基于GA-BP的往复式压缩机状态监测与预测性维护

针对某增压站现有压缩机状态监控系统识别故障信号困难,故障发生前未能提前预警的问题,开发了面向预知维修的往复式压缩机状态监测与预测系统,建立一套完整的软件及硬件体系。气阀作为往复式压缩机的重要运动部件,其状态监测的测点位于阀盖外表面中心处,以气阀状态监测为例,建立了气阀盖振动力学模型。综合运用时域、频域和小波特征提取方法进行振动信号分析,得到正常状态和故障状态的信号特征,提取状态指标。运用遗传算法优化神经网络模型,建立基于GA-BP的往复式压缩机振动趋势预测模型,试验测得模型的预测误差小于0.04。现场应用结果表明,该系统可实现全天候实时在线监测与预测,实现预知维修,减少工作人员的维保压力,提高机组运行安全性和效率,节省运维成本。