往复式压缩机运行状态评估及故障诊断方法研究

往复式压缩机运行状态评估及故障诊断方法研究

张明东 张泽原 周文华 颜国熔 张明涛

甘肃银光聚银化工有限公司

甘肃省白银市   730912

摘要：往复式压缩机是一种常见的工业设备，在许多领域中被广泛应用，例如制冷与空调系统、工业气体输送等。其主要功能是将气体压缩，提高气体的压力以实现特定的工艺需求。然而，长期运行和恶劣工作条件可能导致往复式压缩机的性能下降和故障风险增加，这可能对生产效率和设备可靠性产生严重影响。因此，对往复式压缩机的运行状态进行评估和故障诊断变得至关重要。

关键词：往复式压缩机；运行状态评估；故障诊断方法

1往复式压缩机原理

往复式压缩机基本工作原理是将气体吸入压缩机的气缸内，然后通过活塞的压缩运动将气体压缩，最终将高压气体通过阀门输出到管路中。往复式压缩机的常见组成部分包括气缸、活塞、阀门和连杆等部分。其中，气缸是压缩机的主体结构，通常是一个长方体或圆柱体，上下两端装有盖板和密封垫。活塞是一个从气缸顶部垂直移动的组件，通常是由金属合金制成。阀门则可以分为吸气阀和排气阀两种类型，从气缸和管路中吸入和排出气体。连杆则将活塞转化为旋转运动，并将转动的力传递给压缩机的输出轴。此外，为了提高压缩机的工作效率和稳定性，通常还会配备齿轮箱、气缸冷却系统、排气消声器等附属设备。

2往复式压缩机运行状态评估及故障诊断方法

2.1振动分析

在往复式压缩机的关键部位安装振动传感器，如压缩机底座、曲轴、连杆、轴承等，以获取相应部位的振动信号。利用振动传感器采集往复式压缩机的振动信号。采集的数据可以是时间域、频率域或时频域的振动信号。对采集到的振动信号进行信号处理和特征提取，可以使用时域统计特征如峰值、均方根、峭度、偏度，频域特征如频谱、功率谱密度，以及时频域特征如小波变换等。根据振动特征进行分析，比较采集数据与正常状态的基准数据或故障模式数据库进行对比。常见的故障模式包括不平衡、松动、磨损、轴承故障等。根据振动特征分析的结果，判断往复式压缩机可能存在的故障类型和位置。如识别出螺旋松动，可能导致压缩机振动加剧或噪音异常。通过定期进行振动分析，可以实现故障的提前发现和预防性维护，降低故障发生的概率和损失。

2.2声音分析

在往复式压缩机运行期间，使用麦克风或声音传感器采集到压缩机发出的声音信号。信号采集设备的位置应在尽可能接近噪音来源的位置。：收集到的声音信号要进行信号处理来消除各种噪声及其他干扰。然后通过滤波来减少频谱中的谐波干扰。对信号进行频谱分析，通过FFT技术确定频域特征。通过识别与故障模式相对应的频率或频率范围，可以直接诊断故障类型和位置。分别分析和计算信号的振幅、特征参数和特征值，从而获得声音信号的时域特征。对这些特征进行统计分析和处理，可以诊断出潜在的机械故障，并明确需要采取什么措施。通过对声音分析的结果进行综合分析，结合其他监控指标（如振动、温度等）来确定故障类型和位置，并给出维修建议，如更换损坏的部件或调整机器配平。利用声音分析技术实现故障的快速定位和预防性维护，避免故障因延迟治理导致的生产停机甚至更严重的损失。

2.3温度分析

在往复式压缩机的关键部位安装温度传感器，如冷却器、压缩机壳体、轴承、排气管等，以获取相应部位的温度信号。利用温度传感器采集往复式压缩机各个部位的温度信号。可以使用单个传感器或多个传感器进行采集，以得到全面的温度数据。记录和监测温度信号的变化趋势和波动，可以实时采集或定期采集，可以通过软件系统进行数据记录和分析。对采集到的温度数据进行分析，判断是否存在异常温度升高或不均匀分布的情况。异常温度升高可能是由于冷却系统故障、滑动副或轴承磨损、摩擦等原因引起。根据温度异常的位置和特点，结合其他监控指标如振动、压力等，可以进行故障定位，并判断可能的故障类型，如冷却系统堵塞、密封件失效、轴承磨损等。通过定期进行温度分析，可以实现故障的提前发现和预防性维护，降低故障发生的概率和损失。

2.4压力分析

在往复式压缩机的重要部位安装压力传感器，如进气口、排气口、冷却系统、油路等，以获取相应位置的压力信号。利用压力传感器采集往复式压缩机不同部位的压力信号。可以使用单个传感器或多个传感器进行采集，以得到全面的压力数据。记录和监测压力信号的波动和变化。通过实时或定期采集压力数据，并利用软件系统进行数据记录和分析。对采集到的压力数据进行分析，判断是否存在异常的压力波动或超过正常工作范围的情况。异常的压力波动可能是由于气路堵塞、泄漏、密封失效、压缩比异常等原因引起。根据压力异常的位置和特点，结合其他监控指标如温度、振动等，可以进行故障定位，并判断可能的故障类型，如气路堵塞、泄漏、密封件失效等。通过定期进行压力分析，可以实现故障的提前发现和预防性维护，降低故障发生的概率和损失。

2.5异常特征提取和模式识别

首先，采集与往复式压缩机运行相关的各种传感器数据，如振动、温度、压力、声音等。这些数据将作为输入用于异常特征提取和模式识别。对采集到的数据进行预处理，首先，进行数据清洗，滤除噪声和异常数据。其次，进行特征提取和降维操作，将原始数据转化为具有较好区分性的特征向量，以便后续的模式识别任务。根据往复式压缩机的特点和故障模式，从预处理后的数据中提取与故障相关的特征。这些特征可以从各个传感器数据中提取，如频域特征、时域特征、统计特征等。异常特征的提取需要借助专业的领域知识和算法方法。根据异常特征的重要性和相关性，进行特征选择，选择对故障分类起关键作用的特征。如果特征维度较高，可以利用降维技术（如主成分分析、线性判别分析）进行维度的减少，以提高模式识别的效率和准确性。利用机器学习、模式识别等算法，对提取的特征进行分类和诊断。常用的模式识别方法包括支持向量机（SVM）、神经网络、决策树等。建立合适的模型，并根据输入特征进行分类和诊断，判断压缩机是否存在故障及其类型。评估模型的性能和准确性，并根据评估结果对模型进行优化和调整。可以使用交叉验证、混淆矩阵、精确度、召回率等指标评估模型的效果。

2.6综合分析

首先，采集与往复式压缩机运行相关的各种数据和信息，如振动、温度、压力、电流、声音、工作负载等。可以使用传感器、仪表设备或监控系统进行数据收集。将采集到的数据进行整合，将不同的数据集合在一起，并进行合理的数据预处理。例如，对数据进行清理、去噪，确保数据的质量和可靠性。从整合后的数据中提取有用的特征。根据具体情况，可以使用统计分析、信号处理、频谱分析等方法提取与故障相关的特征，如频率、振幅、波形、特定的模式等。分析不同特征之间的关联性和相关性。通过统计分析、相关分析或其他相关方法，探索特征之间的相互关系，识别潜在的关联规律，以揭示可能的故障模式。结合领域知识和经验，根据综合分析的结果进行故障判断和诊断。综合考虑不同特征和指标，判断是否存在故障，并尽可能准确地确定故障的类型和原因。评估故障诊断结果的准确性和可靠性，根据评估结果做出相应的决策。可以采取维修、更换零部件、调整工艺参数等措施来解决故障问题。

结语：

通过持续的研究和创新，往复式压缩机运行状态评估和故障诊断方法将不断进步和提高，为企业提供更可靠的设备运行保障，促进生产效率和质量的提升。同时，合理利用数据和信息，结合人工智能和物联网等新兴技术，将有助于实现智能化运维和设备管理，打造更高效、可持续和智能化的工业生产环境。

参考文献：

[1]孙谨.6M32 往复式压缩机故障原因分析及改进措施［J］.能源化工，2019（3）：155-158.

[2]董良遇.往复压缩机运行状态风险评价技术研究［D］.北京：北京化工大学，2016.