往复式压缩机结构复杂,激励源较多,缸体表面信号表现为非平稳性和非线性,故障诊断非常困难。本文在总结前人研究成果的基础上,结合工程实际需要,对往复式压缩机故障诊断进行了较为深入的研究。本文采用局域波时频谱分析方法对非平稳信号进行特征提取。由于实际信号的复杂性,直接从时频谱提取的状态特征判断设备故障较为困难,因此对特征提取做了进一步的研究。 在时频谱灰度图研究的基础上,引入了图像识别技术,利用图像识别中常用的奇异值分解(SVD)算法对时频谱灰度图进行“二次特征”提取,获得了时频谱图像的特征向量即奇异值谱,从而降低了维数,使得设备的状态分量更加清晰、明显,更加有利于设备的状态识别。 为了给出往复式压缩机运行状态的定量描述,在状态特征提取的基础上,作者结合信息论中熵的定理,提出了一种基于局域波时频谱熵的往复式压缩机故障诊断新方法,促进了往复式压缩机的智能故障诊断和预知维修的发展,并为状态监测系统的开发打下了基础。 本文结合北京燕山石化实际项目,对C-1150往复式压缩机实施了状态监测。把时频谱熵等理论的研究成果运用于实践,成功的预知诊断了C-1150往复式压缩机填料泄漏故障,用实践验证了局域波时频谱熵理论的准确性和可行性,同时给工厂带来了较大的经济效益。 为了能更加准确和实时的监测往复式压缩机,以C-1150往复式压缩机为背景,结合时频谱熵等理论的研究,开发了基于虚拟仪器的往复式压缩机状态监测系统,完成了采集卡虚拟仪器驱动、数据采集、数据网络传输、实时数据分析模块、数据入库等程序设计。目前系统开发已经完成,将为往复式压缩机的状态监测和预知诊断提供有力的技术支持。