大型往复压缩机故障特征及诊断技术分析

张鹏飞 金鑫 潘昌霞

摘 要：大型往复压缩机是现代工业生产中不可缺少的重要设备，在高效、稳定等技术要求的基础上，其可靠性受到广泛重视。本文基于研究现状对大型往复压缩机的故障机理及特征进行归纳，对传统诊断技术和目前运用较多的故障诊断新技术进行分析比较，提供了各种方法的适用性及优缺点，为往复压缩机状态监测和故障诊断技术的发展提供参考。

关键词：往复压缩机;故障;特征提取;可靠性;诊断

中图分类号：TH16;TB652 文献标识码：A 文章编号：1671-2064（2019）10-0030-02

0 引言

大型往复压缩机在石化企业生产过程中起着举足轻重的作用。随着炼化企业生产规模的大型化，在提高往复压缩机产能的同时，也对整机机组的运行安全、高效、稳定提出了更高的技术要求。由于往复压缩机结构复杂，易损件较多，同时其压缩介质多为氢气、硫化氢、乙烯等易燃或有毒气体，因发生故障导致危险介质泄露而引发火灾、爆炸等恶性事故，不但会造成不可估量的国民经济损失，更严重的会危害人民的生命财产，因此对大型往复压缩机故障的分析与诊断技术越来越得到企业和研究机构的重视。

国内外众多学者对往复压缩机故障机理和诊断方法进行了研究。国内的西安交通大学、北京化工大学、中国石油大学等分别对压缩机故障机理、各种故障特征与成因、故障特征的提取方法等进行了研究[1-3]。国外学者则对压缩机关键部件的磨损对压缩机性能的影响进行了监测[4]，同时有学者基于常规参数建立知识库，用于往复压缩机运行信号监测与故障诊断。随着网络技术发展，遗传算法、神经网络技术被广泛的应用于往复压缩机的故障信号分析与诊断中。在此基础上，国内外多个研究机构与企业开发了压缩机在线监测与分析系统，如德国的Prognost监测系统，美国Dynalco的9260CR系统往复压缩机状态诊断仪[3]等。国内由北京化工大学研发的BH5000R往复压缩机在线监测系统也得到了较好的应用。

从目前往复压缩机故障诊断技术的发展来看，由压缩机整体结构的复杂性及激励源多的特点，故障信号多为非线性[6]，同时噪声对故障特征的提取与识别的影响较大，因此目前各种针对压缩机的故障诊断的方法各有千秋。本文基于多家应用企业的大型压缩机的维护与服务，对生产过程中出现的各种故障问题进行了探究，针对目前应用广泛的主要方法进行比较分析。

1 大型往复压缩机故障机理及特征

对压缩机故障机理的分析研究早在20世纪60年代已经展开，但多通过观察、监测压缩机参数与振动信号的异常来判断故障原因，或通过大量的调研数据统计压缩机关键部件的故障概率，如图1[4]所示。各种故障表现及可能的故障原因见表1。

结合图1和表1可以看出，往复压缩机的常见故障发生于多个关键部件，且概率相对平均，同时故障表现对应多种故障原因，因此通过监测数据直接判断故障的难度很大。同时必须指出大型往复压缩机的关键部件如曲轴，由于列数增加，轴系结构更加复杂，在承受热、力、介质激励等多因素的共同作用，其故障信号表现多为耦合信号，很难通过单一监测数据进行故障定位和分析。因此基于监测数据对故障诊断方法的研究尤为重要。

2 大型往复压缩机故障诊断技术分析

与常规的压缩机相比，大型往复压缩机组的结构更加复杂，处理气量更大，其关键部件如曲轴、连杆、气缸的受力、介质流动情况更加复杂，同时因功能对其密封性、冷却系统、管路振动的要求更高，传统的诊断方法难以应付如此复杂的情况，因此发展新型故障诊断技术成为必然。

2.1 传统诊断方法

传统的诊断方法通常按故障类型分为三类：与热力学相关的参数法（监测压力、温度、流量）、与机构动力学相关的振动监测分析、和考虑摩擦磨损的油液分析法。这三种方法的检测对象不同，诊断的功能也不同。参数法主要针对气缸压力信号进行监测，通过示功图、温度变化初步诊断故障原因[7]，但对故障进行定位及排除还不准确。同时示功图无法直接测取也限制了该方法的广泛应用。随着大型工程软件运算能力的提高，振动分析在压缩机的故障诊断得到广泛应用，但是由于大型往复压缩机结构及运动形式的复杂性，激励源及各向力的耦合，导致故障特征提取困难，同时振动分析需要对实际工况进行简化，其分析结果还需其他诊断方法辅助。油液分析针对配合件的接触表面的磨损进行监测，该方法应用面较窄，同时监测周期长，实时在线监测的效果差，也不能很好的体现故障诊断的效率。

2.2 故障诊断新技术

人工智能和大数据技术的发展为往复压缩机的故障诊断提供了新方法，一方面检测技术的提升（使用新型高精度的检测仪器），实现数据实时、高效、准确传输。另一方面采用时频分析方法，如小波及小波包分析、Hilbert-Huang（HHT）法，有效提取故障的特征信号，采用神经网络、遗传算法、人工免疫法等[8]对故障信号进行识别，从而实现精确诊断。

（1）神经网络技术结合模糊模式匹配应用在故障诊断系统中，解决了大型往复压缩机监测信号复杂多样，难于处理的问题，但诊断结果的可靠性还需建立专家系统知识库作为神经网络自学习的主要来源。

（2）当特征信号的提取困难造成有效数据较少时，可以采用支持向量机或人工免疫法等，支持向量机法具有以较少的数据快速逼近和泛化能力，其快速反应能力在故障诊断方面得到廣泛重视。

3 结语

大型往复压缩机的发展确定了故障诊断在其工艺、技术发展过程中的重要地位。在常规的故障诊断方法的基础上，针对不同敏感特征的状态参数，采用灵敏度高、可靠性高的新型检测装置获得准确数据，应用现代智能理论对多源信号耦合的故障信息进行提取和识别，同时建立完善的专家评价信息库，实现大型往复压缩机监测与故障诊断一体化系统是未来有关大型往复式压缩机技术研究的重要课题。

参考文献

[1] 余良俭.往复压缩机故障诊断技术现状与发展趋势[J].流体机械，2014（1）：36-39.

[2] 张谦，舒悦，王乐等.往复压缩机故障诊断方法研究概述[J].流体机械，2018，46（3）：37-41.

[3] 赵贺嘉.大型往复式压缩机状态监测与故障诊断技术的应用[J].中国石油和化工标准与质量，2016，36（17）.

[4] 陈峰，纪琳，林振宇等.大型往复式压缩机的状态监测与诊断[J].管道技术与设备，2010（4）：25-27.

[5] 刘久城.往复压缩机的故障诊断研究[J].化工管理，2013（22）：18-18.

[6] 唐友福，刘树林，刘颖慧等.基于非线性复杂测度的往复压缩机故障诊断[J].机械工程学报，2012，48（3）：102-107.

[7] 高晶波，王日新，徐敏强.基于示功图修正的往复压缩机气阀故障诊断方法[J].压缩机技术，2009（3）：4-8.

[8] 赵海洋，王金东，刘树林等.基于神经网络和支持向量机的复合故障诊断技术[J].流体机械，2008，36（1）：39-42.