基于時頻譜熵的往復(fù)式壓縮機(jī)故障診斷及應(yīng)用.pdf

1、往復(fù)式壓縮機(jī)結(jié)構(gòu)復(fù)雜，激勵源較多，缸體表面信號表現(xiàn)為非平穩(wěn)性和非線性，故障診斷非常困難。本文在總結(jié)前人研究成果的基礎(chǔ)上，結(jié)合工程實際需要，對往復(fù)式壓縮機(jī)故障診斷進(jìn)行了較為深入的研究。本文采用局域波時頻譜分析方法對非平穩(wěn)信號進(jìn)行特征提取。由于實際信號的復(fù)雜性，直接從時頻譜提取的狀態(tài)特征判斷設(shè)備故障較為困難，因此對特征提取做了進(jìn)一步的研究。 在時頻譜灰度圖研究的基礎(chǔ)上，引入了圖像識別技術(shù)，利用圖像識別中常用的奇異值分解(SVD)算法

2、對時頻譜灰度圖進(jìn)行“二次特征”提取，獲得了時頻譜圖像的特征向量即奇異值譜，從而降低了維數(shù)，使得設(shè)備的狀態(tài)分量更加清晰、明顯，更加有利于設(shè)備的狀態(tài)識別。 為了給出往復(fù)式壓縮機(jī)運(yùn)行狀態(tài)的定量描述，在狀態(tài)特征提取的基礎(chǔ)上，作者結(jié)合信息論中熵的定理，提出了一種基于局域波時頻譜熵的往復(fù)式壓縮機(jī)故障診斷新方法，促進(jìn)了往復(fù)式壓縮機(jī)的智能故障診斷和預(yù)知維修的發(fā)展，并為狀態(tài)監(jiān)測系統(tǒng)的開發(fā)打下了基礎(chǔ)。 本文結(jié)合北京燕山石化實際項目，對C-1

3、150往復(fù)式壓縮機(jī)實施了狀態(tài)監(jiān)測。把時頻譜熵等理論的研究成果運(yùn)用于實踐，成功的預(yù)知診斷了C-1150往復(fù)式壓縮機(jī)填料泄漏故障，用實踐驗證了局域波時頻譜熵理論的準(zhǔn)確性和可行性，同時給工廠帶來了較大的經(jīng)濟(jì)效益。 為了能更加準(zhǔn)確和實時的監(jiān)測往復(fù)式壓縮機(jī)，以C-1150往復(fù)式壓縮機(jī)為背景，結(jié)合時頻譜熵等理論的研究，開發(fā)了基于虛擬儀器的往復(fù)式壓縮機(jī)狀態(tài)監(jiān)測系統(tǒng)，完成了采集卡虛擬儀器驅(qū)動、數(shù)據(jù)采集、數(shù)據(jù)網(wǎng)絡(luò)傳輸、實時數(shù)據(jù)分析模塊、數(shù)據(jù)入庫等