王玉生　曹建　張毅

摘要：為了實(shí)現(xiàn)對(duì)壓縮機(jī)故障的準(zhǔn)確診斷和實(shí)時(shí)檢測(cè)，保證天然氣壓縮機(jī)的穩(wěn)定運(yùn)行，提出一種基于喘振譜分析的壓縮機(jī)故障智能檢測(cè)技術(shù)。對(duì)在故障工況下的天然氣壓縮機(jī)喘振時(shí)間序列進(jìn)行樣本數(shù)據(jù)采集，對(duì)采集的樣本數(shù)據(jù)進(jìn)行故障信號(hào)特征提取，采用小波變換方法進(jìn)行壓縮機(jī)故障信號(hào)的時(shí)頻分解，運(yùn)用喘振譜分析方法提取故障特征參量，以提取的故障特征參量為測(cè)試樣本集，通過(guò)故障分類(lèi)器實(shí)現(xiàn)故障智能檢測(cè)識(shí)別。仿真結(jié)果表明，采用該方法進(jìn)行壓縮機(jī)故障檢測(cè)的準(zhǔn)確檢測(cè)概率較高，對(duì)故障點(diǎn)的定位識(shí)別性能較好，實(shí)現(xiàn)天然氣壓縮機(jī)故障的智能診斷。

關(guān)鍵詞：喘振；譜分析；天然氣壓縮機(jī)；故障；智能檢測(cè)

0引言

天然氣壓縮機(jī)作為西氣東輸工程的重要壓氣設(shè)備，常年工作在復(fù)雜惡劣的工況環(huán)境下，工作的時(shí)間周期較長(zhǎng)，且天然氣壓縮機(jī)的自身結(jié)構(gòu)復(fù)雜，機(jī)械零部件組成較多，導(dǎo)致天然氣壓縮機(jī)故障頻發(fā)，需要進(jìn)行天然氣壓縮機(jī)故障有效診斷和檢測(cè)，保障天然氣運(yùn)輸工程的有效運(yùn)轉(zhuǎn)。研究壓縮機(jī)故障智能檢測(cè)技術(shù)，提高故障定位檢測(cè)的實(shí)時(shí)性和準(zhǔn)確性，保障壓縮機(jī)在無(wú)故障狀態(tài)下運(yùn)行，從而促進(jìn)天然氣西氣東輸工程的高效運(yùn)轉(zhuǎn)，研究壓縮機(jī)故障診斷方法具有重要的工程實(shí)踐意義。

對(duì)壓縮機(jī)的故障診斷和檢測(cè)技術(shù)的研究是建立在故障信號(hào)的檢測(cè)和特征提取基礎(chǔ)上，通過(guò)提取反映故障類(lèi)別屬性的特征參量，結(jié)合分類(lèi)判別和模式識(shí)別方法實(shí)現(xiàn)天然氣壓縮機(jī)故障診斷，主要的故障特征提取方法有時(shí)頻特征提取方法、統(tǒng)計(jì)特征提取方法、譜特征提取方法和子空間特征提取方法等，并把提取的故障特征輸入到故障專(zhuān)家系統(tǒng)數(shù)據(jù)庫(kù)中，實(shí)現(xiàn)故障識(shí)別，取得了一定的故障診斷效能，例如，文獻(xiàn)中提出一種基于傾斜因子K均值優(yōu)化數(shù)據(jù)聚類(lèi)的壓縮機(jī)故障診斷方法，對(duì)提取的壓縮機(jī)譜特征進(jìn)行K均值聚類(lèi)分解，實(shí)現(xiàn)故障類(lèi)別判別，但該方法計(jì)算開(kāi)銷(xiāo)較大，故障檢測(cè)的實(shí)時(shí)性不好；文獻(xiàn)提出一種基于相空間重構(gòu)和K-L變換的壓縮機(jī)故障診斷，用相空間重構(gòu)技術(shù)提取天然氣壓縮機(jī)在故障工況下的高維特征量，為了降低特征維數(shù)，采用K-L特征壓縮器實(shí)現(xiàn)故障特征壓縮，降低了計(jì)算開(kāi)銷(xiāo)，但該方法對(duì)壓縮機(jī)故障檢測(cè)的準(zhǔn)確性不高。

針對(duì)上述問(wèn)題，本文提出一種基于喘振譜分析的壓縮機(jī)故障智能檢測(cè)技術(shù)。首先對(duì)在故障工況下的天然氣壓縮機(jī)喘振時(shí)間序列進(jìn)行樣本數(shù)據(jù)采集，對(duì)采集的樣本數(shù)據(jù)進(jìn)行故障信號(hào)特征提取，然后采用小波變換方法進(jìn)行壓縮機(jī)故障信號(hào)的時(shí)頻分解，運(yùn)用喘振譜分析方法提取故障特征參量，以提取的故障特征參量為測(cè)試樣本集，通過(guò)故障分類(lèi)器實(shí)現(xiàn)故障智能檢測(cè)識(shí)別。最后進(jìn)行仿真測(cè)試，展示了本文方法在提高對(duì)壓縮機(jī)故障檢測(cè)性能方面的優(yōu)越性。