基于往复压缩机轴心轨迹特征的故障诊断方法研究

作     者：张旭东 张进杰 茆志伟 ZHANG Xudong;ZHANG Jinjie;MAO Zhiwei

作者机构：北京化工大学高端机械装备健康监控与自愈化北京市重点实验室北京100029 北京化工大学压缩机技术国家重点实验室压缩机健康智能监控中心北京100029 

出 版 物：《流体机械》 (Fluid Machinery)

年 卷 期：2021年第49卷第4期

页      面：60-65,78页

核心收录：

学科分类：080704[工学-流体机械及工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：双一流建设专项经费资助项目(ZD1601) 压缩机技术国家重点实验室(压缩机技术安徽省实验室)开放基金资助项目(SKL-YSJ201808,SKL-YSJ201911) 

主　　题：轴心轨迹 智能诊断 活塞杆 往复压缩机 特征融合 

摘      要：往复压缩机的故障诊断一直以来都是研究工作的重点问题,对其关键运动部件的监测诊断更是研究的热点之一。当往复压缩机发生运动部件磨损、撞缸等故障时,活塞杆的运行状态会发生改变,进而引起活塞杆轴心轨迹的变化。因此,提出了一种基于活塞杆轴心轨迹的往复压缩机智能诊断方法。首先,文章利用改进的离散点轮廓包络方法提取活塞杆轴心轨迹特征,同时提取活塞杆信号的时、频域特征;然后利用ReliefF方法计算轴心轨迹特征与时、频域特征的特征权重,选取大于各自权重均值的特征分别组成轴心轨迹敏感特征集和时频域敏感特征集;最后,提取2个特征集的Related-Similar(RS)特征,将其融合后作为BP神经网络的训练特征集训练故障诊断模型。利用往复压缩机磨损故障和撞缸故障的数据对模型进行验证,结果表明,模型能较好地识别这两种故障,并且故障恶化时的识别准确率均达到了99%以上。