一种往复式压缩机故障诊断方法及系统技术方案

本发明专利技术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

【技术实现步骤摘要】
一种往复式压缩机故障诊断方法及系统


[0001]本专利技术属于压缩机
，具体涉及一种往复式压缩机故障诊断方法及系统。

技术介绍

[0002]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。
[0003]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。

技术实现思路

[0004]为了克服上述现有技术存在的问题，本专利技术的目的在于提出一种往复式压缩机故障诊断方法及系统，本专利技术能够实现往复式压缩机故障的智能诊断。
[0005]为了实现上述目的，本专利技术采用的解决方案是：
[0006]一种往复式压缩机故障诊断方法，包括如下过程：
[0007]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；
[0008]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；
[0009]将每个工作过程的特征排列为综合特征向量；
[0010]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；
[0011]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。
[0012]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。
[0013]优选的，对膨胀过程的p
‑
V图进行特征提取的过程包括：
[0014]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。
[0015]优选的，对压缩过程的p
‑
V图进行特征提取的过程包括：
[0016]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。
[0017]优选的，p
‑
V图中不同特征像素结构元素包括三类，其中：
[0018]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；
[0019]第二类特征像素结构元素包含两个相邻的像素，这两个相邻的像素具有一条共同的边，这两个相邻的像素为平行于p
‑
V图中p轴方向上的两个像素；
[0020]第三类特征像素结构元素包含两个相邻的像素，这两个相邻的像素具有一条共同的边，这两个相邻的像素为平行于p
‑
V图中V轴方向上的两个像素。
[0021]优选的，对进气过程的p
‑
V图进行特征提取的过程包括：
[0022]将进气过程的p
‑
V图在垂直于p
‑
V图中V坐标轴方向进行投影，将投影后的结果在V坐标轴方向像素长度上等分为若干份，分别统计每份中像素点的数量，将每份中像素点的数量依次排列得到垂直投影特征向量，该垂直投影特征向量作为进气过程的特征。
[0023]优选的，对排气过程的p
‑
V图进行特征提取的过程包括：
[0024]将排气过程的p
‑
V图在垂直于p
‑
V图中V坐标轴方向进行投影，将投影后的结果在V坐标轴方向像素长度上等分为若干份，分别统计每份中像素点的数量，将每份中像素点的数量依次排列得到垂直投影特征向量，该垂直投影特征向量作为排气过程的特征。
[0025]优选的，将每个工作过程的特征排列为综合特征向量时，将膨胀过程的特征、进气过程的特征、压缩过程的特征和排气过程的特征按顺序排列。
[0026]优选的，压缩机状态类型包括：正常、进气阀弹簧失效、进气阀裂纹、进气阀断裂、排气阀弹簧失效、排气阀裂纹、排气阀断裂和活塞环磨损。
[0027]本专利技术还提供了一种往复式压缩机故障诊断系统，包括：
[0028]预处理模块：用于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；
[0029]特征提取模块：用于对每个工作过程的p
‑
V图进行特征提取，得到每个工作过程的特征；
[0030]特征处理模块：用于将每个工作过程的特征排列为综合特征向量；
[0031]计算模块：用于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；
[0032]判断模块：用于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。
[0033]本专利技术具有如下有益效果：
[0034]若压缩机状态出现变化时，压缩机气缸的工作容积和压力会有反应，因此本专利技术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，本专利技术的往复式压缩机故障诊断方法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。此外，在获取p
‑
V图时，仅利用现有检测得到的键相信号信息即可，无需额外的采集手段，进一步的又节约了成本。
附图说明
[0035]图1是本专利技术往复式压缩机故障诊断方法的流程示意图。
[0036]图2(a)是本专利技术实施例中对动态原始数据分段处理得到的膨胀过程的p
‑
V图。
[0037]图2(b)是本专利技术实施例中对动态原始数据分段处理得到的压缩过程的p
‑
V图。
[0038]图2(c)是本专利技术实施例中对动态原始数据分段处理得到的进气过程的p
‑
V图。
[0039]图2(d)是本专利技术实施例中对动态原始数据分段处理得到的排气过程的p
‑
V图。
[0040]图3(a)是本专利技术实施例中击中或击不中变换所统计的第一类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种往复式压缩机故障诊断方法，其特征在于，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。2.根据权利要求1所述的一种往复式压缩机故障诊断方法，其特征在于，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。3.根据权利要求2所述的一种往复式压缩机故障诊断方法，其特征在于，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。4.根据权利要求2所述的一种往复式压缩机故障诊断方法，其特征在于，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。5.根据权利要求3或4所述的一种往复式压缩机故障诊断方法，其特征在于，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；第二类特征像素结构元素包含两个相邻的像素，这两个相邻的像素具有一条共同的边，这两个相邻的像素为平行于p
‑
V图中p轴方向上的两个像素；第三类特征像素结构元素包含两个相邻的像素，这两个相邻的像素具有...

【专利技术属性】
技术研发人员：余小玲，吕倩，马海辉，叶君超，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：