应用神经网络识别往复式压缩机指示图

为了探讨往复式压缩机的故障诊断技术 ,根据专家经验及现场诊断实例 ,将往复式压缩机气缸活塞系统的常见故障分为 10种 ,并对这 10种故障工况下的压缩机指示图进行了归一化处理 ,得到了压缩机指示图典型工况模式图谱。借助功能强大的 MATL AB语言系统及其工具箱 ,完成了 BP网络压缩机工况模式识别软件的设计 ,用实测指示图验证了所建立的神经网络识别模型的准确性。

基于机器学习的海洋平台往复式压缩机故障诊断方法

针对深远海平台往复式压缩机智能在线监测以及故障诊断预警需求,提出以往复压缩机示功图为基础的智能诊断方法。将正常示功曲线与实测示功曲线置于同一示功图中对比识别,依靠一种卷积神经网络模型的特征提取和自学习能力进行示功图分类和往复式压缩机智能故障判别。通过使用Fluent软件数值模拟压缩机故障并提取气缸内压力变化生成示功图,为智能机器学习模型提供数据库,进行训练和测试,结果显示所提出的基于卷积神经网络故障识别方法准确率在95%以上,最高准确率可达99.14%,为实际压缩机的预测性智能维护提供了理论支撑。应用于深海平台往复压缩机故障诊断,智能分类识别了压缩机排气过程中的压力振荡现象,初步诊断为压缩机气阀排气量不匹配。