往复压缩机在流程工业生产中占据重要地位,一旦发生故障,轻则影响生产效率,重则机毁人亡。因此实现往复压缩机异常检测和故障诊断具有重要意义。传统的往复压缩机状态监测方法主要提取信号一个或少数几个特征,设定固定报警阈值,当特征值超过阈值后,则触发报警。由于单特征值难以全面反映机组运行状态,导致机组异常检测和故障诊断准确率低。针对上述问题,本研究从多个角度提取往复压缩机信号特征,构建特征相空间,基于主题模型技术研究建立相空间的主题分布,根据不同工况相空间主题分布的差异性,判断往复压缩机异常检测以及故障诊断。具体研究内容如下:(1)针对单特征值难以全面反映机组运行状态的问题,从多个角度提取往复压缩机信号高维特征。分析往复压缩机结构和工作原理,及往复压缩机振动信号特点,从多个角度,全方位提取信号特征敏感参数。(2)研究基于离散主题模型的往复压缩机异常检测方法。该方法对特征进行离散化并编码,构建高维特征相空间,为相空间建立离散主题模型。应用LDA主题模型对机组离散数据建模进行异常检测。由于LDA主题模型忽略了模型间特征的相互关系,在此基础上对模型进行改进,提出基于HMM-LDA离散主题模型的往复压缩机异常检测方法。应用工程案例数据对上述两种方法进行验证,并对比两种方法在异常检测中的应用效果,分析结果表明两种方法均能实现异常检测,但HMM-LDA方法效果最佳。(3)离散主题模型建模过程中需对特征进行离散化,自学习离散化边界和人工设定模型参数。针对上述问题,研究基于连续主题模型的往复压缩机异常检测方法。构建数据高维特征相空间,建立相空间的连续主题模型,选择多种模型先验分布和后验分布构造方法,应用工程案例数据验证模型在异常检测中的有效性,对比异常检测效果,选择适用于往复压缩机异常检测的最优连续主题模型,数据分析结果表明,传统狄利克雷高斯混合模型、截棍狄利克雷高斯混合模型、变分推断狄利克雷高斯混合模型均能实现往复压缩机异常检测,但变分推断狄利克雷高斯混合模型更适用于往复压缩机异常检测。(4)比较单特征值异常检测方法、离散主题模型、连续主题模型在往复压缩机异常检测中的应用效果,选择最优的往复压缩机高维特征相空间建模方法实现往复压缩机异常检测。数据分析表明,连续主题模型在往复压缩机异常检测中效果最佳。(5)提出基于连续主题模型的故障诊断方法。该方法分别为实时数据和故障数据构建变分推断狄利克雷高斯混合模型,根据模型计算数据特征的贝叶斯推断贡献率,计算实时数据与各类故障的贝叶斯推断贡献率的距离,依据距离大小判定机组故障类型。数据分析结果表明该方法能够准确的对往复压缩机故障诊断进行诊断。