[发明专利]一种基于物联网的往复压缩机敏感特征提取与故障诊断方法有效
| 申请号: | 201510015384.9 | 申请日: | 2015-01-12 |
| 公开(公告)号: | CN104712542B | 公开(公告)日: | 2017-06-09 |
| 发明(设计)人: | 赵大力;高晖;邓化科 | 申请(专利权)人: | 北京博华信智科技股份有限公司 |
| 主分类号: | F04B51/00 | 分类号: | F04B51/00 |
| 代理公司: | 北京思海天达知识产权代理有限公司11203 | 代理人: | 刘萍 |
| 地址: | 100029 北京市*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 联网 往复 压缩机 敏感 特征 提取 故障诊断 方法 | ||
技术领域
本发明涉及针对往复压缩机故障诊断技术,是一种基于物联网的往复压缩机敏感特征提取与故障诊断方法。
背景技术
炼油、化工、采油、采气及输气管道企业生产属于典型的流程工业,往复压缩机是一种在流程工业生产中广泛应用的大型、关键设备。由于往复压缩机压力高、压缩介质危险、故障零部件多,每年国内发生的往复压缩机事故数十起,包括爆炸、着火、活塞杆断裂、撞缸等,直接经济损失过亿元,间接经济损失不可估量。
目前,国内往复压缩机虽已逐渐安装了在线监测系统,但现有在线监测系统的机组故障分析诊断工作更多依赖人工进行,对诊断人员的知识和经验要求很高,实际的往复压缩机故障诊断准确率一般低于30%。同时国内外对往复压缩机故障诊断的研究大都针对气阀及管道部件,尚没有研究人员对往复压缩机关键运动部件的故障诊断进行研究,往复压缩机故障理论研究方面还比较缺乏,机组典型故障机理也有待进一步研究,往复压缩机实际预警与诊断没有有效关联,致使现有故障诊断方法的指向性、准确性较差。
因此,以往复压缩机典型故障机理深入研究为依托,研究“故障-特征”的内在对应关系,探索往复压缩机智能预警与诊断新方法,并通过往复压缩机典型故障模拟实验研究验证方法的准确性和实用性,从而提高实际故障诊断的准确性、自动化和智能化水平显得尤为重要。本发明提出了一种基于故障敏感特征参数的往复压缩机故障报警与诊断技术。
目前国内外的往复压缩机故障诊断技术研究偏向于信号处理技术与机组运行状态,研究对象是往复压缩机关键部件,包括活塞、活塞杆、气阀、连杆、曲轴在内的故障机理,尚未有人系统提出往复压缩机故障及其故障敏感特征参数的对应关系,更没有利用故障敏感特征参数进行故障早期预警与诊断的研究。
国内,中南大学王宇进行了往复式压缩机故障诊断及关键部件的失效行为分析,对压缩机的核心部件-曲轴、活塞、活塞杆进行失效行为分析,通过静力分析和模态分析,分析出故障的情况和固有频率和振型;中国石油大学张来斌等对基于混沌理论的往复式压缩机故障诊断方法进行了研究,通过计算信号的关联维数、Kolmogorov熵及最大Lyapunov指数,利用混沌理论进行往复式压缩机故障诊断。蒋旭鑫等提出了一种基于声发射和关联维数的空气压缩机故障诊断方法,采用声发射和关联维数技术进行往复式压缩机故障诊断;中国石油大学张来斌等提出了一种往复压缩机的故障检测方法及装置,提取往复压缩机振动信号以及包括气缸进气温度、排气温度、进气压力及排气压力在内的热力参数特征,输入到神经网络与DS证据理论中进行分类故障;江苏工业学院张琳等对往复压缩机在线远程状态监测与故障分析诊断系统进行了研究,通过提取热力性故障特征和动力性故障特征,辅以温度和位移信号对往复式压缩机进行故障诊断,对于热力性故障采用示功法进行分析诊断,对动力性故障采用小波算法和神经网络综合进行判断,
国外方面,已有两级往复式压缩机的数值模拟研究,M.Elhaj等通过研究气阀动态特性与气缸动态压力变化进行压缩机故障诊断,Markus Timusk等提出了一种特殊机械的基于振动的故障在线检测方法,Ahmed,M等将主元分析(PCA)用于选择振动特征和检测不同的往复式压缩机故障,还有基于抗体选择学说和免疫记忆理论的故障检测算法,以及基于非线性动力系统理论和小波变换理论进行往复压缩机气阀故障诊断研究方面的报导。
综合国内外往复压缩机故障监测诊断方面的研究成果,未见有本发明中提出的通过提取往复压缩机故障敏感特征参数进行故障诊断的研究工作。
发明内容
一种基于物联网的往复压缩机敏感特征提取与故障诊断方法,该方法对往复压缩机常见故障进行特征提取,获得故障敏感特征参数,并根据不同故障的不同敏感特征来进行故障报警与诊断,其特征在于包括以下步骤:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京博华信智科技股份有限公司,未经北京博华信智科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510015384.9/2.html,转载请声明来源钻瓜专利网。





