楊毅帆,祝鐘青,張 戟,陳青松,吳偉烽
(1.西安交通大學能源與動力工程學院,陜西 西安 710049;2.中韓 (武漢)石油化工有限公司,湖北 武漢 430082)
大型往復式壓縮機由于具有熱效率高和適用流量壓力范圍大等優點,已成為石油化工、天然氣壓縮等行業中工藝生產流程不可或缺的關鍵設備,而其本身具有運動部件多、運動部件的工作條件惡劣和易損件多的特點,導致在長期運行過程中發生意外故障的可能性較大[1,2],因此,如何對壓縮機的故障做出準確判斷以及預測,是壓縮機行業中的熱門課題[3,4]。
壓縮機的故障類型根據原理的不同大致可以分為傳動部件故障和熱力系統故障,前者是指壓縮機的傳動部件出現故障,如連桿斷裂,軸承失效等;后者是指缸內零部件出現故障,導致壓縮機的內部工作過程受到影響,如泄漏導致氣量變小、排氣溫度異常、級間壓力異常等。根據對10個國家的化工企業的壓縮機運行情況統計結果顯示[5,6],熱力系統故障占到了壓縮機故障總數的79.9%,且主要包括氣閥故障、活塞環故障和密封墊故障,因此壓縮機的熱力系統故障診斷是壓縮機故障診斷的一個重要環節。
目前往復壓縮機的故障診斷方法為,通過預警值設定參數正常運行范圍,但其診斷精度較低,往往無法呈現出其整體的工作狀態。近年來人工智能的發展,為壓縮機的性能分析和故障診斷提供了更為準確的方法[7-9],但由于其對于故障類型數據庫的高度依賴性,以及安裝傳感器對缸體本身的破壞性,使得這類方法的使用受到了一定的限制。……