[发明专利]往复式天然气压缩机故障诊断系统以及诊断方法

说明书

本发明公开了往复式天然气压缩机故障诊断系统以及诊断方法，属于故障诊断领域。包括以边缘层、平台层和软件层三层结构为基本构架的故障诊断云平台，其中：所述边缘层，通过设置在各类监测对象上的传感器，采集监测对象的运行状态和工艺信息的数据，并利用有线或无线的通讯网络将数据传输至智能网关上；所述平台层，利用云计算和大数据技术搭建故障诊断云平台，对边缘层采集的数据进行处理和多方向分析，将数据的处理结果和分析结果发送至基于神经网络的故障诊断模块，完成故障诊断；所述软件层，基于故障诊断云平台形成满足不同场景的故障诊断软件，通过用户终端设备向用户展示监测对象运行状态和故障诊断结果。

技术领域

本发明属于故障诊断领域，涉及往复式天然气压缩机故障诊断系统以及诊断方法。

背景技术

从2007年IBM和Google首次提出了云计算的概念开始，到如今随着信息化技术和工业化的深度融合，机械设备、信息化系统所产生的数据日益丰富。工业大数据具有体量大、类型多、价值密度低和处理速度快的特征，对数据进行实时有效的监测诊断，可以实现设备的预测性维护，发现生产、管理、调度流程中的决策问题。

同时，随着信号处理技术及人工智能技术的发展，越来越多的学者研究多传感器信息融合技术在故障诊断领域的应用。目前，已有学者将多传感器信息融合技术应用到电机，发动机及齿轮箱的故障诊断中并取得了一定的效果。但是，现有技术只针对监测设备的某些特定的故障进行检测判断，而无法对一个设备整体的、系统的状态进行比较和判断。

发明内容

本发明的目的在于：提供了往复式天然气压缩机故障诊断系统以及诊断方法，为往复式天然气压缩机设备提供监测、故障预警、维修决策及生产排程优化等业务功能，集设备运行状态感知、数据分析、数据决策等解决方案于一体的物联网应用平台，能够保障企业设备长周期、高效、节能、稳定的运行。解决了现有技术只针对监测设备的某些特定的故障进行检测判断，而无法对一个设备整体的、系统的状态进行比较和判断的问题。

本发明采用的技术方案如下：

往复式天然气压缩机故障诊断方法，包括上述故障诊断系统，包括以下步骤：

S1：将传感器等大数据采集工具安装在监测对象的各个关键部位，以采集监测对象不同工况运行状态下的特征参数；

S2：基于人工智能的计算网关实时处理、传输和存储上述特征参数，以及监测对象不同故障的波形和频谱分析经验，建立基于人工智能的智能预警模型和智能维修决策模型，根据实时采集的特征参数，植入到智能网关，实现监测对象故障的进场预警和处理；

S3：智能网关将关键数据实时上传至云平台，云平台通过对同一型号不同设备，以及不同型号不同设备的海量数据进行大数据分析和处理，利用时域频域等特征提取方法，建立仿真数学模型，并实时更新和优化仿真数学模型，并将优化后的模型下发到相应的智能网关，完成云端一体的智能阈值报警模型的优化和更新。

进一步地，步骤S3中所述的仿真数学模型的建立、优化方法步骤为：

S4：基于监测对象各个零部件的特性参数、监测对象的工艺信息数据、监测对象的实时运行状态数据，经滤波去除噪声后，建立监测对象的理想热力学方程、理想动力学方程和理想振动力学方程，得到监测对象的理想数学模型；

S5：监测对象运行阶段，向理想数学模型中输入由边缘层采集的数据，结合BP神经网络方法和结构动力学修改，建立监测对象的仿真热力学模型、仿真动力学模型及仿真振动力学模型，得到监测对象的仿真数学模型，并将建立的仿真数学模型保存至故障诊断云平台；

S6：通过神经网络算法迭代改变仿真数学模型中有关故障部位参数，模拟监测对象不同部位的各种故障，获得故障数据特征，并将此故障数据特征保存至故障诊断云平台；