基于时变奇异谱的往复压缩机故障特征提取方法研究
在石油化工领域中,往复压缩机主要负责油气炼化和天然气、乙烯等不稳定气体的运输工作,其零部件易发生腐蚀破坏.除此之外,往复压缩机的构造复杂,并经常处于连续工作状态,因此许多易损零部件易发生疲劳破坏,寿命很短,导致故障发生频率高,故障类型复杂多样.为降低事故发生率,确保工作人员人身安全,降低设备的购买、维修成本,往复压缩机故障检测与诊断技术成为了人们研究的热点之一.针对往复压缩机振动加速度信号的非线性、非平稳等特性,将时间信息引入多重分形理论,提出了一种基于时变奇异谱的往复压缩机故障特征提取方法,用以描述振动信号的整体和细节信息,并利用支持向量机(SVM)进行模式识别和分类,结果表明该方法能够更加详细精准地表达故障信息,有利于提高故障诊断的精确度.首先,对往复压缩机故障诊断技术进行概括、研究和对比,提出本文故障特征提取方法的研究思路;对智能模式识别方法研究现状进行概括、研究和对比,为验证特征提取方法的效果提供了方法和依据.然后,对往复压缩机的基本结构、主要零部件、工作原理和工作循环过程进行分析,总结故障形式,并研究其故障机理,并根据工作过程中关键零部件的受力状态建立力学模型;利用相空间重构理论,计算出能够定量表征混沌性的关联维数,来说明其振动信号具有混沌性特征.接着,介绍分形及多重分形理论和算法,阐述多重分形谱中重要谱参数在往复压缩机故障信号分析中代表含义;将时间信息引入多重分形理论,建立时变奇异谱理论模型,并提出根据往复压缩机的工作过程来实现时变奇异谱的计算方法;对支持向量机分类理论进行研究,根据所提取故障特征向量的特点,选择"一对多"分类法为基础建立SVM模型,并对其中参数进行优选和设置.最后,将基于时变奇异谱的故障特征提取方法应用于D122往复压缩机的故障诊断中.设定往复压缩机的诊断流程,包括振动加速度信号采集,小波分解结合LMD分解的信号降噪处理,时变奇异谱提取故障特征向量和利用SVM分类器进行故障类型分类.分类结果表明,气阀故障分类准确率达到100%,轴承故障分类准确率达到93%,验证了基于时变奇异谱方法提取故障特征的有效性,说明采用该方法提取的特征向量能够准确区分往复压缩机的主要故障类型.
- 作者:
- 高一淇
- 学位授予单位:
- 东北石油大学
- 专业名称:
- 工程硕士(机械工程)(专业学位)
- 授予学位:
- 硕士
- 学位年度:
- 2017年
- 导师姓名:
- 王金东;张忠臣
- 中图分类号:
- TH45
- 关键词:
- 时变奇异谱;故障特征提取;往复压缩机;支持向量机;故障诊断
- time-varying singularity spectrum; fault feature extraction; reciprocating compressor; support vector machine; fault diagnosis