基于喘振谱分析的压缩机故障智能检测技术研究

王玉生　曹建　张毅

摘要：为了实现对压缩机故障的准确诊断和实时检测，保证天然气压缩机的稳定运行，提出一种基于喘振谱分析的壓缩机故障智能检测技术。对在故障工况下的天然气压缩机喘振时间序列进行样本数据采集，对采集的样本数据进行故障信号特征提取，采用小波变换方法进行压缩机故障信号的时频分解，运用喘振谱分析方法提取故障特征参量，以提取的故障特征参量为测试样本集，通过故障分类器实现故障智能检测识别。仿真结果表明，采用该方法进行压缩机故障检测的准确检测概率较高，对故障点的定位识别性能较好，实现天然气压缩机故障的智能诊断。

关键词：喘振；谱分析；天然气压缩机；故障；智能检测

0引言

天然气压缩机作为西气东输工程的重要压气设备，常年工作在复杂恶劣的工况环境下，工作的时间周期较长，且天然气压缩机的自身结构复杂，机械零部件组成较多，导致天然气压缩机故障频发，需要进行天然气压缩机故障有效诊断和检测，保障天然气运输工程的有效运转。研究压缩机故障智能检测技术，提高故障定位检测的实时性和准确性，保障压缩机在无故障状态下运行，从而促进天然气西气东输工程的高效运转，研究压缩机故障诊断方法具有重要的工程实践意义。

对压缩机的故障诊断和检测技术的研究是建立在故障信号的检测和特征提取基础上，通过提取反映故障类别属性的特征参量，结合分类判别和模式识别方法实现天然气压缩机故障诊断，主要的故障特征提取方法有时频特征提取方法、统计特征提取方法、谱特征提取方法和子空间特征提取方法等，并把提取的故障特征输入到故障专家系统数据库中，实现故障识别，取得了一定的故障诊断效能，例如，文献中提出一种基于倾斜因子K均值优化数据聚类的压缩机故障诊断方法，对提取的压缩机谱特征进行K均值聚类分解，实现故障类别判别，但该方法计算开销较大，故障检测的实时性不好；文献提出一种基于相空间重构和K-L变换的压缩机故障诊断，用相空间重构技术提取天然气压缩机在故障工况下的高维特征量，为了降低特征维数，采用K-L特征压缩器实现故障特征压缩，降低了计算开销，但该方法对压缩机故障检测的准确性不高。

针对上述问题，本文提出一种基于喘振谱分析的压缩机故障智能检测技术。首先对在故障工况下的天然气压缩机喘振时间序列进行样本数据采集，对采集的样本数据进行故障信号特征提取，然后采用小波变换方法进行压缩机故障信号的时频分解，运用喘振谱分析方法提取故障特征参量，以提取的故障特征参量为测试样本集，通过故障分类器实现故障智能检测识别。最后进行仿真测试，展示了本文方法在提高对压缩机故障检测性能方面的优越性。