摘要：我國現(xiàn)代科技發(fā)展迅速，自動化機(jī)械程度逐步完善和提高，設(shè)備各零件間的聯(lián)系更加緊密。若其中某一部件出現(xiàn)故障，容易造成整個機(jī)械設(shè)備癱瘓。頻繁的設(shè)備故障會帶來經(jīng)濟(jì)損失，甚至是人員傷亡事故。文章通過闡述往復(fù)式壓縮機(jī)的常見故障問題和原理特點，結(jié)合案例研究故障診斷方法。

關(guān)鍵詞：往復(fù)式壓縮機(jī)；故障診斷方法；自動化機(jī)械；人工智能系統(tǒng)；小波分析法技術(shù) 文獻(xiàn)標(biāo)識碼：A

中圖分類號：TH457 文章編號：1009-2374（2015）09-0073-02 DOI：10.13535/j.cnki.11-4406/n.2015.0792

在機(jī)械設(shè)備的實際操作運(yùn)行過程中，如果可以及早預(yù)報和診斷其隱含的故障問題，在壓縮機(jī)沒有分解的情況下，就可以正確判斷設(shè)備出現(xiàn)故障的具體位置，采用先進(jìn)的動態(tài)測試技術(shù)和傳感技術(shù)以及計算機(jī)信號對故障進(jìn)行處理，分析機(jī)械異常狀況的原因及解決措施，這對預(yù)防事故的發(fā)生、促進(jìn)經(jīng)濟(jì)效益的提高都具有重大

意義。

1 往復(fù)式壓縮機(jī)的常見故障分析

1.1 壓縮機(jī)的常見故障和機(jī)理

往復(fù)式壓縮機(jī)的常見故障主要有兩大類：機(jī)械性質(zhì)和流體性質(zhì)。機(jī)械性質(zhì)是指機(jī)械動力性能出現(xiàn)故障，故障的主要原因是運(yùn)動零件的結(jié)構(gòu)出現(xiàn)裂紋、間隙有變化等，故障的主要表現(xiàn)是機(jī)械運(yùn)動時有異常的震動、發(fā)熱和響聲；流體性質(zhì)是一種機(jī)械熱力性能故障，該故障具有溫差、壓力異常、排氣量不足的主要特征，出現(xiàn)故障的主要原因是吸氣濾清器、活塞環(huán)、氣閥、冷卻水路等部位出現(xiàn)故障，對于這類現(xiàn)象可以用參數(shù)法進(jìn)行診斷。

1.2 壓縮機(jī)機(jī)械功能故障分析

在機(jī)械運(yùn)動過程中，比較典型的機(jī)械故障包括連桿螺栓、活塞環(huán)、曲軸、閥片、十字頭等斷裂，汽缸和汽缸蓋破裂，燒瓦、電機(jī)故障等。在往復(fù)式壓縮機(jī)的實際操作中，氣閥故障的診斷是十分重要的，因為連桿、活塞桿等斷裂是較常見現(xiàn)象，且壓縮機(jī)的運(yùn)動部件很多，所以大部分故障問題還是機(jī)械性能故障。

1.3 壓縮機(jī)熱力性能的故障分析

根據(jù)多年的生產(chǎn)經(jīng)驗分析，往復(fù)式壓縮機(jī)熱力故障的原因通常是氣閥和填料函等部件的損壞。填料函若出現(xiàn)故障會造成壓比失調(diào)、降低排氣量等。統(tǒng)計表明，往復(fù)式壓縮機(jī)故障中有60%為氣閥故障，氣閥若出現(xiàn)故障會增加排氣的溫度，降低排氣量，造成壓比失調(diào)等，情況嚴(yán)重的會導(dǎo)致整個機(jī)組報廢。在現(xiàn)場操作中，工作人員經(jīng)常根據(jù)氣閥來診斷壓縮機(jī)的故障

問題。

2 往復(fù)式壓縮機(jī)狀態(tài)監(jiān)測研究

往復(fù)式壓縮機(jī)屬于一種復(fù)雜的機(jī)械設(shè)備，其狀態(tài)檢測的方法有很多，一般使用在線間接診斷法，即根據(jù)二次診斷的數(shù)據(jù)信息判斷關(guān)鍵組件的變化狀態(tài)。常用的診斷方法包括振動噪音監(jiān)測法、油液監(jiān)測法、熱力性能參數(shù)監(jiān)測法、直觀監(jiān)測法、人工智能診斷法等。

2.1 振動噪音監(jiān)測法

很多實驗室已經(jīng)通過振動噪音監(jiān)測法診斷壓縮機(jī)的故障并取得不少研究成果。根據(jù)機(jī)械表面的振動現(xiàn)狀分析主軸承狀態(tài)、氣閥漏氣、汽缸磨損等現(xiàn)象；例如在氣缸頭部裝置振動傳感器，根據(jù)分析振動信號判斷汽缸內(nèi)部故障；根據(jù)油管路內(nèi)的壓力波信號判斷壓縮機(jī)軸承故障；根據(jù)振動信號判斷壓縮機(jī)主軸承故障。但因為在機(jī)械操作過程中會產(chǎn)生很大的噪聲，噪聲會干擾信號的穩(wěn)定性，影響傳感器的可靠度，所以振動噪音監(jiān)測法還未全面推廣。

2.2 油液檢測法

潤滑油油液分析法主要有兩類：油液中磨損信息分析和油液物理化學(xué)性能分析。油液中磨損信息的分析主要有顆粒監(jiān)測技術(shù)、鐵譜分析以及光譜分析等；油液本身物理化學(xué)性能分析主要包括潤滑油的燃點、水分以及黏度等方面的分析。油液監(jiān)測的實施步驟有提取樣品、制備樣品、獲取監(jiān)測數(shù)據(jù)、確定診斷結(jié)論等。

2.3 熱力性能參數(shù)監(jiān)測法

根據(jù)儀表監(jiān)測往復(fù)式壓縮機(jī)的冷卻水量、排氣量、水溫、油溫等數(shù)據(jù)信息，為診斷部件故障提供參考依據(jù)。熱力性能參數(shù)監(jiān)測法在診斷和預(yù)測故障時缺乏準(zhǔn)確性，所以目前主要應(yīng)用于壓縮機(jī)的運(yùn)行狀態(tài)和監(jiān)測工藝參數(shù)。

2.4 直觀診斷法

相關(guān)操作人員通過用眼睛看、耳朵聽以及根據(jù)自身的工作經(jīng)驗來診斷機(jī)械的故障。由于壓縮機(jī)機(jī)械設(shè)備逐漸自動化的發(fā)展方向，直觀監(jiān)測法缺乏一定科學(xué)性，已經(jīng)無法診斷往復(fù)式壓縮機(jī)故障的要求。

2.5 人工智能診斷法

神經(jīng)網(wǎng)絡(luò)技術(shù)結(jié)合人工智能專家系統(tǒng)已廣泛用于診斷往復(fù)式壓縮機(jī)的故障問題。人工智能診斷法是在專業(yè)知識和大量實踐經(jīng)驗的基礎(chǔ)上開發(fā)的一種計算機(jī)智能程序系統(tǒng)，它可以用于解決難度較大、較復(fù)雜的故障問題。該診斷法具有易于建造、解釋機(jī)制強(qiáng)、預(yù)測簡單等優(yōu)勢，同時也具有推理機(jī)制過于簡單、專家知識不夠精確等不足。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)性和組織性的特點，它具有聯(lián)想記憶功能，能從設(shè)備故障中學(xué)習(xí)，積累經(jīng)驗，將人工神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到故障診斷中，能彌補(bǔ)專家系統(tǒng)的不足，但人工神經(jīng)網(wǎng)絡(luò)技術(shù)自身也存在著缺陷，例如解釋機(jī)制較弱、建立復(fù)雜系統(tǒng)的模型有難度、診斷不清楚等。

3 小波分析法的實際案例分析

3.1 小波分析法

采用小波分析法可以使提取的信息更具可靠性和穩(wěn)定性，常使用時域平均分析法和濾波技術(shù)等。小波分析法可以局部優(yōu)化非平穩(wěn)信號，能分析時域內(nèi)和指定頻帶寬的信號，相對其他分析法，具有更強(qiáng)的提取特征的功能，它可以通過小波伸縮形成一組基函數(shù)，并能將接收到的所有信號映射到這組函數(shù)上，從而得到各頻帶的分解序列，并根據(jù)這些頻帶序列診斷零部件的故障問題。

小波分析法只對低頻部分的信號進(jìn)行分解，對信號的高頻部分有所保留。而小波包分解法和小波分解法相比更加精細(xì)，它對信號的高頻部分和低頻部分都可以進(jìn)行分解，因此小波包分析法使用更廣泛。

3.2 診斷實例

以某單位壓縮機(jī)試驗臺作為研究對象，進(jìn)行監(jiān)測、分析機(jī)體表面的振動信號，通過改變閥板的厚度以達(dá)到提高制冷效率的目的的研究試驗。下文根據(jù)減少閥板厚度后的機(jī)體表面振動情況，提取故障特征，通過實際研究案例分析小波包在診斷壓縮機(jī)故障中的實用性。

從改變前機(jī)體前后的表面振動信號可以看出，改變閥板厚度后，機(jī)體表面的振動信號出現(xiàn)了一些尖峰和毛刺的現(xiàn)象，沒有改變之前的光滑，所以可以將其視為故障信號。

3.3 提取故障特征向量

分析機(jī)體振動信號的頻率，將信號分解成5層，在0～1500Hz內(nèi)，有32（25=32）個寬帶信號，若直接統(tǒng)計這些信號的能量，其過大的故障特征向量會造成診斷結(jié)果不精確。本文采用小波包分解法分解振動信號。去噪音后，小波包分解振動信號的結(jié)果如圖1所示：

圖1 去噪后小波包分解振動信號結(jié)果

d（0，0）：原始信號；d（a，b）：小波包分解第a層的第b個小波系數(shù)。原始信號：d（0，0）=d（1，1）+d（2，1）+d（3，1）+d（5，3）+d（5，2）+d（5，1）+d（5，0）。由此統(tǒng)計7個頻帶的能量，如表1所示：

表1 各頻帶的能量統(tǒng)計

4 結(jié)語

綜上所述，筆者認(rèn)為在往后的壓縮機(jī)故障診斷中，采用人工智能系統(tǒng)、小波分析法技術(shù)等是必然的發(fā)展趨勢。利用這種方法，可以有效提取壓縮機(jī)常見故障的特征，為其他智能故障診斷技術(shù)提供新的參考依據(jù)，小波包分解法更全地分析了信號的能量，其應(yīng)用更符合實際情況。另外，將網(wǎng)絡(luò)和多種故障診斷技術(shù)進(jìn)行聯(lián)合應(yīng)用，實現(xiàn)技術(shù)共享，能提高診斷的準(zhǔn)確度，這也是目前我國往復(fù)式壓縮機(jī)診斷故障的革新之處。

參考文獻(xiàn)

[1] 仲崇明，萬泉，蔣偉康，等.往復(fù)式壓縮機(jī)振動的有限元數(shù)值分析與實驗研究[J].振動與沖擊，2011，30（5）.

[2] 王莉，牛群峰，胡紅生，等.基于頻譜與小波變換的工業(yè)壓縮機(jī)噪聲源分析儀設(shè)計[J].工礦自動化，2009，35（7）.

[3] 付希濤.往復(fù)式壓縮機(jī)故障診斷研究與展望[J].技術(shù)與市場，2014，12（7）.

[4] 趙俊龍，張志新，郭正剛，等.往復(fù)式壓縮機(jī)氣缸壓力模擬曲線提取[J].振動、測試與診斷，2009，29（1）.

作者簡介：華根節(jié)（1979-），男，安徽潛山人，江蘇中能硅業(yè)科技發(fā)展有限公司工程師，研究方向：化工設(shè)備管理。

（責(zé)任編輯：黃銀芳）