燃驱压缩机组气路故障预测诊断与健康管理技术

在管道行业中,燃驱压缩机组的健康状态不仅有利于企业稳定、科学、高效地运营,而且可保证管道输送安全、减少运行成本。参考并借鉴国内外相似平台的优点与成功经验,采取科学有效的手段,为建立燃驱压缩机组气路故障预测诊断与健康管理(PHM)系统,开展了以下研究:使用模块化建模的方法建立气路性能分析模块,基于准确非线性机组模型的气路故障诊断算法进行气路故障诊断;提出一种模拟退火-粒子群优化(SA-PSO)混合算法进行故障诊断,该方法兼顾快速性、准确性;建立故障特征降级参数识别库,基于故障特征识别方法建立故障概率分析模型,得出量化的概率指标衡量气路部件的状态。实例应用结果表明:建立的燃驱压缩机组气路分析程序,实现了对燃气轮机运行状况的实时掌握,能够及时发现并诊断运行中出现的故障,具有较高的应用价值。(图10,表2,参38)     

电驱离心式压缩机组的单节点蚁群算法轴振报警策略

电驱离心式压缩机组在稳态运行期间有可能发生导致轴振通频振幅异常变化的故障,但这种变化不一定能够触发报警,进而造成故障不能被及时发现,影响设备安全运行.为了使轴振通频振幅发生异常变化时及时发出报警信息,选取转速、轴振通频振幅作为关键参数,综合应用信息素、容错半径、扩展范围等参数,设计了基于单节点路径蚁群算法的轴振报警策略...     

基于VMD和KFCM的轴承故障诊断方法优化与研究

针对机械设备轴承故障振动信号具有强噪声、非线性、非平稳特性并致使故障特征信息难以提取的问题.提出了一种利用变分模态分解(Variational Mode Decomposition, VMD)和改进模糊聚类算法相结合的机械故障诊断新方法.首先,对采集的故障数据采用VMD和奇异值分解方法进行预处理,去除异常值及噪声;然后,采用核模糊C均值聚类(Kernel-based Fuzzy C-Means clustering, KFCM)算法来进行不同故障类型数据划分,通过计算分类系数、平均模糊熵和海明贴近度对其分类性能进行评估;最后,利用粒子群算法(PSO)对KFCM训练状态的参数进行优化.通过仿真分析和实验数据验证,该方法不仅表现出更优的分类性能,能精确、稳定进行故障识别,而且只需要少量样本数据进行训练,从而使诊断的工作量和诊断时间大为减少,为大型旋转机械设备在线故障诊断提供了理论依据.     

离心式压缩机组径向摩擦振动分析及故障处理

离心式压缩机组径向摩擦发生位置与严重程度的准确诊断有助于及时排查径向摩擦的故障原因,迅速、妥善处理径向摩擦,保障长距离天然气输送管道的安全稳定运行.通过研究径向摩擦的产生机理,对离心式压缩机组的局部径向摩擦、局部摩擦热弯曲、全周摩擦等径向摩擦故障的振动状态进行剖析,利用离心式压缩机组表现出的异常振动现象判断其是否发生径...     

基于粒子群优化支持向量机的电梯故障诊断

电梯故障时,具有故障特征提取困难和故障类型识别率低的问题。因此,拟提取其振动信号并进行分析,找到故障特征。然而,鉴于其振动信号为非平稳、非高斯且背景噪声较大的信号,给有效辨识造成很大困难,所以,提出应用最优小波包分解和最小二乘支持向量机相结合进行电梯智能故障诊断的方法。借助最优小波包理论,首先提取电梯故障振动信号的能量分布;然后将其能量分布与时域指标相结合,构造故障特征向量;最后,将故障特征向量作为粒子群算法优化最小二乘支持向量机的输入对电梯故障类型进行识别。仿真结果表明,最优小波包理论与最小二乘支持向量机相结合的故障诊断技术发挥了两者的优势,证明了该方法的有效性和实用性。     

基于变量预测模型的模式识别方法在滚动轴承故障诊断中的应用

将基于变量预测模型(Variable Predictive Model based Class Discriminate,VPMCD)的方法引入滚动轴承的故障诊断,提出了基于EMD(Empirical Mode Decomposition,EMD)和VPMCD的滚动轴承故障诊断方法.采用EMD方法提取滚动轴承振动信号特征向量后,以VPMCD作为模式识别方法对滚动轴承的工作状态和故障类型进行分类.对正常状态、外圈故障、内圈故障3种不同类别下的滚动轴承振动信号进行了分析,结果表明了该方法在滚动轴承故障诊断中的有效性.同时,与人工神经网络(Artificial neural network,ANN)算法的对比分析表明,VMPCD算法分类性能的稳定性以及计算效率均要高于ANN算法.     

离心式天然气压缩机自适应性能曲线生成方法

压缩机作为天然气输送管道的动力设备,其运行方案直接影响管道的整体调控与运营效率。离心式压缩机性能曲线是制定运行方案的主要依据,但由于管道运行工况与压缩机性能状态变化的影响,曲线具有时变性。通过对比最小二乘法、BP神经网络及自适应神经模糊推理系统（Adaptive Neuro-Fuzzy Inference System,ANFIS）算法生成性能曲线的准确度,提出了一种基于ANFIS的自适应性能曲线生成方法,通过不定期输入压缩机的实时运行数据修正性能曲线ANFIS映射网络,获得不同时期的实时性能曲线。采用所提出的方法生成某压缩机2018年的实时性能曲线,对方法的有效性和准确性进行了验证,结果表明：基于ANFIS的自适应性能曲线生成方法得到的压缩机运行曲线与实际运行曲线相对误差小于3%,满足现场工程精度要求。研究成果可为离心式压缩机性能分析、能耗评价及运行方案制定提供理论基础。（图8,表2,参22）     

EMD方法在齿轮故障诊断中的应用

将EMD（Empirical Mode Decomposition）方法应用于机械故障诊断中，提出了一个新的齿轮故障诊断方法。EMD方法基于信号的局部特征时间尺度，能把复杂的信号分解为有限的内在模态函数（Intrinsic Mode Function）之和，这种自适应的分解方法非常适于非线性和非平稳过程的分析。用该方法对齿轮故障振动信号进行了分析，结果表明该方法能够有效地降低噪声，提高信噪比，突出齿轮故障振动信号的故障特征，从而提高齿轮故障诊断的准确性。     

基于小波包的水力机组振动故障信号消噪方法研究

在水轮发电机组故障诊断中,提取监测信号中的奇异信号特征,对准确判断机组运行状态具有重要意义。研究充分利用水力机组振动故障信号的特征和小波包的特点,采用小波变换的方法,通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析,并针对南桠河姚河坝水电站水轮发电机组实测数据进行检验,取得了良好效果。表明所研究的故障信号消噪方法能有效地从信号中提取信息。     

精准农业中管理区划分方法研究

综述了近年来国内外在精准农业中农田管理区划分上应用的主要方法,包括K均值聚类算法、模糊C均值聚类算法、加权模糊聚类算法、粒子群优化算法以及改进的蚁群聚类算法。概述了各种方法的原理,比较了各种处理方法的优缺点,并对分区方法做了简要概括,最后指出了目前研究中存在的问题及今后的研究方向。     

基于K均值聚类改进的蚁群算法研究

蚁群优化算法(ACO)在求解TSP(traveling salesman problem)问题时,其算法的时间复杂度为O(m·n2·t)(其中t表示循环次数,n为城市数,m为蚂蚁数),搜索时间比较长。利用K-means聚类的方法得到多个类,每一个类都看作是一个小的TSP问题,然后在每个类内部和类之间利用改进的蚁群算法寻找最优路径,通过实验仿真,验证了此方法不但能提高解的精度,而且还加快了运行速度。     

电驱离心式压缩机组冷态对中的影响因素

电驱离心式压缩机组联轴器处的对中会影响机组的运行稳定性,因此需要在现场进行校验,并修正压缩机生产厂家的冷态对中数据,以确保冷态对中的准确性,提升对中质量。根据离心式压缩机组的结构及运行特点,分析机组冷态与正常运行状态时的差异,得出冷态对中的影响因素,并提出了计算和修正冷态对中数据的公式。从热膨胀、轴上升高度、顶升高度、工具挠度4个方面分析其对离心式压缩机组冷态对中的影响。在计算材料热膨胀数值的过程中,发现其具有明显的线性关系,据此简化了热膨胀数值的计算方式。通过状态监测工具得出转子轴中心的上升高度,并对冷态对中过程中的转子顶升高度进行修正,最终得出修正的冷态对中数据,对指导压缩机组开展冷态对中具有一定借鉴意义。     

基于改进的粒子群和蚁群算法的高光谱森林聚类研究

高光谱图像分类可分为监督分类与非监督分类,聚类分析进行非监督分类是一种现今比较受研究者广泛关注的技术.粒子群算法具有自适应、自组织性、可同时进行局部和全局搜索等特点;蚁群算法通过智能个体间不断进行信息交流和传递,具有较强的发现最优解的能力.提出一种基于改进的粒子群和蚁群算法的高光谱图像聚类方法,设计其模型并将其应用在森林类型分类问题上,提高分类精度,减少人工干预.以吉林省汪清林业局为研究区,通过修改粒子群的惯性系数,得出最优解集,然后利用蚁群寻优的过程对阔叶林、针叶林、混交林、水体进行聚类分析,区分精度达到85％证明,该方法能较好地识别森林类型.     

基于概率神经网络的液压泵故障诊断

液压泵是液压系统的核心,其运行状态的好坏直接影响整个系统的性能。针对液压泵工作过程中出现的故障,运用神经网络方法进行故障诊断具有显著优势。分析概率神经网络基本结构以及训练算法,建立液压泵故障分类的概率神经网络模型。运用采集数据针对分析计算结果表明,基于概率神经网络的故障诊断方法是一种有效的故障诊断方法。     

陕京管道榆林压气站装机运行模式比较

压缩机组作为天然气输送的动力设备,是输气管道的心脏,输气管道运行的安全性和经济性很大程度上取决于压缩机组的可靠性和性能。燃气轮机驱动离心式压缩机和变频电机驱动离心式压缩机作为目前常用的长输管道驱动机型,被越来越多地应用于压气站生产实践中。结合榆林压气站的实际运行情况,通过对两类机组的可靠性、运行效率等性能进行比较,分析了燃机驱动机组和电机驱动机组在管道应用中的优缺点和适用性。通过组网联合控制配置方式弥补了双方的劣势,在发挥更高效率的同时,对输气管道安全、高效运行起着重要作用,对长输管道优化压缩机运行管理有一定的借鉴意义。（图2,表4,参8）     

转子结垢造成的离心压缩机振动故障

针对某天然气增压站离心压缩机转子结垢导致机组振动超标并触发停机的故障,利用状态监测技术结合压缩机输气能力变化、内窥镜检测及拆机检修情况对故障机理进行分析,确定了导致转子不平衡的原因是叶轮结垢。对叶轮和流道垢层进行化验和成因分析,其结果验证了故障诊断技术的实用性与有效性,并且提出了加强过滤排污等防控措施,为天然气长输管道离心压缩机同类故障诊断及处置提供了参考。     

离心式压缩机组转子径向摩擦热弯曲振动响应分析

径向摩擦是离心式压缩机组在运行过程中的常见故障之一，其产生的额外热量有可能导致转子热弯曲，并对转子振动产生复杂影响。为准确识别、诊断该故障，建立了转子振动分析模型，对转子与静子发生径向摩擦并导致热弯曲时的转子相位滞后、转子不平衡量、转子振动响应的变化情况进行分析，研究了不同程度的径向摩擦热弯曲对转子振动造成的影响。结果表明：径向摩擦热弯曲发生时，由于转子相位滞后、转子不平衡量发生变化，转子振动响应将产生一系列富有规律的变化，并通过实例应用对相关理论进行了验证，从而对该故障的识别、分析提供了理论和实践两方面的支持。研究成果可帮助现场工作人员发现径向摩擦导致的热弯曲、判断故障位置、查找故障原因、评估故障严重性、制定维修计划，以期为长距离天然气输送管道离心式压缩机组的安全运行提供有力保障。（图8，表3，参24）     

煤矿掘进机常见故障分析及处理方法

随着大型机械设备在煤矿中的应用,设备的维护、检修和故障诊断就显的更为重要。对煤矿掘进机常见电气系统故障和液压系统故障进行了分析,并提出了诊断方法和解决措施。对煤矿掘进机的正常高效运行,减少掘进机故障起到了积极作用。同时,通过分析与研究,初步构建了煤矿掘进机故障诊断专家系统,根据采集到的掘进机电气系统控制量变化和液压系统中压力温度等数据,自动判断掘进机运行状态,诊断相应故障。     

基于S变换谱图纹理特征的输油泵轴承故障诊断

为了实现输油泵轴承故障的智能诊断与识别,针对输油泵轴承振动信号S变换时频图包含丰富故障信息的特点,提出了一种利用纹理分析对S变换等高线时频图进行特征提取的输油泵滚动轴承智能故障诊断方法。该方法对轴承振动信号进行S变换,将S变换获得的等高线时频图作为纹理图像进行分析,提取其Tamura纹理特征中的粗糙度、对比度、方向度作为纹理特征组成特征向量,采用支持向量机作为分类器实现轴承故障的智能诊断。通过实测轴承故障信号表明:该方法能够获得较高的故障模式分类精度,实现滚动轴承的自动故障识别,因而具有较高的工程应用价值。     

基于回归分析法的离心式压缩机性能模型

建立准确的压缩机性能曲线模型,是天然气长输管网优化运行的关键。受风机定律启发,分析了风机中流量、转速以及多变能量头的关系,将其应用于天然气长输管道压气站场的离心式压缩机,建立了压缩机特性曲线模型。假设一种线性化的压缩机特性曲线关系,采用偏最小二乘法对该特性曲线关系进行回归分析,得出压缩机特性曲线回归模型,并利用多年积累的现场数据将其应用于压气站工艺气流量虚拟测量。研究结果表明:该模型计算准确度较高,工艺气虚拟测量结果误差较小,能够较好地反映离心式压缩机组实际运行特性,为管网优化运行及实时掌握机组运行情况提供了技术保障。