王玉生 曹建 張毅
摘要:為了實現(xiàn)對壓縮機故障的準確診斷和實時檢測,保證天然氣壓縮機的穩(wěn)定運行,提出一種基于喘振譜分析的壓縮機故障智能檢測技術。對在故障工況下的天然氣壓縮機喘振時間序列進行樣本數(shù)據(jù)采集,對采集的樣本數(shù)據(jù)進行故障信號特征提取,采用小波變換方法進行壓縮機故障信號的時頻分解,運用喘振譜分析方法提取故障特征參量,以提取的故障特征參量為測試樣本集,通過故障分類器實現(xiàn)故障智能檢測識別。仿真結果表明,采用該方法進行壓縮機故障檢測的準確檢測概率較高,對故障點的定位識別性能較好,實現(xiàn)天然氣壓縮機故障的智能診斷。
關鍵詞:喘振;譜分析;天然氣壓縮機;故障;智能檢測
0引言
天然氣壓縮機作為西氣東輸工程的重要壓氣設備,常年工作在復雜惡劣的工況環(huán)境下,工作的時間周期較長,且天然氣壓縮機的自身結構復雜,機械零部件組成較多,導致天然氣壓縮機故障頻發(fā),需要進行天然氣壓縮機故障有效診斷和檢測,保障天然氣運輸工程的有效運轉。研究壓縮機故障智能檢測技術,提高故障定位檢測的實時性和準確性,保障壓縮機在無故障狀態(tài)下運行,從而促進天然氣西氣東輸工程的高效運轉,研究壓縮機故障診斷方法具有重要的工程實踐意義。
對壓縮機的故障診斷和檢測技術的研究是建立在故障信號的檢測和特征提取基礎上,通過提取反映故障類別屬性的特征參量,結合分類判別和模式識別方法實現(xiàn)天然氣壓縮機故障診斷,主要的故障特征提取方法有時頻特征提取方法、統(tǒng)計特征提取方法、譜特征提取方法和子空間特征提取方法等,并把提取的故障特征輸入到故障專家系統(tǒng)數(shù)據(jù)庫中,實現(xiàn)故障識別,取得了一定的故障診斷效能,例如,文獻中提出一種基于傾斜因子K均值優(yōu)化數(shù)據(jù)聚類的壓縮機故障診斷方法,對提取的壓縮機譜特征進行K均值聚類分解,實現(xiàn)故障類別判別,但該方法計算開銷較大,故障檢測的實時性不好;文獻提出一種基于相空間重構和K-L變換的壓縮機故障診斷,用相空間重構技術提取天然氣壓縮機在故障工況下的高維特征量,為了降低特征維數(shù),采用K-L特征壓縮器實現(xiàn)故障特征壓縮,降低了計算開銷,但該方法對壓縮機故障檢測的準確性不高。
針對上述問題,本文提出一種基于喘振譜分析的壓縮機故障智能檢測技術。首先對在故障工況下的天然氣壓縮機喘振時間序列進行樣本數(shù)據(jù)采集,對采集的樣本數(shù)據(jù)進行故障信號特征提取,然后采用小波變換方法進行壓縮機故障信號的時頻分解,運用喘振譜分析方法提取故障特征參量,以提取的故障特征參量為測試樣本集,通過故障分類器實現(xiàn)故障智能檢測識別。最后進行仿真測試,展示了本文方法在提高對壓縮機故障檢測性能方面的優(yōu)越性。