压缩机故障诊断技术分析

压缩机故障诊断技术分析

吴轩

陕西延长石油榆林煤化有限公司陕西榆林719000

摘要：压缩机应用领域广泛，主要涉及石油、化工、机械等行业。由于压缩机的应用行业范围广，因此针对压缩机的故障诊断技术研究具有重要的实际意义。针对压缩机的故障机理开展研究分析，梳理出压缩机故障及机理，总结了压缩机故障诊断技术的应用情况，以期为压缩机后期的研究提供一定的指导。

关键词：压缩机；故障诊断；分析

前言

压缩机是化工行业重要的生产设备，其安全稳定运行是企业避免安全事故和经济损失的重要保障。随着机械技术的全球化、标准化、数字化、智能化，相应的诊断技术也应随着时代不断进步和深化，本文结合现有的诊断技术理论方法和实践经验，对压缩机故障诊断技术进行有益和创新的探索。

一、压缩机故障机理

压缩机故障可分为两种类型，一是流体性质的热力性能故障，二是机械性质的机械动力性能故障。第一种故障一般表现为：排气量不足、温度和压力异常；第二种故障一般表现为工作中异常的噪声、过热和振动，而造成这些故障表现的诱因是各运动部件之间的配合间隙的变化和结构具有裂纹等，采用振动法可以对这类故障进行诊断。

1、压缩机热力性能的故障和机理

梳理出压缩机热力性能故障类型和诱因如表1所示。根据生产经验总结，填料函和气阀等部件的损坏是造成压缩机热力故障的重要原因。排气量降低和压比失调等是由于填料函造成的。

2、压缩机机械功能的故障和机理

压缩机机械性能故障的表征主要包括过热、异常响声和异常振动等现象，归纳出压缩机机械性能故障类型和诱因如表2所示。工程实践表明，在压缩机故障诊断中，气阀故障的诊断是至关重要的，而裂纹、活塞杆段裂等故障是非常常见的。因为压缩机运动部件多，许多压缩机故障还是机械性能故障。

二、故障诊断技术方法

1、故障特征监测技术

压缩机特征监测，主要监测压缩机运行过程中的热力、振动、位移、油液、响声等特征信号，基于信号分析以此来诊断压缩机的故障或进行维护保养。一是热力信号主要包含温度、排气量、排气压力、气缸内压力等，如过高排气温度，主要原因可能是进气温度、压力比以及压缩指数，可能是排气阀漏气，活塞杆拉伤等造成。二是振动信号，如异常的振动，可能是气阀损坏、活塞杆下沉、十字头螺栓松动、连杆磨损等原因。三是位置移动信号，如通过监测活塞杆的沉降数量关系，用来推断活塞环、十字头的使用和磨损情况，由于位移的突发性，如活塞杆突然断裂，因而多用于事后分析。四是油液信号，主要通过铁谱、光谱、颗粒分析来监控压缩机的磨损情况，在化工企业主要通过维保人员的观测和手触等，通过经验判断。五是响声信号，当压缩机出现故障时，维保人员可通过经验对听异常声音，进而对压缩机的故障判断。如敲击声可能因活塞同气缸距离小而相互撞击，或零部件断脱，松动等。通过监测压缩机的各种各类信号特征，经过总结、分析、经验积累，对机器故障有一定的诊断和预警作用，但对于复杂的故障因素，仅凭经验做出分析判断存在重大缺陷，况且经验判断需要个人观察、思考、长期积累，因人而异，不易于共享、学习和传播。因而需要将经验通过科学方法上升到理论的程度，或将经验智能化，以提高效率，适用时代的发展。

2、故障监测智能化方法

故障监测智能化方法主要是将压缩机特征监测的信号与其故障形成对应函数关系，实现故障预警和诊断的功能。其方法的优劣可由函数关系的是否是一种信号对应一种故障，或是多对一，信号检测的难易程度、对应的精确程度来判断。常用的对应分析方法主要有以下几种。一是传统的时频法，主要将故障信号以时间分类进行统计分析，从而找出信号的特征，频谱法主要是将时间信号转为频域信号，主要适用于稳定信号和旋转机械。二是小波分析，该分析方法为时频分析的进化版，可以对故障信号的频带、时刻进行细分，分析更加精细化，主要用于压缩机信号处理。三是还有更为复杂的PCA信号、HHT非平稳信号等分析方法，在实践中因较为复杂，效果欠理想，需要进一步探索和优化。压缩机故障诊断技术研究与运用不断发展，但在互联网高度发展的时代，需要充分运用大数据、云计算等现代化集成技术，汇聚各方面的优势技术充分应用到压缩机故障检测与诊断中，集合专家、学者、行业、厂商、设计的数据，建立一套高效、准确、可行、经济的智能化系统以供各利益相关者共享。目前各种故障监测、诊断系统由于特征参数采集不足，算法存在缺陷，系统安装不规范等原因，容易出现错误诊断，准确率有待进一步提高。压缩机故障诊断理论和方法有一定进步，但还存在一定的局限性，这都需要压缩机相关人员不停探索，不断创新。

三、技术发展趋势

近年来，随着科技的发展，人工智能技术也得到了迅速发展，成为人们关注的重点技术，并已应用到实际项目中，使设备维护技术达到了智能化的高度。设备的智能故障诊断具有非常广泛的应用前景。但由于往复式压缩机结构复杂，激振源众多，针对目前的研究现状和上述研究数据，计算机技术应用不充分，专家系统和神经网络技术在人工智能领域的初步应用，故障诊断技术目前仅处于整合和向第四阶段过渡的第三阶段。到目前为止，还没有像旋转机械那样成熟的诊断系统。只有经验性的方法或思想被用来确定和测试特征参数，然后验证实验结果是不够的，没有找到最佳的特征参数。与实际应用还有一定的距离，这与行业往复式压缩机的重要地位不相称。

往复式压缩机存在的问题，降低了运行效率，比如说，排气不足，排气温度异常，排气压力异常，噪音异常，过热，活塞和活塞杆损坏以及轴瓦磨损等，这些都是设备存在的典型问题，需要采取有效措施及时解决，不仅仅是采用一些检测技术就能够解决的问题，还需要进行深入的研究分析，争取找到最好的解决方案。只有对设备故障源和故障定位的准确诊断，各种参数的精确测量和故障信号识别才是技术难点。如今，随着人们生活水平的不断提高，压缩机的故障诊断将朝着网络化，智能化，多源信息融合的方向发展。在实时在线诊断领域，应开发特殊的新型集成传感器和用于压缩机故障诊断的观察器。运用现代信号处理方法和智能理论，找到振动信号间相互干扰最小的最佳测量点，实现故障自动诊断。越来越多的相关领域的研究专家在国家大力的支持推动下给予了智能方面更多的关注度，随着发展脚步越来越快，自动故障诊断成为可能。

参考文献：

[1]高金吉.机器故障诊治与自愈化[M].北京：高等教育出版社，2012.

[2]杨春强，杜随更，诸德鹏，等.活塞式空气压缩机性能测试系统设计[J].科学技术与工程，2011，11（7）：1461-1467.

[3]毕文阳，江志农，刘锦南.往复压缩机气阀故障模拟实验与诊断研究[J].流体机械，2013，41（6）：6-10.