离心压缩机振动故障分析与处理

鲁悦　刘悦

【摘 要】本文主要针对离心压缩机的故障类型、基于神经网络的离心压缩机故障诊断、基于小波分析的离心压缩机故障诊断以及案例分析（二氧化碳离心压缩机的振动分析与故障分析）进行简要分析，仅供参考。

【关键词】离心压缩机；振动故障；处理

一、离心压缩机的故障类型

离心压缩机的故障类型比较多，其中90%属于振动问题，着重分析离心压缩机在工业生产中的振动问题。振动故障是由不同的原因造成的，规划离心压缩机振动故障的类型，如：

1、转子偏移，临界转子之间的中心线，没有在规定的位置上，明显倾斜，此时离心压缩机会长周期的振动，解决转子偏移时，要排除外力的干扰，实行热态处理。

2、转子弯曲，转子轴未处于中心线处，如果是由转子弯曲引发的离心压缩机振动，则需要采用对应的修复措施。

3、转子不平衡，当离心压缩机的转子轴心线外侧，呈现不平衡质量时，导致转子出现周期性运转偏离，离心压缩机在转子偏离的带动下，表现出振动故障，此类故障需要检查转子是否出现质量问题，重新平衡转子。

4、轴承间隙过大、油质变差、油温过高、联轴器不对中等常见故障，也均会表现出振动故障，此类故障需要做出相应的维修保养来解决。

二、基于神经网络的离心压缩机故障诊断

离心压缩机的故障与引发原因之间，存有非线性的关系，所以利用神经网络诊断的方法，在根本上分析离心压缩机的运行，通过离心压缩机自身的组织变化，诊断其在工业生产中的故障。起初离心压缩机的故障诊断，采用了谱图的方式，但是谱图诊断缺乏故障信号，无法准确判断故障类型，因此工业领域内将神经网络引入到离心压缩机故障诊断中。

SOM根据离心压缩机的运行，构成了分析与竞争同时存在的诊断系统，当离心压缩机出现运行故障时，SOM会主动判断故障的属性，由于属性之间的神经元具有权值连接，所以神经元存在控制作用。SOM神经网络为诊断离心压缩机的故障，创建输入层，通过输入层判断离心压缩机对外界因素的反应。离心压缩机潜在的故障对SOM神经网络存在干预性，影响原本设定的参数，导致参数部分出现明显的异同，而SOM神经网络将故障信息作为判别条件，输入到神经网络系统内，便于快速诊断出离心压缩机的故障。

三、基于小波分析的离心压缩机故障诊断

小波分析是除神经网络以外，离心压缩机故障诊断的另外一种方式，同样具備准确诊断的能力。小波分析在离心压缩机故障诊断中的原理是利用小波变换的过程，处理离心压缩机的故障信号，其在故障诊断方面有一个明显的优势，即：实现局部诊断，缩小故障识别的范围，提高故障检修的准确度。分析小波分析在离心压缩机故障诊断中的应用，如下：

1、小波分析的网络结构。小波分析在离心压缩机故障诊断中同样可以形成神经网络结构，描述压缩机的基本特性。小波分析获取离心压缩机潜在的故障信息后，会调节参数，与预先设定的相吻合，待参数调节完成后，小波分析逐步降低输入值，层次性分解离心压缩机传递出的故障信号，准确判断离心压缩机的故障。例如：离心压缩机表现出故障特征后，小波分析会将故障信息传达出的参数划分成三个层次，完成神经网络结构的构建，第一层是输入层，主要是小波变换后，在离心压缩机内获取的故障参数，具有明显的特征向量；第二层是输出层，用于形成故障诊断的模型，体现小波分析神经网络结构的分析作用；第三层是隐含层，此部分的神经元数目比较多，构成了复杂的网络结构，在小波分析故障诊断中发挥评估与评价的作用，明确诊断出离心压缩机的故障。

2、小波分析的诊断算法。小波分析在离心故障中的诊断算法，用来比对预设与实际数据，同时将两者的误差作为目标函数的根本，适当调整诊断结果，促使其满足小波分析的调整条件，以此来诊断出故障结果。小波分析的诊断算法可以分为两个部分，分析如：前向计算，按照小波神经网络的计算起点，逐层推进计算，此算法流程中，必须确定前一层的数据信息后，才能进行后一层的输出，保障数据传播阶段的准确性，避免遗漏离心压缩机的故障信息，前向计算在小波分析的诊断算法中，属于前向传播，具备准确计算的优势，规避故障诊断算法中不确定的影响因素；权值调整，此流程部分需要以输出层为起点，根据小波分析之间的计算层次，依次执行权值计算，在此基础上，调整权值的数据，其与前向计算存在明显的不同，小波分析将此部分诊断算法定义为反向传播，用于规避计算中的误差。

四、案例分析（二氧化碳离心压缩机的振动分析与故障分析）

1、离心压缩机转子的模态分析

1.1三维实体建模

共振是离心压缩机多见的恶性故障类型，因而首要确诊离心压缩机是不是有共振的可能。模态剖析是构造动态设计和故障确诊的重要办法。通过模态剖析可断定构造在某频率范围内各阶首要固有特性，由此可猜测该构造在各种振源效果下的振荡呼应。

有限元剖析是广为使用的一种现代数值剖析办法，其中心思维是将实践工程构造离散为有限数目的规矩单元组合体，可用其剖析机械构造的振荡特性。选用有限元办法对离心压缩机的转子进行模态剖析，首要判断该机组的振荡呼应。

软件ANSYS中进行分析，选用Solid92单元模拟转子。针对离心机组的材质确定模型的密度为7800kg/m3，泊松比为0.25，弹性模量为200GPa，采用均匀网格划分，使结构刚度矩阵和质量矩阵的元素不致相差太大，以减小数值计算误差。所采用的单元长度为0.01m，三维实体模型的有限元划分网格，如图2所示。

1.2仿真结果。应用ANSYS软件对离心压缩机的转子进行模态分析，求出离心压缩机转子的前六阶振型图，如图3所示。

从图3的第一、二、三阶振型图可以看出，转子在叶轮的边缘和轮盖处产生的变形较严重，转子两端振动较小。第四阶、第五阶振型中转子产生了扭曲变形，转子的叶轮产生左右方向的摆动，此时转子的破坏最严重，但转子两端振动不明显。第六阶振型在底端的振动比较明显。从图3中可以看出MCL1004转子本身存在较大变形隐患，当达到14000r/min的高速高频运转时，振动响应特性造成故障的可能较大。

如果离心压缩机实践的作业频率与其自振频率接近，将会发生很大的振荡，从而使压缩机转子严重变形。为了确保压缩机安全作业，压缩机的设计转速要避开转子的固有频率，使其远离共振区，不然就会有共振的风险。经过有限元核算后得到离心压缩机转子的六阶固有频率，如表1所示，离心压缩机组不存在共振故障的也许，因而将经过在线监测的数据进一步断定故障类型。

2、振动测试与故障诊断

2.1在线监测试结果。紧缩机组尽管一向进行在线监测，机组构造和测点布置，如图4所示。但从监测体系中调出的趋势波形、频谱、轴心轨道等大量的振荡数据中很难找到有用的故障信息。因而首先对振荡数据进行对比和分析，发现数据中首要呈现振荡反常的测點别离为测点13、14、15、16。然后，对比故障呈现前后的振荡状况，提取了故障发生前10月1日和故障发生后10月20日时上述测点的监测数据。测点14的频谱图别离如图5、图6所示。测点16的频谱图别离如图7、图8所示。

测点13、14的轴心轨迹分别如图9、图10所示。测点15、16的时序图与轴心轨迹图如图11、图12所示。

2.2振动分析

由图5～图8可以看出，从10月1号和10月20号的频谱分析（测点14和测点16）来看，二倍频分量变化不明显，振动爬升的主要成分表现为工频分量。由此可排除由于对中不良引起的故障类型。另外，离心式压缩机的转子自由端未连接联轴器，但实测时该测点的振动值很大，因此可以排除不对中故障。

从测点13、14以及测点15、16测点振动爬升前后的时域图和轴心轨迹来看，信号中存在大量的高倍频分量，高压缸前后轴承处轴心轨迹紊乱且含有大量尖点、轨迹重复性较差，这表明转子系统运行不稳定，可能具有碰磨故障特征。但由于振动爬升前后高倍频分量基本没有变化且幅度不大，振动爬升后碰磨现象并未加剧，说明碰磨故障并非产生振动剧烈的主因。

由于主要振动分量是由于基频分量急速增大所引起的，而且工频分量的相位在此过程中出现了偏移，表明机组的平衡状态已经发生了变化。由图6和图8可以看出在转子径向的频谱图上，转速频率成分具有明显峰值。当转动频率小于固有频率时，振幅随转动频率的增加而增加；当转动频率大于固有频率后，转动频率增加时振幅趋于一个较小的稳定值；当转动频率接近于固有频率时，振幅具有最大峰值。而且频谱图中，谐波能量集中于基频，同时转子的轴心轨迹近似为椭圆，如图10、图12所示。以上特征都是转子不平衡的特征。因此，可以判定造成高压缸振动剧烈的主要原因是转子平衡被破坏造成的。

结束语

分析离心压缩机的故障时可以得出，其在工业运行中具有多样化的表现，增加了故障诊断的压力。离心压缩机的故障诊断，基本采用的是科技含量比较高的诊断技术，通过准确的诊断，识别离心压缩机中的故障，控制其在工业生产中的运行状态，发挥离心压缩机的工作优势，进而优化离心压缩机工业生产的环境，提高效益能力。

参考文献：

[1]叶满意.离心式压缩机的工作原理、常见故障和解决措施[J].中国石油和化工标准与质量，2012，06：227.

[2]施永强.浅谈离心式水泵的故障分析与处理[J].科技视界，2012，22：192+150.

[3]陈虹微，王荣杰.基于模型的离心压缩机电机振动应用研究[J].徐州工程学院学报（自然科学版），2012，04：69-73.

[4]杨程.石化行业离心压缩机常见振动故障分析及处理方法[J].中国石油和化工标准与质量，2014，08：252.