基于SAX的往复压缩机气阀故障诊断

传统的时域、频域、时频域分析方法基于振动信号对整个序列时间点分析,忽略了其中一小段时间序列数据变化规律,没有考虑其波形特征,无法有效提取特征。鉴于此,提出了基于符号聚合近似算法(SAX)的故障特征提取方法。该方法对机械振动信号SAX符号化近似表示,之后通过一定长度滑动窗口确定符号串类型,统计符号串频数,作为特征值,最后排列各个特征值,归一化后得到向量,作为该数据样本的特征向量。该方法针对周期序列中一小段数据进行对比,描述其变化规律,挖掘内在信息,形成数据模态,然后对各类模态统计分析,有效提取了原始序列的变化趋势和信息特征,克服了现有方法的不足。对油田现场压缩机气阀振动数据分析处理,用SAX方法提取特征向量后输入网格优化的SVM分类器进行了训练分类,与基于信息熵的特征提取方法进行对比,两者故障分类准确率分别为81.25%和100%。分析结果表明:SAX特征提取方法可以准确有效地提取故障特征,具有更高的故障识别率,基于SAX算法的往复压缩机气阀故障诊断方法具有可行性。所得结论可为压缩机气阀故障信号的进一步分析提供参考。

SAX-based Fault Diagnosis of Air Valve on Reciprocating Compressor