压缩机预知维护关键技术及监测系统研究

论文摘要

压缩机作为流程制造业的重要构成装备,其安全高效运行对流程制造业生产经营至关重要。维护作为保障压缩机安全稳定高效运行的重要技术手段得到了学术界和企业界的广泛关注。如何构建先进的压缩机维护策略和相应维护支撑工具是设备维护领域的重要研究课题。本文在国家自然科学基金项目、中国石油化工股份有限公司科技攻关项目和长沙市科技计划项目的支持下,对压缩机的非线性故障机理、故障诊断方法、故障智能诊断技术和状态预测技术进行了深入系统地研究,并结合背景企业典型压缩机组的预知维护需求设计开发了相应的监测系统,主要研究工作和创新性研究成果有:1、在建立转子-轴承系统非线性动力学模型的基础上,通过计算机仿真,分析了系统参数变化对系统响应形式的影响规律以及对系统响应稳定性的影响,发现了如下规律:（1）、压缩机转子-轴承系统的激励频率、偏心量和轴承支座质量对系统的分叉与混沌运动有决定性的影响,在满足一定条件下,系统响应将出现周期运动、概周期运动和混沌等复杂的运动形式,转子系统通向和离开混沌的途径主要有倍周期分叉、阵发性分叉以及概周期运动;（2）、滑动轴承的油膜力对系统的运动状态有本质影响,系统的稳态周期响应存在着倍周期分叉和阵发性分叉等有可能使各系统的运动发生本质变化的分叉现象,倍周期分叉和概周期运动是系统通向和离开混沌的道路之一;（3）、从系统的分叉图可以看出,系统响应对参数的变化敏感,参数的微小变化可能引发系统响应形式的巨大变化。上述规律为转子系统的故障机理与特征分析提供了理论基础和依据。2、针对分形维数对噪声敏感的特点,提出了关联维数与EMD降噪相结合的转子系统故障诊断方法,通过对仿真信号的分析诊断,验证了该方法的有效性,为压缩机松动、碰摩和松动碰摩耦合故障的诊断提供了新思路。针对广义解调时频分析方法特别适用于处理多分量调幅-调频信号的特点,提出了基于广义解调时频分析的压缩机齿轮故障诊断方法,通过对齿轮启动过程仿真和实验信号的分析诊断,结果表明该方法较小波等时频分析方法能有效性地提取齿轮振动信号的调制特征,为齿轮故障诊断提供了新方法。3、研究了基于案例推理的压缩机智能诊断技术,考虑到案例推理技术在智能诊断应用中存在的案例无法共享交换与集成、推理过程不具有重用性和推理检索方式单一等不足,设计了基于本体的案例表示方法和相应检索机制,实现了基于案例推理的设备故障智能诊断,并以某石化企业的压缩机组为实施对象,将基于案例推理的智能诊断技术应用于工程实践,取得了良好的应用效果。4、针对压缩机状态预测问题,研究提出了支持向量机与EMD结合的状态预测方法,该预测方法不仅适用于小样本统计机器学习,而且在预测步数较长的情况下仍然具有很好的预测效果,具有很强的推广能力。对压缩机实际监测数据的预测表明,该方法较单一的支持向量机预测方法在预测精度上有显著改进。5、以大机组的预知维护实施为目标,研究了大机组的群监测技术,该技术利用设备机组群在结构特性、运行工况和技术参数等方面的相似性提升了设备监测的准确性和经济性。以背景企业K5403压缩机为具体监测对象,借助软件组态技术、虚拟仪器技术和面向对象技术,设计开发了压缩机群监测系统,该系统运行稳定、功能完善、结构可扩展性强,可有效应用于流程企业压缩机群监测。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.1.1 设备维护的价值
• 1.1.2 大机组维护
• 1.2 压缩机维护研究进展
• 1.2.1 压缩机转子系统故障的非线性动力学研究
• 1.2.2 齿轮故障诊断研究
• 1.2.3 压缩机故障智能诊断研究
• 1.2.4 机组状态预测研究
• 1.2.5 机组监测技术与系统研究
• 1.3 论文的主要研究工作及整体框架
• 1.3.1 本文的主要研究工作
• 1.3.2 论文的整体框架
• 第2章 基于非线性动力学的转子系统故障机理研究
• 2.1 转子系统松动故障的非线性动力学建模及机理分析
• 2.1.1 支座松动转子-轴承系统的力学模型
• 2.1.2 支座松动转子-轴承系统的运动微分方程
• 2.1.3 支座松动转子系统的动力学行为
• 2.1.4 支座松动转子系统的故障特征
• 2.2 转子系统碰摩故障的非线性动力学建模及机理分析
• 2.2.1 碰摩转子-轴承系统的力学模型
• 2.2.2 碰摩转子-轴承系统的运动微分方程
• 2.2.3 碰摩转子系统的动力学行为
• 2.2.4 碰摩故障转子系统的特征
• 2.3 转子系统松动-碰摩耦合故障的动力学建模及机理分析
• 2.3.1 松动-碰摩耦合故障转子系统力学模型
• 2.3.2 松动-碰摩耦合故障转子系统的运动微分方程
• 2.3.3 松动-碰摩耦合故障转子系统动力学行为
• 2.3.4 松动-碰摩故障系统的特征
• 2.4 小结
• 第3章 基于时频分析的压缩机故障诊断方法研究
• 3.1 基于经验模态分解与关联维数的压缩机转子故障诊断研究
• 3.1.1 EMD 方法的基本概念和原理
• 3.1.2 关联维数的基本理论及计算
• 3.1.3 基于关联维数和EMD 的转子故障诊断方法
• 3.1.4 基于关联维数和EMD 诊断方法的仿真验证
• 3.2 基于广义解调时频分析的压缩机齿轮故障诊断研究
• 3.2.1 广义解调时频分析方法
• 3.2.2 基于广义解调时频分析的齿轮故障诊断
• 3.3 小结
• 第4章 基于案例推理的压缩机智能诊断研究
• 4.1 基于本体的案例推理
• 4.1.1 案例推理原理
• 4.1.2 本体的基本理论
• 4.1.3 基于本体的案例表示研究
• 4.2 基于本体的案例检索
• 4.2.1 故障案例的语义匹配
• 4.2.2 案例的最邻近匹配
• 4.3 基于本体的案例推理系统框架及其实现
• 4.3.1 基于本体的案例推理系统框架
• 4.3.2 故障诊断实例
• 4.4 小结
• 第5章 面向预知维护的压缩机状态预测研究
• 5.1 基于EMD 和SVM 的压缩机状态预测研究
• 5.1.1 支持向量机预测
• 5.1.2 基于EMD 和SVM 的状态预测流程
• 5.2 压缩机振动趋势预测实例
• 5.3 小结
• 第6章 压缩机群监测技术及其系统实现
• 6.1 大机组的群监测模式
• 6.2 群监测的关键技术分析
• 6.2.1 软件组态技术
• 6.2.2 虚拟仪器技术
• 6.2.3 面向对象技术
• 6.3 面向压缩机群监测的监测组态设计
• 6.3.1 监测组态结构
• 6.3.2 监测组态数据流
• 6.3.3 基于监测组态的数据采集与通讯设计
• 6.3.4 基于监测组态的数据库设计
• 6.4 压缩机群监测系统设计与实现
• 6.4.1 群监测系统的分析与设计
• 6.4.2 压缩机群监测系统实现
• 6.5 小结
• 结论
• 参考文献
• 致谢
• 附录A 攻读学位期间发表和录用的论文目录