基于特征聚類的壓縮機聯軸器機構執行故障智能診斷

蘇天波　李嚴　張毅

摘要：壓縮機聯軸器機構工作負荷較大，故障誘因較多，為了有效準確排除壓縮機聯軸器機構在執行控制指令的故障，提出一種基于故障關聯特征聚類分析的壓縮機聯軸器機構執行故障智能診斷方法。分析壓縮機故障診斷原理，構建故障診斷的總體結構模型，采用傳感器信號采集技術進行壓縮機聯軸器機構的工況數據采集，實現機械故障信號重構，對聯軸器機構執行控制信號進行關聯特征提取，對提取的故障特征采用模糊c均值聚類方法進行故障特征分類處理，在專家系統中實現機械故障的準確診斷識別。仿真結果表明，采用該方法進行壓縮機聯軸器機構執行故障診斷，對故障的準確判斷能力較好，故障檢測的準確概率較高，智能性較好，具有較好的實用價值。

關鍵詞：特征聚類；壓縮機；聯軸器機構；機械；故障診斷

0引言

壓縮機在天然氣西氣東輸工程中承載著天然氣的增壓輸送功能，使得天然氣能在管道中安全傳輸，在天然氣西氣東輸網絡工程中，壓縮機發揮著關鍵性作用，是整個天然氣傳輸系統的控制性工程部件。西氣東輸工程中的天然氣壓縮機常年處于高壓工況狀態下，容易出現故障，研究壓縮機智能故障診斷方法，在提高壓縮機的工作穩定性，實現西氣東輸工程的安全穩定運行方面具有重要意義。

壓縮機聯軸器機構是介于電動機和聯軸器之間的耦合部件，是壓縮機的重要執行單元，采用大規模的集成和分立機械元件構成，機械執行機構構件之間容易出現配合不當、鍵槽耦合不當以及皮帶過松等故障，從而使得壓縮機的聯軸器機構執行控制指令出現錯誤。傳統的故障檢測方法采用人工診斷，通過調整裝配部件的位置、緊固彈性圈和換新件等方法實現故障排除，但存在檢測精度不高，智能性不好等問題，為了提高壓縮機聯軸器機構故障的準確診斷能力，相關文獻進行了故障診斷方法的改進研究。其中，文獻提出一種基于K-means聚類的壓縮機聯軸器機構振動特征識別和故障診斷算法，根據對壓縮機在各種工況下的振動特征進行譜特征提取和故障檢測，結合紅外成像方法實現機械部件的故障點分析，提高故障識別能力，但是該故障診斷方法的實時性不好，時效性不高；文獻中提出一種基于模糊減法聚類算法的壓縮機聯軸器機構故障診斷方法，提取壓縮機聯軸器機構的振動信息作為原始數據，以此數據為基礎進行信號模型構建，根據模糊神經網絡控制方法實現故障屬性分類識別，提高故障檢測精度，但該方法在受到不同故障類別特性的干擾時故障診斷的準確性不好。

針對上述問題，本文提出一種基于故障關聯特征聚類分析的壓縮機聯軸器機構執行故障智能診斷方法。首先分析壓縮機故障診斷原理，構建故障診斷的總體結構模型，據此研究生成了機械故障信號重構，然后對聯軸器機構執行控制信號進行關聯特征提取，并引入故障特征分類處理，最后在專家系統中實現機械故障的準確診斷識別，進行故障診斷仿真分析，得出有效性結論，展示了本文方法在提高故障診斷準確性方面的優越性。