往复压缩机多重分形故障特征提取

实现了基于多重分形的往复压缩机振动信号的故障特征提取。针对往复压缩机振动信号的非线性和非平稳性,使用多重分形谱和广义维数对压缩机振动信号进行分析,从中提取可识别的故障特征。分析结果发现多重分形谱中的△α值和广义维数Dq作为故障特征能够很好地反映往复压缩机的工作状态,为往复压缩机的故障特征识别提供了必要依据。     

基于局部均值分解与关联维数的往复压缩机气阀故障诊断

针对往复压缩机气阀振动信号具有的非线性与非平稳复杂特性,提出基于局部均值分解与关联维数相结合的方法,通过将原始振动信号进行分解,定量化提取了不同气阀故障状态下的关联维数特征,结果表明:局部均值分解后的振动信号信噪比得到显著提高,高频分量的关联维数能够明显区分不同故障状态特征,因此可以作为往复压缩机气阀故障诊断的有效依据。     

碰摩耦合故障诊断识别的分形方法研究

为了研究碰摩故障、油膜振荡及碰摩和油膜振荡相互作用耦合故障,建立了模拟3种故障的实验装置,采集了故障振动信号。运用多标度分形理论,计算了故障振动信号分形维数并绘出广义维数谱,由此提出广义维数能谱的概念,并以广义维数能谱作为特征量,实现了对3种故障特征的提取与识别。提出了用广义维数能谱作为分析识别故障信号的判据,为复杂旋转机械故障诊断提供一种识别方法。     

基于DE-VMD和GMDE的往复压缩机轴承间隙故障诊断方法

针对往复压缩机轴承间隙故障特征提取困难、识别准确率不高等问题,提出了差分进化算法优化变分模态分解方法和广义多尺度散布熵相结合的往复压缩机间隙故障诊断方法。首先,采用差分进化算法对变分模态分解算法的两个核心参数进行了优化,并利用优化后的变分模态分解方法对轴承间隙振动信号进行了信号分解和重构处理;然后,研究了多尺度散布熵的粗粒化过程,通过将方差粗粒化代替均值粗粒化,进行了多尺度处理,构建了广义多尺度散布熵算法,利用广义多尺度散布熵算法对重构信号进行了故障特征提取分析;最后,设计了核极限学习机模型对故障特征向量集进行了分类识别,完成了往复压缩机轴承间隙不同故障状态的智能诊断研究。研究结果表明,该故障诊断方法的识别准确率高达97%,高效地实现了轴承不同种类故障的智能诊断目的。     

基于非线性复杂测度的往复压缩机故障诊断

往复压缩机以多源非线性冲击振动信号为主,应用传统方法难以从振动信号中提取故障特征,为此提出一种基于非线性复杂测度的往复压缩机故障诊断方法。以气阀正常、阀片有缺口、阀片断裂及弹簧损坏4种状态下往复压缩机气阀振动信号为分析数据,在小波阈值降噪处理的基础上,采用均值符号化方法计算信号的归一化Lempel-Ziv复杂度(Lempel-Zivcomplexity,LZC)指标,分别给出各状态相应的LZC特征区间,利用BP人工神经网络对各状态信号的有效值特征、功率谱能量特征及LZC特征分别进行训练和测试,结果表明LZC更能准确区分不同状态的往复压缩机气阀故障,为往复压缩机故障诊断和维修决策提供了一种有效方法。     

基于VMD和改进多尺度熵的往复压缩机气阀故障诊断方法

针对往复压缩机气阀振动信号具有非平稳性、非线性和多分量耦合特性,提出了基于变分模态分解(Variational Mode Decomposition,VMD)和改进多尺度熵的往复压缩机气阀故障诊断方法。利用VMD方法分解振动信号,并根据互相关系数法选取主要模态分量进行信号重构,可有效的消除噪声干扰;应用改进多尺度熵对重构信号进行量化分析,获得各振动信号的特征向量,并以极限学习机(Extreme Learning Machine,ELM)为故障分类器对往复压缩机气阀的4种状态实测信号进行分类识别。研究结果表明:该方法能够比较准确地提取出往复压缩机气阀故障信息,可实现往复压缩机气阀故障的正确识别。     

基于过程分段多重分形的往复压缩机故障诊断研究

根据往复压缩机工作的阶段性对其振动加速度信号进行分段,应用多重分形理论对各个阶段信号进行故障特征提取。多重分形谱能够刻画信号的细节特征,将可明显区分的谱参数作为特征量,实现了对往复压缩机的故障诊断。经过对2D12型往复压缩机振动加速度实测数据的多重分形谱计算,结果表明谱参数Δα、α(f_(max))、Δf和B组成的特征向量可明显区分出其不同的故障状态,验证了该方法的有效性。     

基于虚拟仪器的往复压缩机小波分析系统

利用虚拟仪器技术开发机械设备状态监测与故障诊断系统,是机械故障诊断领域中的研究热点。以LabVIEW软件为开发环境,开发了往复压缩机振动信号多层小波分析系统,系统可对振动信号进行多层小波分解和重构。通过对故障状态与正常工作状态下的振动信号的对比分析,能实时发现运行中的压缩机所存在的故障。该研究方法能够为压缩机的检测提供一种新的切实可行的方案。     

基于小波包与关联维数的阀片故障诊断

结合了小波包降噪和关联维数对某往复压缩机阀片故障做了定量识别。实测阀片在正常和磨损两种工况下的振动信号,用小波包对信号进行降噪处理后,用改进的关联维数算法分别计算两个信号的关联维数。实例表明:小波包降噪能明显地滤除噪声,阀片在正常和磨损两种工况下的关联维数明显不同,关联维数可作为阀片故障特征的定量提取。     

基于ITD与排列熵的往复压缩机故障特征提取方法研究

针对往复压缩机振动信号的非平稳、非线性和特征耦合特性,提出了基于ITD与排列熵的往复压缩机轴承故障特征提取方法.利用ITD方法将各状态振动信号分解为一系列PR分量,依据相关性系数选择代表故障状态主要信息的PR分量,计算其排列熵形成有效的特征向量.以平均样本距离为特征向量可分性标准,对比了ITD与近似熵方法所提取特征向量,结果表明此法具有更好的可分性.     

往复压缩机气阀故障模拟实验与诊断研究

气阀是往复压缩机最易发生故障的部件。本文在分析气阀故障原理的基础上,首次在大型往复压缩机实验平台上对吸气阀、排气阀进行了一系列破坏性实验,对现场机组气阀的各类故障情况进行了真实模拟,最大限度地保证采集到的振动及温度信号与实际机组的故障信号相符合,利用BH5000R在线监测诊断系统对故障特征进行了识别和分析,结果表明,该方法能够有效识别往复压缩机气阀的故障特征。     

基于多源信息融合的往复式压缩机故障诊断方法

往复式压缩机结构复杂,振动激励源多,故障关联性较强,需要依靠多种类型的传感器所采集的信息来对往复式压缩机故障进行诊断。在融合往复式压缩机多种类型传感器采集的特征信息基础上,提出一种基于多源信息融合的往复式压缩机故障诊断方法,构建信息融合诊断框架。利用往复式压缩机多种类型传感器所采集的数据信息构建特征证据体,使用径向基神经网络对每个证据体进行初步诊断,根据加权证据融合理论融合各个证据体初步诊断结果,得到最终诊断结果。使用提出的方法对往复式压缩机3种工况的试验数据进行融合诊断,诊断结果表明：使用加权证据融合理论融合多源传感器信息的诊断结果可信度高,不确定性小,能够准确对往复式压缩机故障状态进行诊断识别。     

基于工业物联网架构的压缩机远程在线监测与故障诊断平台

撬装式往复压缩机是页岩气开采的关键设备,状态监测和故障诊断系统是设备安全运行的重要保障.撬装式往复压缩机结构复杂,其状态有关的工况数据量大且关系复杂,而且实现状态监测需要配置有一定数量的振动传感器,建立以状态监测和故障诊断为基础的高效稳定的监测平台非常重要.本文介绍了基于物联网架构的压缩机远程在线监测与故障诊断平台,论...     

A feature extraction method based on HLMD and MFE for bearing clearance fault of reciprocating compressor

According to the nonlinearity, nonstationarity and multi-component coupling characteristics of reciprocating compressor vibration signal, a feature extraction method based on hermite local mean decomposition (HLMD) and multiscale fuzzy entropy (MFE) is proposed for the diagnosis of reciprocating compressor oversized bearing clearance faults. Firstly, aiming at the strong nonstationary characteristic of vibration signal, a novel HLMD algorithm was given by using the monotone piecewise cubic hermite interpolation (MPCHI) instead of cubic spline interpolation (CSI) to construct the envelopes. Secondly, HLMD was performed on the vibration signals in each state and a series of PF components are produced, and the highlighted PF components which contain the main information of fault state were chosen with the correlation coefficient. Thirdly, MFE of the selected PF components were calculated to form the eigenvectors matrix, and the eigenvectors which have the best divisibility were extracted based on the average euclidean distances of each scale factor. Finally, four bearing clearance fault states were extracted by the proposed method, and taken SVM as a pattern classifier, the faults were diagnosed accurately. Furthermore, the comparison of recognition results with other three feature extraction methods demonstrates the superiority of this method.     

往复式压缩机气缸压力模拟曲线提取

提出了一种基于振动信号分析的往复式压缩机故障诊断方法.应用频域能量准则判定汽缸压力变化引起的振动响应信号所处频带,构造梳状滤波器提取出响应信号,对得到的相应信号进行包络分析,得到的包络曲线体现了气缸压力的变化趋势,可应用该曲线绘制模拟示功图对往复式压缩机故障进行诊断.对工程信号的分析表明,该方法不仅可以区分出压缩机正常与故障状态,还可以区分出不同的故障类型,具有较好的工程应用价值.     

一种基于活塞杆动态能量指数的故障监测诊断方法

活塞杆是往复机械核心运动部件,在大载荷气体力、往复惯性力作用下易发生疲劳断裂,进而导致活塞撞缸、压缩介质外泄、着火爆炸等恶性事故发生。活塞杆运行状态的有效监测是避免恶性故障发生的关键。本文基于在线监测系统数据提取了活塞杆轴心动态能量指数,用以评价活塞杆实际运行状态,通过实测活塞杆纵向与横向位移信号,计算活塞杆轴心运行轨迹,获得轴心在纵向与横向上的瞬时运动能量,结合常规活塞杆位移监测信号,可对典型的磨损故障、松动故障与断裂故障进行故障预警。实际故障案例数据验证了本文方法的有效性。