[发明专利]一种基于多源信息融合的压缩机喘振自动识别方法

说明书

本发明涉及一种基于多源信息融合的压缩机喘振故障自动识别方法，首先对压缩机振动数据进行频谱分析，提取振动数据频谱中压缩机喘振故障特征；同时，对压缩机运行参数进行分析，提取运行参数波动特征。最后判断压缩机振动数据频谱中压缩机喘振故障特征和运行参数大幅波动特征是否同时出现，当振动数据频谱中压缩机喘振故障特征和运行参数大幅波动特征同时出现时，判断此时压缩机出现了喘振。

技术领域

本申请涉及一种基于多源信息融合的压缩机喘振自动识别方法，适用于状态监测与故障诊断的技术领域。

背景技术

压缩机在工业生产中应用广泛，在电力、石油、化工等行业中均有应用，并且在生产中起着重要作用。喘振是压缩机的一种特殊故障现象。当喘振发生时，压缩机内气流会出现大幅波动。压缩机内气流强烈的脉动和周期性振荡会造成压缩机机体、叶片等部件强烈振动，使机体、叶轮应力大大增加，噪音加剧，使整个机组发生强烈振动，并可能损坏轴承、密封等部件，进而造成机组停车或严重的生产事故。因此，工业生产中对压缩机喘振进行检测以及时识别压缩机喘振故障进而采取相应处理措施尤为必要。当压缩机发生喘振故障时，其主要特征如下：压缩机进出口流量、压力、电流等运行参数会出现大幅波动、振动加剧、出现较大噪音甚至爆音。

在振动监测方面，有通过振动波动来确认压缩机喘振故障的方法。这种方法仅通过判断振动波动来识别喘振较为片面，当振动传感器故障、线缆松动或压缩机出现其他故障时也有可能导致振动波动，单纯通过振动波动检测喘振会出现误判。此外，也有通过对振动数据进行频谱分析来判断压缩机喘振的方法。通过振动数据频谱分析的方法识别压缩机喘振主要基于压缩机喘振故障特征频率为低频成分，其特征频率通常介于0.5—20Hz之间，当振动频谱中出现低频分量即视为发生了喘振。单纯基于振动频谱分析的方法识别压缩机喘振也会造成误判。例如，当压缩机出现碰磨或支撑松动等故障时，振动频谱中也会出现低于转频的低频分量，此时若单纯依据振动频谱分析就可能误判为压缩机出现了喘振。

通过对压缩机出口压力进行FFT频谱分析并识别频谱中压缩机喘振对应的低频分量也可识别压缩机喘振。此外，也可以单纯通过判断压缩机压力、流量、电流等运行参数的变化率或波动率来识别压缩机喘振故障，如：对压缩机压力或流量波动进行计数，当某段时间内压力或流量变化率数超出某一阈值时判断压缩机发生了喘振；通过对压缩机运行压力进行在线监测，观察压缩机压力曲线波动特性，当压缩机压力曲线出现周期性波动时，判断压缩机出现喘振。单纯通过运行流量、压力、电流等运行参数判断压缩机喘振对运行参数的可靠性具有较大依赖性，如流量或压力传感器损坏或传感器接线松动等原因均会导致输出的运行参数存在波动，此时会误判为喘振故障。并且，通过人为观察运行参数变化来判断压缩机喘振的方法无法做到压缩机喘振故障自动识别，依然依赖专家分析。此外，当压缩机驱动电机出现电气故障时，其电流也会出现周期性波动，此时也可能误判为喘振。

由此可见，上述压缩机喘振故障识别方法均存在一定的不足，实践中不能准确可靠地实现压缩机喘振故障的自动识别。

发明内容

本发明的目的是提供一种基于多源信息融合的压缩机喘振故障自动识别方法，实现压缩机喘振故障准确可靠地自动识别。本发明设计的方法分别对振动数据和运行参数数据进行分析，同时提取喘振发生时所对应的振动特征及运行参数特征，并综合利用所提取的振动特征和运行参数特征识别压缩机喘振故障，喘振故障识别准确率更高，实用性更强。

本申请涉及一种基于多源信息融合的压缩机喘振故障自动识别方法，包括以下步骤：

(1)对压缩机一段时间窗口内的振动数据进行频谱分析；

(2)计算频谱中低于压缩机转频的低频段内幅值的最大值和该最大值对应的频率大小；

(3)在以幅值最大值对应的频率大小为中心向左右延伸的某一频段范围内计算频谱的幅值均值；

(4)分别计算压缩机一段时间窗口内运行参数的均值和标准差；