基于改进灰色神经网络的往复式压缩机振动趋势预测模型

往复式压缩机振动趋势预测是往复式压缩机状态识别的重要技术研究内容。针对往复式压缩机振动信号特征样本少、非平稳、非线性等原因,提出了基于改进灰色神经网络的压缩机振动趋势预测算法。该方法首先提取往复式压缩机振动特征,利用遗传算法优化灰色神经网络并建立预测模型,将振动特征作为模型输入,形成了往复式压缩机振动趋势预测新模型(GA-灰色神经网络模型)。对某往复式压缩机输入主轴轴承部位振动测试实验分析表明,新模型与灰色GM(1,1)模型、灰色神经网络模型相比,具有更高的预测精度。灰色GM(1,1)模型预测值与实际值相比,相对误差高达21%~27%灰色神经网络模型的预测误差为14%~19%;新模型与实际值吻合良好,相对误差小于12%,其预测精度最高,更适合用于往复式压缩机振动趋势的状态预测和评判。

大功率往复式天然气压缩机组的故障诊断研究

大功率往复式天然气压缩机组是油气集输中的重大关键核心设备。针对6RDSA-1型往复式压缩机组,提出了新的组合故障诊断模型。该模型是采用性能参数诊断法、故障树法、振动分析法、示功图法等4种故障诊断方法,作为天然气压缩机故障诊断系统的4个独立的单项诊断模块来进行综合故障诊断,且每一单项诊断模块具有独立的特征提取、诊断和逻辑处理过程。该组合诊断模型包括数据采集、数据分析以及故障诊断三个模块,实现了在线监测、故障诊断以及故障预测等全过程。以Lab Windows/CVI为平台开发了天然气压缩机系统诊断软件,明显提高了设备的安全性和综合管理的水平。

基于ABAQUS的五缸泵头体有限元分析

对某五缸柱塞泵泵头体应用ABAQUS软件进行了三维有限元分析,获得了泵头体的应力分布规律,找到泵头体容易出现危险的位置,并对泵头体的危险截面进行结构优化,由最初的最大应力336.1MPa优化到242.5MPa,优化后的最大应力分布主要集中在缸腔和出口腔相贯的位置。同时针对优化后泵头体的模型尺寸,得到泵头体在不同工况下应力的变化趋势,为五缸泵头体的使用提供一定的参考依据。