往复式压缩机是国家工业发展的核心装备,在石油、化工等领域有着广泛的应用。往复式压缩机故障预警方法的研究对于提高往复式压缩机运行稳定性,保障工业生产安全等具有非常重要的现实意义。本文以某石油化工平台的往复式压缩机的气阀部件为研究对象,通过分析往复式压缩机工作机理,结合数据处理分析、时间序列预测等算法,提出了基于CEEMD-FCM数据处理算法的多级融合LSTM网络参数预测模型和多源信息融合的气阀故障预警策略,实现气阀故障的提前预警,提高设备的运行效率。针对往复式压缩机参数运行数据中含有噪声信号和特征信息混叠,难以直接从原始数据中提取出反映设备运行规律的有用特征信息的问题,本文利用CEEMD-FCM算法对往复式压缩机振动、压力等多参数多点位的运行数据进行多尺度模态分解和模糊聚类融合,实现数据细节特征信息的准确表征,降低后续参数预测建模复杂度。针对往复式压缩机参数预测建模中存在的预测精度低、鲁棒性差等问题,构建一种用于往复式压缩机参数预测的CEEMD-FCM＆MLF-LSTM网络。该网络包括数据处理层、信息学习层和预测输出层。在数据处理层中利用CEEMD-FCM算法对多参数运行数据进行数据处理、特征信息提取。在信息学习层中通过MLF-LSTM学习模糊模态的时空特征信息及其变化规律,并进行数据重构。在预测输出层中,对参数预测结果进行反归一化后输出预测结果。实验结果表明,CEEMD-FCM＆MLF-LSTM网络能够对不同类型的压缩机运行参数进行预测,预测精度高、鲁棒性好。针对往复式压缩机参数类型复杂、故障预警不及时等问题,提出了一种多源信息融合的故障预警策略。该策略将往复式压缩机设备的多类参数变化信息融合为气阀健康值,再根据预警阈值及预警约束条件等综合分析设备健康状态,进而实现往复式压缩机气阀故障预警。实验结果表明,本文所提故障预警方法在预警准确度、稳定性和灵敏度等方面具有很好的预警性能。基于本文所提算法,设计了一套往复式压缩机故障预警系统软件。该软件系统主要包括模型预警与更新、数据收集与整理、设备状态可视化多个功能模块,将针对多源信息融合的往复式压缩机故障预警的理论研究成果应用于工业生产当中。