縮機每個工作循環的p?V圖進行處理，得到壓縮機每個工作循環的二值數字圖像；將壓縮機每個工作循環的二值數字圖像輸入已訓練好的卷積神經網絡進行計算，得到卷積神經網絡的輸出；根據預設的卷積神經網絡的輸出和壓縮機狀態之間的映射關系，得到壓縮機狀態類型。本發明利用卷積神經網絡直接對p?V圖圖像進行故障診斷，與傳統機器學習方法不同，無需人為設計診斷特征，降低了人為因素對診斷結果的影響，在傳統機器學習分類器的基礎上提高了診斷精度。

技術領域

本發明屬于壓縮機技術領域，具體涉及基于卷積神經網絡的往復式壓縮機故障診斷方法及系統。

背景技術

石油化工行業是我國的重要產業，而往復式壓縮機是其工藝流程中不可或缺的核心裝置，壓縮機能否正常運行直接關系到企業的經濟效益。有些工藝壓縮機的壓縮機介質為氫氣、乙烯、天然氣等易燃易爆的氣體，且工作在高壓條件下，一旦發生故障可能會造成嚴重的人員傷亡事故。因此，研究往復式壓縮機的故障診斷技術，盡早發現故障異常，并采取相應的防治措施具有重要意義。

然而，往復式壓縮機的結構復雜，易損件多，且結構之間的相對運動較多，結構件受力復雜，因此，往復式壓縮機的故障具有多樣性，且故障之間的關聯性強和復雜度高的特點。這就給人工的診斷過程增加了難度，使得診斷過程在時間上不夠及時，并且診斷結果的準確性很大程度上依賴于診斷專家的經驗學識。若診斷信號成分復雜，加之診斷專家的經驗不足，可能還會出現誤判的情況。因此減少診斷過程中人工的參與，提高診斷精度是往復壓縮機故障診斷的迫切需求。此前，用于往復式壓縮機故障診斷的分類器多基于傳統的機器學習技術，例如，BP神經網絡，支持向量機等。此類分類器的特點是，其分類精度很大程度上依賴于人為設計的特征提取器的效果，這就使得診斷精度受限于特征設計人員的水平。

發明內容

為了克服上述現有技術存在的問題，本發明的目的在于提出一種基于卷積神經網絡的往復式壓縮機故障診斷方法及系統，能夠實現往復式壓縮機多類故障的全自動智能診斷。

為了實現上述目的，本發明采用的解決方案是：

基于卷積神經網絡的往復式壓縮機故障診斷方法，包括如下過程：

對采集到的壓縮機氣缸內動態壓力數據按照壓縮機每個循環的工作過程進行預處理，得到壓縮機每個工作循環的p-V圖；

對壓縮機每個工作循環的p-V圖進行處理，得到壓縮機每個工作循環的二值數字圖像；

將壓縮機每個工作循環的二值數字圖像輸入已訓練好的卷積神經網絡進行計算，得到卷積神經網絡的輸出；

根據預設的卷積神經網絡的輸出和壓縮機狀態之間的映射關系，得到壓縮機狀態類型。

優選的，壓縮機每個工作循環的p-V圖是一個包括膨脹過程線、進氣過程線、壓縮過程線和排氣過程線的封閉圖形。

優選的，對壓縮機每個工作循環的p-V圖依次進行圖像裁剪、灰度化和二值化，得到壓縮機每個工作循環的二值數字圖像。

優選的，所述圖像裁剪的過程包括：

將每個工作循環的p-V圖使用圖片裁剪方法進行裁剪，剪裁至只保留壓縮機每個工作循環的p-V圖的曲線，得到壓縮機每個工作循環的裁剪后的p-V圖，其中，剪裁的內容包括每個工作循環的p-V圖的坐標軸、坐標軸名稱、坐標軸刻度和標題。

優選的，對壓縮機每個工作循環的p-V圖經過圖像裁剪的圖像進行灰度化的過程包括：

將經過圖像剪裁的壓縮機每個工作循環的p-V圖的紅、綠、藍三原色的顏色分量，通過灰度值的計算方法，轉化成一個灰度值，得到壓縮機每個工作循環的p-V圖的灰度圖。