專利名稱：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
技術(shù)領(lǐng)域：
本發(fā)明屬于設備故障診斷領(lǐng)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(jiān)測診斷方法。
背景技術(shù)：
往復壓縮機是流程工業(yè)企業(yè)關(guān)鍵機組，尤其在煉油、化工、輸氣管道行業(yè)中起著至關(guān)重要的作用。由于結(jié)構(gòu)復雜，振動激勵源多，故障關(guān)聯(lián)性強，機組故障診斷準確率低，重大安全事故頻發(fā)，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(yè)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(jiān)測系統(tǒng)，但如何有效利用在線監(jiān)測系統(tǒng)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(xiàn)為排氣量不足、壓力或溫度波動異常，動力性故障主要表現(xiàn)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(huán)、支撐環(huán)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(tǒng)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(wěn)定，對于具體的故障很難得出準確的診斷結(jié)果。近年來，隨著信號處理技術(shù)及人工智能技術(shù)的發(fā)展，越來越多的學者研究多傳感器信息融合技術(shù)在故障診斷領(lǐng)域的應用。目前，已有學者將多傳感器信息融合技術(shù)應用到電機，發(fā)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(shù)仍然沒有得到很好的應用。本方法就是針對石油化工生產(chǎn)現(xiàn)場的大型多缸往復式壓縮機故障診斷的技術(shù)難點和重點進行研究的，研發(fā)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(fā)明內(nèi)容
本發(fā)明的目的就是克服現(xiàn)有的技術(shù)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(yè)往復壓縮機生產(chǎn)現(xiàn)場的優(yōu)點。本發(fā)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(shù)據(jù)，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(tài)監(jiān)測系統(tǒng)采集相應的故障數(shù)據(jù)；
2)構(gòu)造故障特征子空間及故障空間，對采集到的數(shù)據(jù)進行處理，提取對應的一些特征參數(shù)，利用提取的特征參數(shù)分類組合成多個故障特征子空間，根據(jù)上述一些特征參數(shù)，選取多個往復式壓縮機常見故障及正常狀態(tài)，構(gòu)成往復式壓縮機故障空間；
3)得到故障診斷網(wǎng)絡，使用故障特征子空間對已經(jīng)選好的徑向基神經(jīng)網(wǎng)絡進行訓練，并保存訓練后的故障診斷網(wǎng)絡；
4)、獲得特征級融合診斷結(jié)果，訓練好的故障診網(wǎng)絡自動地對輸入的故障數(shù)據(jù)進行初步特征級融合診斷，給出特征級融合診斷結(jié)果；
5)進行D-S證據(jù)理論決策級融合診斷，將特征級融合診斷結(jié)果作為證據(jù)體，由特征級融合診斷結(jié)果確定各個證據(jù)體的基本可信度分配，然后，制定應用D-S證據(jù)理論進行決策級融合所需要的決策規(guī)則，利用構(gòu)造好的D-S證據(jù)理論對所述特征級融合診斷結(jié)果進行決策級融合，給出決策級診斷結(jié)果。其中，傳感器采集的信號數(shù)據(jù)主要包括活塞桿沉降量數(shù)據(jù)、缸體振動數(shù)據(jù)、曲軸箱振動數(shù)據(jù)和氣閥溫度數(shù)據(jù)。所述步驟3)進一步包括:
31)根據(jù)各故障特征子空間的定義和相應的故障空間，獨立構(gòu)造相應子網(wǎng)絡的學習樣
本；
32)選取徑向基神經(jīng)網(wǎng)絡作為診斷網(wǎng)絡，并對網(wǎng)絡進行訓練，使其具有名—X的能力，其中戽力故障特征子空間，尤為往復式壓縮機故障；
33)對訓練好的網(wǎng)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(jù)特征級融合診斷結(jié)果構(gòu)造基本可信度分配函數(shù)，將徑向基神
經(jīng)網(wǎng)絡的訓練誤差A作為不確定因素m( Θ )，計算公式為:
權(quán)利要求
1.一種基于多傳感器信息融合的往復式壓縮機故障診斷方法，其特征在于包括如下步驟: 1)采集數(shù)據(jù)，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(tài)監(jiān)測系統(tǒng)采集相應的故障數(shù)據(jù)； 2)構(gòu)造故障特征子空間及故障空間，對采集到的數(shù)據(jù)進行處理，提取對應的一些特征參數(shù)，利用提取的特征參數(shù)分類組合成多個故障特征子空間，根據(jù)上述一些特征參數(shù)，選取多個往復式壓縮機常見故障及正常狀態(tài)，構(gòu)成往復式壓縮機故障空間； 3)得到故障診斷網(wǎng)絡，使用故障特征子空間對已經(jīng)選好的徑向基神經(jīng)網(wǎng)絡進行訓練，并保存訓練后的故障診斷網(wǎng)絡； 4)獲得特征級融合診斷結(jié)果，訓練好的故障診網(wǎng)絡自動地對輸入的故障數(shù)據(jù)進行初步特征級融合診斷，給出特征級融合診斷結(jié)果； 5)進行D-S證據(jù)理論決策級融合診斷，將特征級融合診斷結(jié)果作為證據(jù)體，由特征級融合診斷結(jié)果確定各個證據(jù)體的基本可信度分配，然后，制定應用D-S證據(jù)理論進行決策級融合所需要的決策規(guī)則，利用構(gòu)造好的D-S證據(jù)理論對所述特征級融合診斷結(jié)果進行決策級融合，給出決策級診斷結(jié)果。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于:傳感器采集的信號數(shù)據(jù)主要包括活塞桿沉降量數(shù)據(jù)、缸體振動數(shù)據(jù)、曲軸箱振動數(shù)據(jù)和氣閥溫度數(shù)據(jù)。
3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于:所述步驟3)進一步包括: 31)根據(jù)各故障特征子空間的定義和相應的故障空間，獨立構(gòu)造相應診斷網(wǎng)絡的學習樣本；` 32)選取徑向基神經(jīng)網(wǎng)絡作為診斷網(wǎng)絡，并對診斷網(wǎng)絡進行訓練，使其具有馮4名的能力，其中戽力故障特征子空間，Λ為往復式壓縮機故障； 33)對訓練好的網(wǎng)絡進行測試、診斷，為以后的融合決策診斷做準備。
4.根據(jù)權(quán)利要求2或3所述的方法，其特征在于:所述步驟5)中，根據(jù)特征級融合診斷結(jié)果構(gòu)造基本可信度分配函數(shù)，將徑向基神經(jīng)網(wǎng)絡的訓練誤差4作為不確定因素m( Θ )，計算公式為:
5.根據(jù)權(quán)利要求1-4任一項所述的方法，其特征在于:步驟5)中采用的決策規(guī)則包括: 規(guī)則1
6.根據(jù)權(quán)利要求1-5任一項所述的方法，其特征在于:步驟2)中構(gòu)造的故障特征子空間包括: 51:一段時間內(nèi)，活塞桿沉降趨勢變化差值、缸體振動趨勢變化差值、曲軸箱振動趨勢變化差值和氣閥溫度趨勢變化差值； 52:缸體振動加速度波形的峰值、峰峰值、絕對平均值、均方根值、方根幅值、波形指標、脈沖指標、峰值指標和裕度指標; 53:缸體振動加速度波形特征相位的峰值及峰峰值。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于:步驟2)中構(gòu)造的故障特征子空間S3的特征相位包括:氣閥開啟與關(guān)閉的沖擊相位:30° — 50°，110° -130°，290° — 310°，210° — 230° ;撞缸、液擊的特征相位:0° —10°，170° —190° ;磨損類特征相位:0° —360。。
全文摘要
本發(fā)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，其特征在于包括如下步驟1)采集數(shù)據(jù)；2)構(gòu)造故障特征子空間及故障空間；3)得到故障診斷網(wǎng)絡；4)獲得特征級融合診斷結(jié)果；5)進行D-S證據(jù)理論決策級融合診斷，給出決策級診斷結(jié)果。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(yè)往復壓縮機生產(chǎn)現(xiàn)場的優(yōu)點。
文檔編號F04B51/00GK103147972SQ20131008727
公開日2013年6月12日 申請日期2013年3月19日 優(yōu)先權(quán)日2013年3月19日
發(fā)明者江志農(nóng), 靳夢宇, 張明, 張進杰, 胡敬芬 申請人:北京化工大學