封毅朗

摘? 要：采取有效的往復壓縮機故障診斷方法，能夠提升石油化工生產(chǎn)裝置運行水平?；诖耍疚脑敿毞治隽擞蜆庸庾V分析診斷法、大數(shù)據(jù)診斷法、深度學習診斷法、熱力性能診斷法、振動噪聲診斷法這幾種石油化工生產(chǎn)裝置中往復壓縮機故障診斷方法，希望能夠為石油化工生產(chǎn)體系建設(shè)提供助力。

關(guān)鍵詞：石油化工;生產(chǎn)設(shè)備;故障診斷

引言：往復壓縮機是一個重要的石油化工生產(chǎn)裝置，其主要作用是讓生產(chǎn)用氣體按照既定的順序進入或排出作業(yè)空間，為石油化工生產(chǎn)作業(yè)提供靜壓力。但該裝置在投入使用一段時間后，難免會發(fā)生故障，需要工作者及時進行故障診斷、維修，以恢復其正常運行狀態(tài)，保持石油化工生產(chǎn)活動的穩(wěn)定開展。

1油樣光譜分析診斷法

油樣光譜分析法是一種往復壓縮機油路故障診斷方法，該技術(shù)的故障診斷原理為，運用油脂在電能或熱能作用下，會散射出特性光譜的特點，通過分析其所散射出的光譜，了解油脂的物質(zhì)組成狀態(tài)，然后基于此，評估壓縮機的運行狀態(tài)，實現(xiàn)故障診斷，例如：在分析中，如果發(fā)現(xiàn)優(yōu)質(zhì)中的金屬物質(zhì)含量較大，就說明油路中裝置可能存在異常磨損故障，然后即可根據(jù)金屬物質(zhì)的類型，判定故障所在的位置。但該方法僅能對粒徑<10μm的磨屑進行檢測，不適用于磨損故障過于嚴重的診斷工作。在故障診斷中，根據(jù)往復壓縮機內(nèi)部的結(jié)構(gòu)材質(zhì)情況，進行光譜分析時，應當重點分析Fe、Cu、Al、Cr、Sn等元素，同時，考慮到工況差異，還要通過多次試驗，來確定各元素的正常含量，并結(jié)合相對含量標準，進行故障診斷，保證診斷結(jié)果的準確性。一般來說，相對標準可以被定位為，Cu、Al、Sn、Fe含量若為正常量的2～3倍，則磨損程度較高，為正常量的1.5～2倍，則磨損程度中等，為正常量的1.25～1.5，磨損程度較低，針對于Cr元素，如果含量為正常量的5倍以上，則磨損嚴重，為3～5倍，則磨損程度中等，為2～3倍，則磨損程度較低。以某往復壓縮機故障診斷為例，工作者可以先運用光譜檢測儀，對油路內(nèi)的油液進行抽樣檢查，然后得出油液中所含有金屬物質(zhì)的類型與含量，并發(fā)現(xiàn)Fe、Cu、Al元素的含量超出正常標準的2～3倍，說明材質(zhì)中包含F(xiàn)e、Cu、Al元素的裝置、部件存在較高程度的磨損，然后工作者就基于此，對上述類型的往復壓縮機部件、裝置進行了逐一排查，找出了磨損故障所在的位置，并定位了存在磨損損傷的部件，最后，根據(jù)上述信息，完成往復壓縮機的故障診斷，為磨損類故障的排除提供有力依據(jù)。

2大數(shù)據(jù)診斷法

就目前來看，自動控制系統(tǒng)已經(jīng)被引入到石油化工生產(chǎn)中，其控制生產(chǎn)運作的主要原理為，通過收集生產(chǎn)設(shè)備的運行數(shù)據(jù)，然后用該數(shù)據(jù)、標準運行參數(shù)，按照一定的規(guī)則進行計算，得出控制量，再按照該控制量，執(zhí)行設(shè)備控制，實現(xiàn)生產(chǎn)體系的自動化運行。在此過程中，人們將大數(shù)據(jù)分析技術(shù)引入到自動化系統(tǒng)建設(shè)中，可以通過實時分析往復壓縮機運行異常數(shù)據(jù)，進行故障診斷定位，提升石油化工自動化生產(chǎn)水平。在大數(shù)據(jù)診斷法的運用中，一般需要用Hadoop分布式計算框架作為并行計算架構(gòu)，再運用NoSQL集群存儲架構(gòu)構(gòu)建大數(shù)據(jù)庫，同時，考慮到診斷過程涉及到對實時數(shù)據(jù)的分析，因此，還要設(shè)置一個STORM計算框架，用于高效分析大規(guī)模的往復壓縮機實時數(shù)據(jù)，以便于更快、更及時的完整故障診斷、預警，為往復壓縮機的排故工作提供良好條件，例如：在故障診斷中，基于大數(shù)據(jù)技術(shù)的自動控制系統(tǒng)，會將往復壓縮機的各項運行參數(shù)，存儲到一個數(shù)據(jù)庫中，然后大數(shù)據(jù)故障診斷系統(tǒng)，會從該數(shù)據(jù)庫中的進行數(shù)據(jù)參數(shù)的提取，并運用STORM計算框架計算所提取實時運行參數(shù)與標準值之間的差值，而且還要借助Hadoop分布式計算框架，實現(xiàn)多個種實時參數(shù)與標準參數(shù)之間差值的同時計算，如果參數(shù)實際值與標準值之間的差距超出了允許范圍，那么系統(tǒng)就會將異常參數(shù)值統(tǒng)一進行分析，根據(jù)此類參數(shù)的形成機理，定位故障的位置，以及故障的類型，做出故障診斷，并將診斷結(jié)果以警報信息的形式，發(fā)送給系統(tǒng)顯示層上，供工作者查看，提高故障診斷便捷性。

3深度學習診斷法

深度學習診斷法屬于一種智能化的往復壓縮機故障診斷方法，借助該方法，可以使診斷工作的效率、準確度以及自動化水平更高，有助于石化生產(chǎn)水平的提升。在深度學習診斷法的應用中，可以考慮基于連續(xù)主題模型法，建立一個特征相空間矩陣，以反映出往復壓縮機的常規(guī)運行特征，而當該設(shè)備出現(xiàn)故障時，其的運行狀態(tài)數(shù)據(jù)矩陣就會出現(xiàn)異常，因此，可以將該特征相空間矩陣作為基礎(chǔ)數(shù)據(jù)，再建立一個觀察模型，用于檢測、分析數(shù)據(jù)矩陣存在的異常，以實現(xiàn)故障診斷。在此過程中，可以使用KL散度系數(shù)，度量正常數(shù)據(jù)模型與當前狀態(tài)數(shù)據(jù)模型之間的距離，然后根據(jù)該距離，判斷是否存在故障，以及故障類型，完成故障診斷。其中，正常數(shù)據(jù)模型可以設(shè)置為，，當前狀態(tài)數(shù)據(jù)模型可以設(shè)置為，，其中，βj與αi為概率密度函數(shù)權(quán)重、θ為參數(shù)集、X為特征相空間矩陣、T與K為數(shù)據(jù)變化周期。以某往復壓縮機的故障診斷為例，在深度學習技術(shù)下，可以根據(jù)往復壓縮機常見的故障類型，設(shè)置對應的故障狀態(tài)下的KL散度系數(shù)模型，然后借此，對故障診斷系統(tǒng)進行訓練，使系統(tǒng)可以有效識別各類常見故障，以達到高效故障診斷的效果。

4熱力性能診斷法

一般來說，在發(fā)生故障時，往復壓縮機結(jié)構(gòu)在運行中會出現(xiàn)異常溫升現(xiàn)象，因此，通過測定設(shè)備的熱力學參數(shù)，即可實現(xiàn)故障診斷。在該診斷法的運用中，工作者需要先為往復壓縮機設(shè)置相應的熱力性能參數(shù)檢測設(shè)施，如油溫溫度計、冷卻水溫度計等，然后通過實時監(jiān)控各個檢測設(shè)施的示值變化情況，來及時發(fā)現(xiàn)、診斷異常溫升故障，維護往復壓縮機的正常運行狀態(tài)。以某故障診斷工作為例，如果工作者通過檢測冷卻水熱力性能，發(fā)現(xiàn)其溫度過高，那么故障就可能源于冷卻水雜質(zhì)過多、冷卻設(shè)備阻塞等原因，以準確完成故障診斷。但在此過程中，應當注意，各類溫度測試儀表、裝置通常在一段時間的使用后，容易出現(xiàn)誤差積累的情況，需要定期加以校準，同時，也要將這些測溫設(shè)施檢修納入到往復壓縮機維護工作內(nèi)容中，以保證故障診斷結(jié)果的可靠性，提升往復壓縮機的運行水平[1]。

5振動噪聲診斷法

一直以來，振動噪聲法都是常用的往復壓縮機故障診斷方法。在目前的振動噪聲故障診斷中，工作者通常會使用高頻振動器，對機械運行過程中產(chǎn)生的噪音進行監(jiān)測，并捕捉異常振動噪聲，再通過分析該噪聲，判斷故障的具體位置以及故障類型，完成診斷?，F(xiàn)階段，由于異常噪聲主要形成于氣缸磨損、漏氣等氣缸故障，因此，該診斷法主要適用于氣缸故障診斷。在此過程中，考慮到當前石油生產(chǎn)的自動化情況，為了得到更加準確的診斷結(jié)果，工作者也可以用安裝在往復壓縮機結(jié)構(gòu)中的自動控制傳感器的振動檢測數(shù)據(jù)，來驗證噪聲診斷結(jié)果的準確性，為后續(xù)的排故工作提供有力依據(jù)，例如：在故障診斷時，發(fā)現(xiàn)氣缸處噪聲較大，而且此噪聲類似敲擊聲，那么就可以判斷故障源于連接件緊固不到位，造成的部件松動、磨損，通過更換或緊固連接件，即可有效排除故障，省略故障診斷中的拆檢等步驟，提高診斷效率。此外，一些情況下，當氣缸出現(xiàn)故障時，其配套的軸承、傳動桿等裝置也可能存在故障，所以當用噪聲診斷法診斷出氣缸故障后，還要注意檢查傳動裝置情況，以提高故障診斷工作的完整性，促進往復壓縮機的使用性能順利恢復正常狀態(tài)[2]。

結(jié)論：綜上所述，增強故障診斷方法應用效果，能夠提升往復壓縮機運行水平。在石化生產(chǎn)中，借助往復壓縮機故障診斷方法，可以找準故障發(fā)生點、根據(jù)故障現(xiàn)狀編制準確的排故方案、提高故障修復工作效果，從而優(yōu)化往復壓縮機性能狀態(tài)，改善石化生產(chǎn)力水平。

參考文獻：

[1]包宇.淺談化工機械往復式壓縮機維修與保養(yǎng)[J].中國設(shè)備工程，2021，（02）：64-66.

[2]段達.往復式壓縮機氣閥故障的診斷與維保方法的探討[J].山西化工，2020，40（06）：154-156.

[3]梁小青，向清林，陳蘭，邱宗毅.往復式壓縮機氣閥故障原因分析及預防措施[J].設(shè)備管理與維修.2021（01）