基于特征聚類的壓縮機聯(lián)軸器機構執(zhí)行故障智能診斷

蘇天波　李嚴　張毅

摘要：壓縮機聯(lián)軸器機構工作負荷較大，故障誘因較多，為了有效準確排除壓縮機聯(lián)軸器機構在執(zhí)行控制指令的故障，提出一種基于故障關聯(lián)特征聚類分析的壓縮機聯(lián)軸器機構執(zhí)行故障智能診斷方法。分析壓縮機故障診斷原理，構建故障診斷的總體結構模型，采用傳感器信號采集技術進行壓縮機聯(lián)軸器機構的工況數(shù)據(jù)采集，實現(xiàn)機械故障信號重構，對聯(lián)軸器機構執(zhí)行控制信號進行關聯(lián)特征提取，對提取的故障特征采用模糊c均值聚類方法進行故障特征分類處理，在專家系統(tǒng)中實現(xiàn)機械故障的準確診斷識別。仿真結果表明，采用該方法進行壓縮機聯(lián)軸器機構執(zhí)行故障診斷，對故障的準確判斷能力較好，故障檢測的準確概率較高，智能性較好，具有較好的實用價值。

關鍵詞：特征聚類；壓縮機；聯(lián)軸器機構；機械；故障診斷

0引言

壓縮機在天然氣西氣東輸工程中承載著天然氣的增壓輸送功能，使得天然氣能在管道中安全傳輸，在天然氣西氣東輸網(wǎng)絡工程中，壓縮機發(fā)揮著關鍵性作用，是整個天然氣傳輸系統(tǒng)的控制性工程部件。西氣東輸工程中的天然氣壓縮機常年處于高壓工況狀態(tài)下，容易出現(xiàn)故障，研究壓縮機智能故障診斷方法，在提高壓縮機的工作穩(wěn)定性，實現(xiàn)西氣東輸工程的安全穩(wěn)定運行方面具有重要意義。

壓縮機聯(lián)軸器機構是介于電動機和聯(lián)軸器之間的耦合部件，是壓縮機的重要執(zhí)行單元，采用大規(guī)模的集成和分立機械元件構成，機械執(zhí)行機構構件之間容易出現(xiàn)配合不當、鍵槽耦合不當以及皮帶過松等故障，從而使得壓縮機的聯(lián)軸器機構執(zhí)行控制指令出現(xiàn)錯誤。傳統(tǒng)的故障檢測方法采用人工診斷，通過調(diào)整裝配部件的位置、緊固彈性圈和換新件等方法實現(xiàn)故障排除，但存在檢測精度不高，智能性不好等問題，為了提高壓縮機聯(lián)軸器機構故障的準確診斷能力，相關文獻進行了故障診斷方法的改進研究。其中，文獻提出一種基于K-means聚類的壓縮機聯(lián)軸器機構振動特征識別和故障診斷算法，根據(jù)對壓縮機在各種工況下的振動特征進行譜特征提取和故障檢測，結合紅外成像方法實現(xiàn)機械部件的故障點分析，提高故障識別能力，但是該故障診斷方法的實時性不好，時效性不高；文獻中提出一種基于模糊減法聚類算法的壓縮機聯(lián)軸器機構故障診斷方法，提取壓縮機聯(lián)軸器機構的振動信息作為原始數(shù)據(jù)，以此數(shù)據(jù)為基礎進行信號模型構建，根據(jù)模糊神經(jīng)網(wǎng)絡控制方法實現(xiàn)故障屬性分類識別，提高故障檢測精度，但該方法在受到不同故障類別特性的干擾時故障診斷的準確性不好。

針對上述問題，本文提出一種基于故障關聯(lián)特征聚類分析的壓縮機聯(lián)軸器機構執(zhí)行故障智能診斷方法。首先分析壓縮機故障診斷原理，構建故障診斷的總體結構模型，據(jù)此研究生成了機械故障信號重構，然后對聯(lián)軸器機構執(zhí)行控制信號進行關聯(lián)特征提取，并引入故障特征分類處理，最后在專家系統(tǒng)中實現(xiàn)機械故障的準確診斷識別，進行故障診斷仿真分析，得出有效性結論，展示了本文方法在提高故障診斷準確性方面的優(yōu)越性。