大型往復壓縮機故障特征及診斷技術分析

張鵬飛 金鑫 潘昌霞

摘 要：大型往復壓縮機是現代工業生產中不可缺少的重要設備，在高效、穩定等技術要求的基礎上，其可靠性受到廣泛重視。本文基于研究現狀對大型往復壓縮機的故障機理及特征進行歸納，對傳統診斷技術和目前運用較多的故障診斷新技術進行分析比較，提供了各種方法的適用性及優缺點，為往復壓縮機狀態監測和故障診斷技術的發展提供參考。

關鍵詞：往復壓縮機;故障;特征提取;可靠性;診斷

中圖分類號：TH16;TB652 文獻標識碼：A 文章編號：1671-2064（2019）10-0030-02

0 引言

大型往復壓縮機在石化企業生產過程中起著舉足輕重的作用。隨著煉化企業生產規模的大型化，在提高往復壓縮機產能的同時，也對整機機組的運行安全、高效、穩定提出了更高的技術要求。由于往復壓縮機結構復雜，易損件較多，同時其壓縮介質多為氫氣、硫化氫、乙烯等易燃或有毒氣體，因發生故障導致危險介質泄露而引發火災、爆炸等惡性事故，不但會造成不可估量的國民經濟損失，更嚴重的會危害人民的生命財產，因此對大型往復壓縮機故障的分析與診斷技術越來越得到企業和研究機構的重視。

國內外眾多學者對往復壓縮機故障機理和診斷方法進行了研究。國內的西安交通大學、北京化工大學、中國石油大學等分別對壓縮機故障機理、各種故障特征與成因、故障特征的提取方法等進行了研究[1-3]。國外學者則對壓縮機關鍵部件的磨損對壓縮機性能的影響進行了監測[4]，同時有學者基于常規參數建立知識庫，用于往復壓縮機運行信號監測與故障診斷。隨著網絡技術發展，遺傳算法、神經網絡技術被廣泛的應用于往復壓縮機的故障信號分析與診斷中。在此基礎上，國內外多個研究機構與企業開發了壓縮機在線監測與分析系統，如德國的Prognost監測系統，美國Dynalco的9260CR系統往復壓縮機狀態診斷儀[3]等。國內由北京化工大學研發的BH5000R往復壓縮機在線監測系統也得到了較好的應用。

從目前往復壓縮機故障診斷技術的發展來看，由壓縮機整體結構的復雜性及激勵源多的特點，故障信號多為非線性[6]，同時噪聲對故障特征的提取與識別的影響較大，因此目前各種針對壓縮機的故障診斷的方法各有千秋。本文基于多家應用企業的大型壓縮機的維護與服務，對生產過程中出現的各種故障問題進行了探究，針對目前應用廣泛的主要方法進行比較分析。

1 大型往復壓縮機故障機理及特征

對壓縮機故障機理的分析研究早在20世紀60年代已經展開，但多通過觀察、監測壓縮機參數與振動信號的異常來判斷故障原因，或通過大量的調研數據統計壓縮機關鍵部件的故障概率，如圖1[4]所示。各種故障表現及可能的故障原因見表1。

結合圖1和表1可以看出，往復壓縮機的常見故障發生于多個關鍵部件，且概率相對平均，同時故障表現對應多種故障原因，因此通過監測數據直接判斷故障的難度很大。同時必須指出大型往復壓縮機的關鍵部件如曲軸，由于列數增加，軸系結構更加復雜，在承受熱、力、介質激勵等多因素的共同作用，其故障信號表現多為耦合信號，很難通過單一監測數據進行故障定位和分析。因此基于監測數據對故障診斷方法的研究尤為重要。

2 大型往復壓縮機故障診斷技術分析

與常規的壓縮機相比，大型往復壓縮機組的結構更加復雜，處理氣量更大，其關鍵部件如曲軸、連桿、氣缸的受力、介質流動情況更加復雜，同時因功能對其密封性、冷卻系統、管路振動的要求更高，傳統的診斷方法難以應付如此復雜的情況，因此發展新型故障診斷技術成為必然。

2.1 傳統診斷方法

傳統的診斷方法通常按故障類型分為三類：與熱力學相關的參數法（監測壓力、溫度、流量）、與機構動力學相關的振動監測分析、和考慮摩擦磨損的油液分析法。這三種方法的檢測對象不同，診斷的功能也不同。參數法主要針對氣缸壓力信號進行監測，通過示功圖、溫度變化初步診斷故障原因[7]，但對故障進行定位及排除還不準確。同時示功圖無法直接測取也限制了該方法的廣泛應用。隨著大型工程軟件運算能力的提高，振動分析在壓縮機的故障診斷得到廣泛應用，但是由于大型往復壓縮機結構及運動形式的復雜性，激勵源及各向力的耦合，導致故障特征提取困難，同時振動分析需要對實際工況進行簡化，其分析結果還需其他診斷方法輔助。油液分析針對配合件的接觸表面的磨損進行監測，該方法應用面較窄，同時監測周期長，實時在線監測的效果差，也不能很好的體現故障診斷的效率。

2.2 故障診斷新技術

人工智能和大數據技術的發展為往復壓縮機的故障診斷提供了新方法，一方面檢測技術的提升（使用新型高精度的檢測儀器），實現數據實時、高效、準確傳輸。另一方面采用時頻分析方法，如小波及小波包分析、Hilbert-Huang（HHT）法，有效提取故障的特征信號，采用神經網絡、遺傳算法、人工免疫法等[8]對故障信號進行識別，從而實現精確診斷。

（1）神經網絡技術結合模糊模式匹配應用在故障診斷系統中，解決了大型往復壓縮機監測信號復雜多樣，難于處理的問題，但診斷結果的可靠性還需建立專家系統知識庫作為神經網絡自學習的主要來源。

（2）當特征信號的提取困難造成有效數據較少時，可以采用支持向量機或人工免疫法等，支持向量機法具有以較少的數據快速逼近和泛化能力，其快速反應能力在故障診斷方面得到廣泛重視。

3 結語

大型往復壓縮機的發展確定了故障診斷在其工藝、技術發展過程中的重要地位。在常規的故障診斷方法的基礎上，針對不同敏感特征的狀態參數，采用靈敏度高、可靠性高的新型檢測裝置獲得準確數據，應用現代智能理論對多源信號耦合的故障信息進行提取和識別，同時建立完善的專家評價信息庫，實現大型往復壓縮機監測與故障診斷一體化系統是未來有關大型往復式壓縮機技術研究的重要課題。

參考文獻

[1] 余良儉.往復壓縮機故障診斷技術現狀與發展趨勢[J].流體機械，2014（1）：36-39.

[2] 張謙，舒悅，王樂等.往復壓縮機故障診斷方法研究概述[J].流體機械，2018，46（3）：37-41.

[3] 趙賀嘉.大型往復式壓縮機狀態監測與故障診斷技術的應用[J].中國石油和化工標準與質量，2016，36（17）.

[4] 陳峰，紀琳，林振宇等.大型往復式壓縮機的狀態監測與診斷[J].管道技術與設備，2010（4）：25-27.

[5] 劉久城.往復壓縮機的故障診斷研究[J].化工管理，2013（22）：18-18.

[6] 唐友福，劉樹林，劉穎慧等.基于非線性復雜測度的往復壓縮機故障診斷[J].機械工程學報，2012，48（3）：102-107.

[7] 高晶波，王日新，徐敏強.基于示功圖修正的往復壓縮機氣閥故障診斷方法[J].壓縮機技術，2009（3）：4-8.

[8] 趙海洋，王金東，劉樹林等.基于神經網絡和支持向量機的復合故障診斷技術[J].流體機械，2008，36（1）：39-42.