基于數據挖掘的轉子系統故障診斷方法研究★

侯國安，田舟祺

（銀川能源學院，寧夏 銀川 750015）

引言

壓縮機是化工生產中的重要設備,隨著科學技術的飛速發展,壓縮機結構日益復雜化，在工作中經常會發生一些故障，導致生產停頓，甚至機毀人亡，造成重大經濟損失和社會影響。如何及時發現和預測故障就顯得十分重要，于是出現了數據挖掘技術。數據挖掘技術就是應用設備產生的振動數據，進行分析處理，找到分類規則，從而進行設備故障的診斷[1]。

1 轉子振動故障的頻率分析

壓縮機屬于旋轉機械的一類，轉子運作過程中將會產生振動，依據振動的頻域和時域特征進行分析，對故障的診斷具有重要意義[2]。壓縮機轉子故障的主要類型有以下幾種：

1.1 轉子不對中

故障特征從頻率角度分析，主要出現一倍頻和二倍頻；如果故障比較微小，軸心軌跡會出現橢圓形；嚴重時會呈現“8”字形[3]。

1.2 轉子不平衡

故障特征主要是一倍頻，軸心軌跡會出現橢圓形或圓形[4]。

1.3 轉子碰摩

故障特征1 倍頻、2 倍頻、3 倍頻與4 倍頻都存在，軸心軌跡會出現橢圓形或圓形[5]。

1.4 油膜渦動

故障特征主要為二倍頻以上，軸心軌跡是發散的曲線，有時會出現花瓣狀[6]。

2 數據挖掘在故障診斷中的應用

2.1 決策樹

決策樹是一種歸納學習算法,它可以從大量無序、無規則的數據中找出分類規則。

決策樹是一種樹狀的流程圖模型，模型樹的頂層是其根節點，是不同的信息集合，各個樹枝是屬性的測試，樹葉表示分析結果。

針對類型判別的過程，決策樹是人們普遍采用的經典歸類方式。……