基于支持向量机的往复压缩机气阀故障诊断

提出了一种基于支持向量机的往复压缩机气阀故障诊断方法。把往复压缩机气阀的振动信号作为识别故障的特征向量,运用支持向量机方法,训练后得到用于往复压缩机气阀故障诊断的支持向量机网络。由对测试样本的分类结果可知,支持向量机网络的分类结果和实际故障情况一致。

混沌分形理论在往复压缩机气阀故障诊断中的应用

提出用关联维数来定量描述往复压缩机气阀的工作状态,进而对气阀进行故障诊断。首先采用基于经验模态分解和奇异谱分析的基本思想,对气阀不同状态下的信号进行降躁处理,然后计算了信号的关联维数。分析结果表明,气阀不同运行状况对应的关联维数明显不同,因此可以用关联维数作为气阀不同工作状态的特征参数,从而提高了设备故障诊断的准确率。

基于RBF神经网络的往复压缩机气阀故障诊断

提出了一种往复压缩机气阀的故障诊断方法。把往复压缩机气阀的振动信号作为识别故障的特征向量,送入RBF神经网络中,进行故障类别的自动识别。试验结果表明,该诊断模型对往复压缩机气阀故障诊断具有良好的诊断效果,系统不仅能够检测到往复压缩机气阀故障的存在,而且能够比较准确地识别往复压缩机气阀的故障模式。

基于GLCM-HOG和WOA-ELM的往复压缩机气阀故障诊断方法

气阀是往复压缩机在工作过程中极易发生故障的部件。从气阀时频图分析的角度,提出了一种基于GLCM-HOG和WOA-ELM的往复压缩机气阀故障诊断方法。首先,通过小波变换对各运行状态气阀的振动信号进行处理,生成时频图;用GLCM和HOG分别提取气阀时频图特征,融合形成GLCM-HOG特征。然后,利用WOA方法对ELM模型的输入层节点权值和隐藏层节点阈值进行优化,构建气阀故障诊断模型。最后,将GLCM特征和GLCM-HOG特征分别输入到WOA-ELM模型中,来证明本文所提方法的有效性和优越性,从而实现往复压缩机气阀故障的诊断。实验结果表明:与GLCM特征相比,构造的GLCM-HOG特征更能准确全面地反映气阀时频图特征;与ELM模型相比,WOA-ELM模型诊断气阀故障的准确率更高。

基于GWO-SPA和MSE的往复压缩机气阀故障特征提取方法

针对往复压缩机气阀振动信号非线性及非平稳性特征,提出一种基于灰狼算法优化平滑先验分析(SPA),并结合多尺度样本熵的往复压缩机气阀故障特征提取方法。以多尺度样本熵均值和偏度的平方作为适应度函数,利用灰狼算法对SPA的参数λ进行寻优,将寻优后的参数λ代入SPA中对往复压缩机气阀处振动加速度信号进行自适应分解,得到信号的趋势项和去趋势项;然后分别求取去趋势项数据的多尺度样本熵均值和偏度的平方,以此作为往复压缩机气阀信号的特征向量输入支持向量机中进行训练与测试。实验结果表明,该方法可以有效提取往复压缩机气阀的故障特征。

往复式压缩机气阀故障模拟实验与数据处理

研究往复压缩机气阀故障原理,在2D-90MG两列一级往复压缩机实验平台上对进气阀、排气阀进行一系列破坏性实验,模拟气阀的各类故障,最大限度地保证采集到的振动信号与实际情况相符。通过设计气阀故障模拟实验,搭建实验平台,采集气阀振动信号数据。通过分析所采集到的振动信号的时域波形与频谱,总结气阀振动信号特征,对气阀故障类别进行初步诊断。

浅谈往复式6M45压缩机气阀故障诊断及维修

往复式压缩机是根据工作时所需要压力的高低来工作,它可以分为单级是多级。并且为了使机器受载均衡,可以分为单列或是多列。在化工生产中往复式压缩机可以提高压力和输送介质的动力源,并且工作介质相当广泛。因此本章对往复式6M45压缩机气阀故障诊断进行了解和划分,并分析维修方案。