变工况下基于加权理论的气阀泄漏诊断方法研究

往复式压缩机是石油化工等行业中不可或缺的关键设备,而压缩机结构复杂、故障率高,其中气阀故障是其主要的故障形式之一。同时,负荷调节工况与气阀故障工况的相互耦合使得示功图变化规律更加复杂,增加了故障诊断的难度。为此,探究了变负荷及气阀故障工况下示功图几何特征的变化规律,提出一种针对变负荷与气阀故障耦合工况下的气阀故障诊断方法。该方法利用反向传播（BP）神经网络进行特征分类,首先分别依据示功图几何特征（包括面积、形心和形心主惯性矩等）以及灰度矩阵统计特征得到压缩机的负荷,再进一步结合故障特征判断气阀的故障类型。为提高诊断结果的准确度,将加权证据融合理论应用于故障分类过程,最终获得精准的气阀故障评估结果。基于实验台数据,对不同泄漏率的气阀故障进行实验验证,负荷预测的准确率为97.5%,气阀泄漏故障识别的准确率为96.1%。     

一维卷积神经网络在往复式压缩机气阀故障诊断中的应用

针对往复式压缩机气阀故障诊断问题，对气阀盖上的振动信号进行分析，提出了一种基于一维卷积神经网络(1D-CNN)的故障诊断模型。首先，将原始一维振动信号经傅里叶变换从时域转换为频域；然后，将频域信号作为1D-CNN的输入，利用卷积层实现自适应提取特征；最后，网络输出层利用Softmax函数实现多种故障的模式识别。在往复式压缩机故障模拟实验台上进行了气阀正常、阀片裂纹、阀片断裂、弹簧失效4种工作状况下气阀盖振动信号的测量并对提出的模型进行验证。结果表明，气阀盖上的振动信号能够明显反映气阀的工作状态，而且信号易提取、十分适合用于气阀的故障诊断；将振动信号从时域转换成频域作为1D-CNN的输入明显地提高了故障分类的准确率；与采用原始一维振动信号作为1D-CNN输入的模型相比，采用频域信号作为输入的故障诊断模型具有更优越的表现，准确率更高，可达100%,而且模型结构简单，能够实现端到端的快速故障诊断。     

包络解调法在气阀弹簧失效故障诊断中的应用

考虑到往复式压缩机振动具有振源丰富、信息干扰大的特点,利用包络解调法分离出系统固有频率成分的振动信号。该包络信号每一峰值对应阀片的每一个冲击。对气阀半个周期内(包含气阀开启到关闭一次的过程)的时域信号进行包络解调处理,提取气阀开启、关闭、颤震等几处故障的时频特征信息来诊断弹簧失效故障,同时给出了弹簧失效系数的计算公式。以塔里木油田16SGT/MH 66注气压缩机为例进行了试验,故障诊断准确率大于85%,分析结果证明了该方法的正确性及有效性。     

基于稀疏自编码神经网络的抽油机井故障诊断

针对传统示功图识别方法对抽油机井进行故障诊断存在人工选取示功图几何特征,识别准确度低等问题,提出一种基于稀疏自编码神经网络的示功图智能识别模型。采用无监督学习方式的稀疏自编码器构建特征学习网络自动提取无标签示功图训练集图像特征,然后采用有标签示功图训练集对softmax分类器进行有监督训练,最后通过稀疏自编码神经网络对学习到的有标签示功图测试集特征进行分类并给出故障诊断结果。结果表明,将稀疏自编码神经网络应用于示功图识别,测试准确度能够达到99.44%,优于其它分类模型。稀疏自编码神经网络直接从像素层面提取所需要的特征,不需要人为选定设计特征,为提高示功图识别准确度提供了帮助,进而解决了抽油机井故障难以准确诊断的难题。     

基于改进神经网络的抽油机故障智能诊断研究

针对目前抽油机示功图故障诊断人工分析方法效率低,而智能方法计算量大且识别类型少的问题,提出了抽油机故障智能诊断新方法,通过改进的自组织特征映射网络(SOM神经网络)对抽油机示功图进行故障诊断。对比了蚁群算法(ACO)、遗传算法(GA)、粒子群算法(PSO)对SOM神经网络的改进效果,PSO算法的最优个体适应度值最小,且所需的迭代次数少,收敛速度快。同时对比了神经网络BP、LVQ、常规SOM和PSO-SOM诊断模型效果,PSO-SOM神经网络在识别时间、诊断准确率和诊断方差方面展现出了明显的优势。采用傅里叶描绘子和不变矩复合的形状识别方法提取抽油机样本示功图特征参数,利用PSO-SOM神经网络技术进行学习训练和仿真分析,实现了不同工况模式的分类以及待测示功图的工况诊断。研究表明：对于XX油田现场抽油机700井次的9种不同工况示功图,PSO-SOM方法有效识别正确率高达90.3%,是实现智能化高效诊断示功图的一种有效途径。     

包络解调法在气阀弹簧失效故障诊断中的应用

考虑到往复式压缩机振动具有振源丰富、信息干扰大的特点，利用包络解调法分离出系统固有频率成分的振动信号。该包络信号每一峰值对应阀片的每一个冲击。对气阀半个周期内(包含气阀开启到关闭一次的过程)的时域信号进行包络解调处理，提取气阀开启、关闭、颤震等几处故障的时频特征信息来诊断弹簧失效故障，同时给出了弹簧失效系数的计算公式。以塔里木油田16SGT／MH-66注气压缩机为例进行了试验，故障诊断准确率大于85％，分析结果证明了该方法的正确性及有效性。     

基于模糊模式原理的空气压缩机故障识别

运用模糊诊断技术,对进气阀故障、排气阀故障、气缸泄漏等压缩机最常见故障建立了模糊故障诊断模型,并对实际的压缩机故障进行了诊断试验.试验结果表明,诊断结果的准确率和可信度较高.     

基于注意力机制BiLSTM的设备智能故障诊断方法

状态监测与故障诊断是保证机械设备安全稳定运行的必要手段.本文提出一种基于注意力机制双向LSTM网络(ABiLSTM)的深度学习框架用于机械设备智能故障诊断.首先,将传感器采集的设备原始数据进行预处理,并划分为训练样本集与测试样本集;其次,训练多个不同尺度的双向LSTM网络对原始时域信号进行特征提取,得到设备故障多尺度特征;再次,通过引入注意力机制,对不同双向LSTM网络提取特征的权重参数进行优化,筛选保留目标特征,滤除冗杂特征,以实现精准提取有效故障特征;最后,在输出端利用Softmax分类器输出故障分类结果.通过利用发动机气缸振动实验数据和凯斯西储大学滚动轴承实验数据进行故障诊断实验,故障识别准确率均达到99%以上.实验结果表明,ABiLSTM模型可以实现对原始时域信号的多尺度特征提取和故障诊断,通过与深度卷积网络(CNN)、深度去噪自编码器(DAE)和支持向量机(SVM)等方法进行对比,ABiLSTM模型的故障识别性能优于各类常见模型.另外,通过利用凯斯西储大学滚动轴承在不同工况条件下的数据,对ABiLSTM模型进行泛化性能实验,变工况样本的故障识别准确率仍然能够达到95%以上.     

基于RP与NMF的内燃机气阀故障诊断方法

针对传统的内燃机故障振动诊断方法,难以有效提取故障特征,诊断精度较低的缺点,提出一种基于递归图(recurrence plots,RP)与非负矩阵分解(non-negative matrix factorization,NMF)的内燃机故障诊断新方法。该方法是利用图像的方法来进行故障诊断:首先通过递归图将采集到的内燃机缸盖表面振动信号生成图像,然后用非负矩阵对得到递归图进行特征参数提取,最后用分类器进行分类识别完成故障诊断。将该方法应用于气阀机构8种工况下振动信号诊断实例中,结果表明:该方法克服了传统的振动诊断方法从时域或频域进行分析时参数选取和故障特征提取的难题,直接将信号生成图像,对图像进行自适应特征参数提取、分类识别,能有效诊断出内燃机气阀机构故障,故障识别精度高,为内燃机振动诊断探索了一条新途径。     

基于VMD-MPE-KPCA特征提取与MRVM相混合的滚动轴承故障诊断方法

针对滚动轴承振动信号在强噪声环境下出现非线性、非平稳、强干扰特性,进而导致故障特征难以提取及故障诊断准确率低的问题,提出变分模态分解(VMD)-多尺度排列熵(MPE)-核主元分析(KPCA)特征提取与多分类相关向量机(MRVM)相混合的滚动轴承故障诊断方法.该方法首先通过VMD-MPE进行滚动轴承振动信号的高维故障特征提取,其次对提取的故障特征进行KPCA可视化降维,最后将降维后的故障特征输入可实现不同样本概率输出的MRVM进行滚动轴承故障诊断.通过美国西储大学的滚动轴承故障数据集对该方法的有效性进行验证,结果表明提出的VMD-MPE-KPCA特征提取与MRVM相混合的滚动轴承故障诊断方法能够有效提取和识别滚动轴承故障特征,所提出的混合智能故障诊断方法与相关文献报道的故障诊断方法相比较,故障识别准确率达到了99.18%.     

故障工况下有杆泵采油系统运行特性及示功图研究

根据井液进出泵筒速度及泵筒内井液压力变化规律分别建立正常工况、气体影响、漏失影响和供液不足等工况下的泵阀运行特性模型,并与杆管液动力学模型进行耦合,形成故障工况下有杆泵采油系统的仿真模型及对故障工况下的有杆泵采油系统运动特性的仿真分析。结果表明:仿真结果与现场实测地面示功图具有良好的一致性且预测产液量平均误差低于6%,验证了故障仿真模型的准确性;碳纤维混合杆柱相对于钢杆采油系统示功图载荷绝对值较小,加载和卸载线较长,谐波个数较少且平滑;气体影响、游动阀漏失会减小加载完成时抽油杆柱的谐振,供液不足、气体影响和固定阀漏失会加剧卸载完成时抽油杆柱的谐振;基于该故障仿真模型可获得碳纤维抽油杆等新型抽油杆故障工况下的示功图图库。     

利用声发射的往复空压机环状阀泄漏故障诊断试验

利用声发射信号对往复空压机气阀进行了故障诊断,并以某往复空压机的排气阀为例,结合有效电压和能量对气阀漏气、阀片裂纹、阀片断裂及阀片变形等故障进行了测量,从而获得了故障特征信号.研究结果表明:随转角变化的声发射信号包络波形能体现排气阀启、闭的特征位置,气阀漏气、阀片变形及断裂等会导致气阀启、闭特征位置发生变化;根据启、闭特征位置偏离度及相应的有效电压和能量,可以判断气阀故障的严重程度;声发射包络波形平均幅值及相应的有效电压和能量,可以体现气阀漏气、阀片变形及断裂等故障.通过试验结果还发现,阀片裂纹不能通过声发射信号来识别.     

园区供热管网泄漏工况建模及分析

为提高供热系统的安全性及故障诊断系统的准确性,依据图论理论对某园区供热管网泄漏工况进行水力特性建模,并通过管网能量平衡方程求解不同工况下的用户室内温度.分析了不同泄漏工况对供热管网水力工况和热力工况的影响.研究结果表明:供热管网中任意点发生泄漏故障均会对系统水力特性产生影响,并且泄漏点距离循环水泵越近对供热系统管段流量影响越大;供热管网水力特性的变化将会对热力特性产生耦合影响.本研究可为供热管网泄漏事故预判及故障诊断等提供参考依据.     

Research on gas leakage through suction valves of reciprocating compressor under varying load conditions

A research concerning the coupling conditions of gas leakage through suction valves and capacity regulation is performed in an industrial reciprocating compressor.Both internal flow and thermodynamic characteristic are discussed in detail.The results show that the capacity of compressor can be regulated steplessly by controlling suction valve closure moment.And then the quantitative relationship between the capacity load and the closing angle of suction valve is revealed.The capacity load and valve leakage rate show obvious different features in P-V diagrams,which makes it easier to define appropriate features for detecting cracked or broken reciprocating compressor valves under varying load conditions.A set of curves of compression work and discharge gas mass are obtained and a method for rating thermal performance of a compressor is presented using these curves.     

基于状态监控数据的航空活塞发动机故障诊断

针对某型航空活塞发动机空中功率迟滞和地面停车故障,提出一种通过飞行动态模型还原、数据推理和比较法相结合的故障诊断方法。以美国莱康明发动机和GARMIN 1000飞行数据为研究对象,利用Google Earth和FLIGHTDATA运用航段坐标和姿态数据还原飞机故障航段轨迹,结合EGVIEW发动机数据处理软件分析发动机运行中采集的各项数据,研究故障发动机典型数据特征,并基于故障时段发动机余气系数的计算结果判断故障发动机实际工况。结果表明：发动机故障发生时严重富油,通过对燃油调节器结构原理的剖析和地面测试台对其的性能测试,确定了两起发动机故障同源且均与飞行操纵、燃油调节器慢车性能参数超标和慢车活门结构设计有关,同时验证了利用状态监控数据进行故障诊断的有效性和准确性。     

基于融合模型的柴油机空气管理系统故障诊断

柴油机作为重要的动力机械,其性能监测和故障诊断得到重视。而柴油机空气管理系统故障包括进气系统漏气、堵塞和EGR阀卡涩等故障将会导致恶化和经济性下降。针对空气管理系统具有较强的非线性,无法建立精确地数学模型等问题,建立了基于数学模型和数据驱动模型的融合模型,针对进气歧管漏气、中冷器堵塞,EGR阀卡滞等故障进行诊断研究。采用机理建模的方法建立EGR流量模型、充气系数模型和基于数据驱动建模的方法建立充气系数模型、进气压力波动幅值模型,利用奇偶方程法进行残差生成器的设计并生成三个残差信号,通过仿真分析可得到故障和残差值之间的映射矩阵,最后,采用模糊推理的方法进行故障诊断。研究结果表明：所构建的故障诊断系统能准确的诊断出空气管理系统的漏气直径为5mm、堵塞至进气流量减少10%和EGR阀卡滞故障在关闭状态。     

基于不变矩的示功图故障诊断方法研究

以抽油机井示功图为例,提出了基于不变矩的示功图故障诊断方法。首先对示功图进行二值化和细化处理。接着计算示功图不变矩。最后将不变矩作为特征向量来诊断抽油机井的故障类型。结果表明,该方法可以有效地分析出抽油机井的常见故障。     

R134a螺杆制冷压缩机工作过程数值模拟及实验研究

为了深入研究螺杆制冷压缩机内部的微观工作过程,建立了描述R134a螺杆制冷压缩机工作过程的热力学模型,全面考虑了螺杆制冷压缩机的5个泄漏通道损失、油气混合物热交换、喷油和部分负荷对压缩机工作过程的影响.为了验证数学模型,录取了表征螺杆制冷压缩机工作过程的p-V指示图及测试了压缩机宏观性能参数.通过比较表明,理论计算结果符合实验测试结果(误差小于4%),所建立的数学模型能准确地反映双螺杆制冷压缩机的工作过程特性及其宏观性能特征,为螺杆制冷压缩机的设计参数优化提供了理论及实验依据.     

Fault diagnosis of diesel engine valve clearance under variable operating condition based on soft interval SVM

The fault detection and diagnosis of diesel engine valve clearance can effectively improve the availability and safety of diesel engine and have extremely important value and significance.Diesel engines generally operate in various stable operating conditions,which have important influence on the fault diagnosis.However,many fault diagnosis methods have been put forward under specific stable operating condition based on vibration signal.As the result of great impact caused by operating conditions,corresponding diagnosis models cannot deal with the fault diagnosis under different operating conditions with required accuracy.In this paper,a fault diagnosis of diesel engine valve clearance under variable operating condition based on soft interval support vector machine(SVM) is proposed.Firstly,the fault features with weak condition sensitivity have been extracted according to the influence analysis of fault on vibration signal.Moreover,soft interval constraint has been applied to SVM algorithm to reduce the random influence of vibration signal on fault features.In addition,different machine learning algorithms based on different feature sets are adopted to conduct the fault diagnosis under different operating conditions for comparison.Experimental results show that the proposed method is applicable for fault diagnosis under variable operating condition with good accuracy.