一种多源数据融合的离心式压缩机健康状态评估方法技术

本发明专利技术公开了一种多源数据融合的离心式压缩机健康状态评估方法，属于离心式压缩机故障诊断技术领域，以实测压缩机工艺量数据流为切入点，通过构建压缩机的工艺量数据流与生产流程、设备部件之间的关联矩阵，以及工艺流数据归类，建立基于数据流分类融合的健康状态综合评估算法和判定方法。本发明专利技术采用上述的一种多源数据融合的离心式压缩机健康状态评估方法，有助于突破如何从大量数据中发现压缩机等大型装备安全风险的技术难题，对装备健康状态监测和视情运维有重要价值。监测和视情运维有重要价值。监测和视情运维有重要价值。

【技术实现步骤摘要】
一种多源数据融合的离心式压缩机健康状态评估方法


[0001]本专利技术涉及离心式压缩机故障诊断
，尤其是涉及一种多源数据融合的离心式压缩机健康状态评估方法。

技术介绍

[0002]在石油化工等工业生产领域，压缩机是必不可少的核心装备。以乙烯生产为例，由乙烯压缩机、裂解气压缩机、丙烯压缩机构成的大机组（简称乙烯三机），被称为乙烯工业的“心脏”。“乙烯三机”作为乙烯装置的核心设备，需要多学科耦合，机组设计难度大，其安全及可靠程度直接影响着整个乙烯装置的项目质量和运行水平。
[0003]为了确保石化生产过程的“安稳长满优”，必须随时了解每一台压缩机的健康状况及其可能存在的故障隐患，做到防患于未然。但是，由于离心式压缩机是大型动设备，在其叶轮飞速运转实现物料压缩加工的过程中，无论是叶轮磨损、叶片裂纹，或是转子与轴承异音、压缩机和管路引起共振，以及转子不对中等，都难以在线测定或感知。即使有微小异常征兆出现，也极易被淹没在监测噪声与扰动中，这就给压缩机健康状态监测与评估带来了困难。
[0004]更为复杂的是压缩机诸多监测数据与压缩机部件故障之间，及其与压缩机健康与否之间不是一一对应关系，难以通过单一数据实现对压缩机健康状态的整体感知。以我国石化企业广泛采用的某型号压缩机为例，其运行过程工艺量监测点多达187个，采样数据包括：不同部件温度（例如变频柜温度、变压器温度、电机不同部位温度、供水温度、回水温度、供油温度、回油温度；压缩机出口温度、入口温度、止推轴承温度等）数据50多路；不同部件电压/电流（例如电机电压/电流、三相电压/电流等）数据24路；压缩机内不同测点供水、供气、回水、排气等的压力、流速、流量、液位等数据46路；不同部件及关键部位转速、效率、阀位、机轴位移、过滤器压差等数据20多路，以其其他工艺量数据30多路。每一路数据都或多或少地关联或反映着压缩机整体或其某个（或多个）局部的健康。充分利用上述不同源数据，实现对压缩机健康状态的综合评估，已成为压缩机安全监控、风险防控和视情运维亟待解决的难题。

技术实现思路

[0005]本专利技术的目的是提供一种多源数据融合的离心式压缩机健康状态评估方法，有助于突破如何从大量数据中发现压缩机等大型装备安全风险的技术难题，对装备健康状态监测和视情运维有重要价值。
[0006]为实现上述目的，本专利技术提供了一种多源数据融合的离心式压缩机健康状态评估方法，包括以下步骤：S1、以工艺流程为主线，建立数据流按关联流程段风险划分模型；S2、以离心式压缩机部件为主线，建立数据流按关联设备部件风险划分模型；S3、利用按关联流程段风险划分模型和按关联设备部件风险划分模型，将工艺量
数据流集合划分成为9个子集合；如图3所示；S4、在石化生产过程中压缩机关系到压缩机安全运行的工艺量都有其安全变化范围，压缩机工艺量的门限值为上限值和下限值，在建立压缩机运行状态安全指数之前对压缩机工艺量进行非线性变换
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)；S5、压缩机工艺量临界及超限指数设计，构造带域的示性函数，按式（2）计算压缩机工艺量的临界及超限指数；
ꢀꢀ
（2）S6、压缩机工艺量临界及超限综合指数计算方法是以压缩机工艺量数据分层结构为基础，构建三层结构模型；采用层次分析法，构建基于工艺量临界及超限情况的随时间变化的压缩机故障风险评估指数向量和压缩机故障风险综合评估总指数；S7、综合步骤S6计算的压缩机故障风险评估指数向量和压缩机故障风险综合评估总指数，进行压缩机故障风险的动态诊断。
[0007]优选的，步骤S1中，以工艺流程为主线，建立数据流按关联流程段风险划分模型，包括以下步骤：S11、对工艺监测数据按物理量进行归类，形成p个工艺量数据流集合；S12、利用压缩机的物理机理和化工生产的流程特征，将压缩机工作过程划分为高风险段、中风险段和低风险段3个类别的工艺流程段；S13、利用工艺量数据流来源不同，将每个工艺量数据流集合划分为若干个子集，每个子集来源于一个特定的工艺流程段；如图1所示；对于工艺量数据流与工艺流程段之间的关联关系，采用元素为1/0表示的第一关联矩阵，为数据流总数；若矩阵元素取值为1，则第个数据流来自第类工艺段；若取值0，则第个数据流与第类工艺流程段无关。
[0008]优选的，利用第一关联矩阵，将工艺量数据流按关联工艺段的风险程度划分为三个数据流子集：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)式中，表示第个数据流集合中关联第类工艺段的数据流子集合；是集合运算符，表示不相交集合的并集。
[0009]优选的，步骤S2中，以离心式压缩机部件为主线，建立数据流按关联设备部件风险划分模型，包括以下步骤：S21、将压缩机所有部件构成的集合，按重要程度分为安全攸关部件子集、中风险部件子集和弱风险部件子集，记3个子集合为；利用工艺量数据流来源不同，将每个工艺量数据流集合划分为若干个子集合，每个子集合来源于部件集合对应的子集合；如图2所示；S22、对于工艺量数据流与设备部件间的关联关系，采用元素为1/0表示的第二关联矩阵；若矩阵元素取值为1，则第个数据流来自第类设备部件；若取值0，则第个数据流与第类设备部件无关；利用第二关联矩阵，将工艺量数据流按关联设备部件的风险程度划分为三个数据流子集
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)式中，表示第个数据流集合中关联第类设备部件的数据流子集合。
[0010]优选的，步骤S6中，采用层次分析法，构建基于工艺量临界及超限情况的随时间变化的压缩机故障风险评估指数向量：(5)和压缩机故障风险综合评估总指数：(6)式中，表示数据流集合中数据流个数，为相对权重，满足如下关系：
ꢀꢀ
（7）a）.如果纵坐标长时间趋势性地趋近于1，则可以判断压缩机整体处于不健
康甚至高风险状态；如果存在的分量纵坐标趋势性地长时间接近于1，则可以判定该分量对应的数据流集合变化异常，其所对应的流程段设备部件存在故障隐患甚至诱发事故风险；b).如果纵坐标保持在0附近，则判断压缩机整体处于健康状态；如果存在的分量纵坐标保持在0附近，则判定该分量对应的数据流集合正常，其所对应流程段设备部件未见故障隐患；c).如果分量或的散点图仅在若干孤立的时间点上接近于1，其余时刻的量值均在0附近，则可以判断接近于1的原因是数据野值而不是故障；d). 如果纵坐标有逐步接近1趋势但与1之间缝隙大于安全带宽，则判断压缩机整体处于亚健康状态；如果存在的分量纵坐标逐步接近1但与1之间缝隙大于安全带宽，则判定该分量对应的数据流集合有异变趋势，其所对应流程段设备部件有发生渐变故障的风险。
[0011]因此，本专利技术采用上述一种多源数据融合的离心式压缩机健康状态评估方法，有助于突破如何从大量数据中发现压缩机等大型装备安全风险的技术难题，对装备健康状态监测和视情运维有重要价值。
[0012]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0013]图1为工艺量数据与流程段关联关系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多源数据融合的离心式压缩机健康状态评估方法，其特征在于：包括以下步骤：S1、以工艺流程为主线，建立数据流按关联流程段风险划分模型；S2、以离心式压缩机部件为主线，建立数据流按关联设备部件风险划分模型；S3、利用按关联流程段风险划分模型和按关联设备部件风险划分模型，将工艺量数据流集合 划分成为9个子集合；S4、在石化生产过程中压缩机关系到压缩机安全运行的工艺量都有其安全变化范围，压缩机工艺量的门限值为上限值和下限值，在建立压缩机运行状态安全指数之前对压缩机工艺量进行非线性变换(1)；S5、压缩机工艺量临界及超限指数设计，构造带域的示性函数，按式（2）计算压缩机工艺量的临界及超限指数；
ꢀꢀꢀ
（2）S6、压缩机工艺量临界及超限综合指数计算方法是以压缩机工艺量数据分层结构为基础，构建三层结构模型；采用层次分析法，构建基于工艺量临界及超限情况的随时间变化的压缩机故障风险评估指数向量和压缩机故障风险综合评估总指数；S7、综合步骤S6计算的压缩机故障风险评估指数向量和压缩机故障风险综合评估总指数，进行压缩机故障风险的动态诊断。2.根据权利要求1所述的一种多源数据融合的离心式压缩机健康状态评估方法，其特征在于，步骤S1中，以工艺流程为主线，建立数据流按关联流程段风险划分模型，包括以下步骤：S11、对工艺监测数据按物理量进行归类，形成p个工艺量数据流集合；S12、利用压缩机的物理机理和化工生产的流程特征，将压缩机工作过程划分为高风险段、中风险段和低风险段3个类别的工艺流程段；S13、利用工艺量数据流来源不同，将每个工艺量数据流集合划分为若干个子集，每个子集来源于一个特定的工艺流程段；对于工艺量数据流与工艺流程段之间的关联关系，采用元素为1/0表示的第一关联矩阵，为数据流总数；若矩阵元素取值...

【专利技术属性】
技术研发人员：胡绍林，张清华，孙国玺，文成林，刘美，柯烨，王世华，
申请(专利权)人：茂名绿色化工研究院，
类型：发明
国别省市：