基于化工机械压缩机设备金属零件故障诊断及处理措施
2019-08-13张展
张 展
(中信钛业股份有限公司,辽宁 锦州 121005)
随着我国经济的快速发展,与化工机械压缩机设备相关的行业也都进入高速发展时期。在企业获得经济效益的同时,也面临着很大的安全风险。由于人为或非人为的原因等造成压缩机设备的金属零件出现故障,导致的重大事故比比皆是,不仅给企业带来了巨大的损失,还可能给相关的工作人员造成伤害。化工机械压缩机设备金属零件出现故障除了相关的监管制度不完善的原因,更重要的原因是故障诊断方法的落后与不完善。由此可见金属零件故障诊断有着非常重要的现实意义。基于此,通过对化工机械压缩机设备金属零件故障的识别与故障信号特征的提取,对金属零件进行准确的诊断,并提出相应的处理措施,希望能够为提高化工机械压缩机设备的运行周期提供一些方法上的借鉴。
1 基于化工机械压缩机设备金属零件故障诊断
化工机械压缩机设备金属零件的状态信息,如同人的健康信息蕴含在心跳频率、血压、提问等信息中,这些金属零件的运行状况也能够通过振动频率、零件运行温度等信号识别出来。我们对金属零件的这些故障信号进行识别,然后对其特征值进行提取,最终就可以通过对金属零件特征集的分析得出相对应的故障,完成化工机械压缩机设备金属零件的故障诊断。接下来我们对金属零件的故障诊断进行详细分析。
1.1 化工机械压缩机设备金属零件故障的识别
基于化工机械压缩机设备来说,由于其结构复杂,运行环境比较恶劣,受外部干扰因素的影响也比较大,画工机械压缩机设备的金属零件出现的故障也就具有一定的特征,如故障的纵向性。当机械压缩机设备的地脚螺丝这一零件松动脱落,就会引起整个设备明显的剧烈振动[1]。还有故障的关联性,即化工机械压缩机设备在运行中,有可能出现多个故障。以化工机械压缩机设备存在故障的特征为前提,对机械设备金属零件故障的识别主要是通过两种方式进行。一种是根据测试信号的频谱进行识别,主要是分析设备金属零件振动信号的功率谱、幅值和振动频率等,从而完成对机械压缩机设备金属零件运行状态的识别。另一种则是通过测试化工机械压缩机设备的主轴摆动幅度完成的,主要是利用机械设备的轴心轨迹[2]。以化工机械离心式压缩机的振动信号为例,压缩机振动信号的具体数据信息见图1。
图1 压缩机振动信号频谱图
图1 中可以明显的看到,压缩机主要的振动频率分别是100Hz和200Hz,而且主振动频率附近的能量值最大。通过对压缩机设备振动信号的识别,能够进一步地对其金属零件的故障进行初步判断,可能是由于转子不对中、零件弹簧失效或是支撑零件松动等原因造成的异常振动。实现对化工机械压缩机设备金属零件故障的准确诊断,还需要进行故障信号特征的提取。
1.2 化工机械压缩机设备金属零件故障诊断
在进行化工机械压缩机设备金属零件故障的识别之后,还需要对其故障信号进行特征值的提取,才能实现故障的准确诊断。信号特征的提取是化工机械压缩机设备金属零件故障诊断的关键环节之一。信号特征提取的完整性和准确性对金属零件故障诊断的精确性有着直接的影响。压缩机设备金属零件故障信号特征的提取主要是服特征信号进行去噪处理,提取与设备金属零件运行状态相关的数据信息[3]。以这些数据为依据,进行金属零件故障的深入诊断。小波包变换去噪处理主要对获得的设备振动频谱信号进行分解,分解为四层。分解后得到从低到高频率的十六个子频带系数,然后进行系数重构。重构得到频域上的各分量信号分别是X40, X41,.........X415。那么各个频带信号相对应的能量是E4j(j =0,1,.......15):
公式中,代表子频带数;代表系数;代表时间。得到能量值之后,为了方便分析,对能量信号值进行归一化处理,得到:
采用归一化的方法进行处理后,就能够得压缩机设备振动信号的特征向量[4]。化工机械压缩机设备金属零件常见故障特征信息可参考表1。通过对压缩机设诶金属零件故障的识别以及故障特征信号的提取便能够实现对化工机械压缩机设备金属零件的故障诊断。
表1 压缩机设备金属零件常见故障特征
2 金属零件故障的处理措施
首先根据上述的金属零件故障诊断,针对出现的故障采取相应的处理措施。如转子不对中造成的设备振动,对压缩机设备的自由端轴承进行维修,根据设备的实际运行情况,把轴承中所加的铜片厚度进行适当调整,重新安装并开机后,发现压缩机设备的振动量明显减小,并对其振动信号进行重新测量,发现其振动频谱稳定,高倍频的幅值大大减小,而且基本上消除了高次谐波、低次谐波和组合谐波,化工机械压缩机设备实现正常运行。再次,针对转子与静止摩件的故障,采取调整金属筛框结构与主振弹簧刚度的治理措施,确保金属零件筛框的动态性能和主振弹簧竖向振动的量级保持一致[5],这样,就能够降低筛板结构的振动噪声,从而降低整个金属零件的噪声,保证压缩机设备的正常运行。
3 结束语
通过对化工机械压缩机设备故障的识别以及故障信号的提取,实现了对其金属零件故障的准确诊断,并其除了针对性的处理措施,很大程度上减少了化工企业的经济损失,保证机械压缩机设备的正常生产。但是,压缩机设备金属零件故障诊断由于相关智能理论与故障集的因素,还有很大的提升空间,这有待于进一步的研究。