[发明专利]基于时变奇异谱的往复压缩机气阀故障诊断方法

说明书

本发明涉及的是基于时变奇异谱的往复压缩机气阀故障诊断方法，它具体为：采集气阀振动加速度信号和压力信号，对初始振动加速度信号进行小波降噪及分解剔除伪分量；选择合适的时间延迟来构建窗函数，将时间信息引入到振动信号的多重分形分析中，从而得到时变奇异谱；绘制的各工作过程的时变奇异谱图能更精细的刻画振动信号整体及细节信息，据此捕捉针对某故障类型影响差异较大的参数，便于构建故障特征向量，建立SVM分类器，并优化设置参数，最终成功实现气阀故障诊断。本发明解决了往复压缩机气阀故障诊断的难题。

技术领域：

本发明涉及的是往复机械故障诊断技术领域，具体涉及的是基于时变奇异谱的往复压缩机气阀故障诊断方法。

背景技术：

在石油化工领域，往复压缩机经常被用作气体升压和传输介质的动力源，广泛应用于油气炼化和石油天然气长输管线的运行中。但由于往复压缩机构造复杂，零部件受交变作用力，且常用来运送天然气、氢气等不稳定气体，工作环境恶劣，而且，其局部零部件的缺陷或故障，可能会激发出与机械系统某部分固有频率相同的故障频率，从而加剧整个机械系统的振动程度，影响设备的正常运行。因此，及时地发现隐藏的安全问题，检测并诊断出故障位置，对于压缩机的安全运行具有重要意义。气阀是往复式压缩机中最为关键的组件之一，对压缩机运行的可靠性与经济性有着决定性影响。

往复压缩机振动信号的非平稳、非线性特性导致其在通频带范围内均有大量能量分布，故时频分析可以弥补分辨率不足的问题。主要的时频分析方法有Wigner时频分布、经验模态分解、小波变换和局部均值分解等。但以上方法只是对振动信号做整体分析，所得结果仍不能刻画振动信号的细节特征。

往复压缩机系统振动信号的时变特性复杂多变，且采样精度和条件有限，在计算实际分形过程的时变奇异性指数时，如果直接利用瞬时自相关函数来计算，计算量巨大且不易准确估计。

发明内容：

本发明的一个目的是提供基于时变奇异谱的往复压缩机气阀故障诊断方法，这种基于时变奇异谱的往复压缩机气阀故障诊断方法用于解决往复压缩机气阀故障诊断的难题。

本发明解决其技术问题所采用的技术方案是：这种基于时变奇异谱的往复压缩机气阀故障诊断方法包括以下步骤：

步骤一：采集往复压缩机气阀的振动加速度信号及压力信号；

步骤二：对初始振动加速度信号进行小波降噪；

步骤三：用局部均值分解剔除伪分量，进行信号重构；

步骤四：对重构信号进行时变奇异谱分析，计算各工作过程的谱参数，用以描述振动加速度信号的整体及细节信息；

根据压力随时间变化的曲线来确定吸气起始点和排气起始点，将活塞运动到内止点时的数据点作为压缩起始点进行记录和整理；为便于识别和分析，将这四个过程分别标记为A——膨胀、B——吸气、C——压缩和D——排气，将键相信号点定义为初始时刻t，选择一个工作过程作为时间延迟，为突出各阶段振动加速度的特征，截取T1：A-B-C-D-A、T2：B-C-D-A-B、T3：C-D-A-B-C和T4：D-A-B-C-D阶段间的振动加速度数据，具体时变奇异谱分析的算法为：

4.1)根据分形过程时间序列的特点，选择合适的时间延迟；经Matlab计算得出，往复压缩机正常运行及故障状态振动时间序列的相空间重构最优时间延迟、最佳嵌入维数和关联维数，关联维数从整体角度概括描述振动信号的混沌特征；

4.2)利用标准盒计数法，假设覆盖盒子的长度为ε，T_i(t)是t时刻N等分时间序列的第i份序列，每个盒子覆盖的概率为：

4.3)定义配分函数χ_q(t,ε)为P(t,ε)的q次方加权求和：