基于特征聚类的压缩机联轴器机构执行故障智能诊断

苏天波　李严　张毅

摘要：压缩机联轴器机构工作负荷较大，故障诱因较多，为了有效准确排除压缩机联轴器机构在执行控制指令的故障，提出一种基于故障关联特征聚类分析的压缩机联轴器机构执行故障智能诊断方法。分析压缩机故障诊断原理，构建故障诊断的总体结构模型，采用传感器信号采集技术进行压缩机联轴器机构的工况数据采集，实现机械故障信号重构，对联轴器机构执行控制信号进行关联特征提取，对提取的故障特征采用模糊c均值聚类方法进行故障特征分类处理，在专家系统中实现机械故障的准确诊断识别。仿真结果表明，采用该方法进行压缩机联轴器机构执行故障诊断，对故障的准确判断能力较好，故障检测的准确概率较高，智能性较好，具有较好的实用价值。

关键词：特征聚类；压缩机；联轴器机构；机械；故障诊断

0引言

压缩机在天然气西气东输工程中承载着天然气的增压输送功能，使得天然气能在管道中安全传输，在天然气西气东输网络工程中，压缩机发挥着关键性作用，是整个天然气传输系统的控制性工程部件。西气东输工程中的天然气压缩机常年处于高压工况状态下，容易出现故障，研究压缩机智能故障诊断方法，在提高压缩机的工作稳定性，实现西气东输工程的安全稳定运行方面具有重要意义。

压缩机联轴器机构是介于电动机和联轴器之间的耦合部件，是压缩机的重要执行单元，采用大规模的集成和分立机械元件构成，机械执行机构构件之间容易出现配合不当、键槽耦合不当以及皮带过松等故障，从而使得压缩机的联轴器机构执行控制指令出现错误。传统的故障检测方法采用人工诊断，通过调整装配部件的位置、紧固弹性圈和换新件等方法实现故障排除，但存在检测精度不高，智能性不好等问题，为了提高压缩机联轴器机构故障的准确诊断能力，相关文献进行了故障诊断方法的改进研究。其中，文献提出一种基于K-means聚类的压缩机联轴器机构振动特征识别和故障诊断算法，根据对压缩机在各种工况下的振动特征进行谱特征提取和故障检测，结合红外成像方法实现机械部件的故障点分析，提高故障识别能力，但是该故障診断方法的实时性不好，时效性不高；文献中提出一种基于模糊减法聚类算法的压缩机联轴器机构故障诊断方法，提取压缩机联轴器机构的振动信息作为原始数据，以此数据为基础进行信号模型构建，根据模糊神经网络控制方法实现故障属性分类识别，提高故障检测精度，但该方法在受到不同故障类别特性的干扰时故障诊断的准确性不好。

针对上述问题，本文提出一种基于故障关联特征聚类分析的压缩机联轴器机构执行故障智能诊断方法。首先分析压缩机故障诊断原理，构建故障诊断的总体结构模型，据此研究生成了机械故障信号重构，然后对联轴器机构执行控制信号进行关联特征提取，并引入故障特征分类处理，最后在专家系统中实现机械故障的准确诊断识别，进行故障诊断仿真分析，得出有效性结论，展示了本文方法在提高故障诊断准确性方面的优越性。