[发明专利]一种往复式压缩机故障诊断方法及系统

说明书

本发明公开了一种往复式压缩机故障诊断方法及系统，包括如下过程：对采集到的压缩机气缸内动态压力数据按照压缩机的每个工作过程进行分段预处理，得到每个工作过程的p‑V图；对每个工作过程的p‑V图进行特征提取，得到每个工作过程的特征；将每个工作过程的特征排列为综合特征向量；将综合特征向量输入已预训练好的神经网络进行处理，得到神经网络的输出；根据预设的神经网络的输出和压缩机状态之间的映射关系，得到压缩机状态类型。本发明利用压缩机的每个工作过程的p‑V图进行图像特征提取，能够根据提取的特征实现对往复式压缩机的故障诊断，本发明能够利用算法自动实现，可以大大降低在往复式压缩机故障诊断上的人力投入。

技术领域

本发明属于压缩机技术领域，具体涉及一种往复式压缩机故障诊断方法及系统。

背景技术

石油化工行业是我国的重要产业，而往复式压缩机是其工艺流程中不可或缺的核心装置，压缩机能否正常运行直接关系到企业的经济效益。有些工艺压缩机的压缩机介质为氢气、乙烯、天然气等易燃易爆的气体，且工作在高压条件下，一旦发生故障可能会造成严重的人员伤亡事故。因此，研究往复式压缩机的故障诊断技术，尽早发现故障异常，并采取相应的防治措施具有重要意义。

然而，往复式压缩机的结构复杂，易损件多，且结构之间的相对运动较多，结构件受力复杂，因此，往复式压缩机的故障具有多样性，且故障之间的关联性强和复杂度高的特点。这就给人工的诊断过程增加了难度，使得诊断过程在时间上不够及时，并且诊断结果的准确性很大程度上依赖于诊断专家的经验学识。若诊断信号成分复杂，加之诊断专家的经验不足，可能还会出现误判的情况。因此减少诊断过程中人工的参与，提高诊断精度是往复压缩机故障诊断的迫切需求。

发明内容

为了克服上述现有技术存在的问题，本发明的目的在于提出一种往复式压缩机故障诊断方法及系统，本发明能够实现往复式压缩机故障的智能诊断。

为了实现上述目的，本发明采用的解决方案是：

一种往复式压缩机故障诊断方法，包括如下过程：

对采集到的压缩机气缸内动态压力数据按照压缩机的每个工作过程进行分段预处理，得到每个工作过程的p-V图；

对每个工作过程的p-V图进行特征提取，得到每个工作过程的特征；

将每个工作过程的特征排列为综合特征向量；

将综合特征向量输入已预训练好的神经网络进行处理，得到神经网络的输出；

根据预设的神经网络的输出和压缩机状态之间的映射关系，得到压缩机状态类型。

优选的，压缩机的工作过程包括膨胀过程、进气过程、压缩过程和排气过程。

优选的，对膨胀过程的p-V图进行特征提取的过程包括：

使用击中或击不中变换方法，统计膨胀过程的p-V图中不同特征像素结构元素的数目，利用不同特征像素结构元素的数目以及三角合成原理，得到代表膨胀过程线斜率的综合角度，将所述代表膨胀过程线斜率的综合角度作为膨胀过程的特征。

优选的，对压缩过程的p-V图进行特征提取的过程包括：

使用击中或击不中变换方法，统计压缩过程的p-V图中不同特征像素结构元素的数目，利用不同特征像素结构元素的数目以及三角合成原理，得到代表压缩过程线斜率的综合角度，将所述代表压缩过程线斜率的综合角度作为压缩过程的特征。

优选的，p-V图中不同特征像素结构元素包括三类，其中：

第一类特征像素结构元素包含两个相邻的像素，这两个相邻的像素的其中一条对角线共线，且共线的对角线倾斜方向为向p-V图中的p轴方向倾斜；