往复压缩机故障诊断技术现状与发展趋势
故障诊断技术在石化工业往复压缩机中得到了广泛运用，对于保证机器安全稳定运行起到了重要作用。本文首先叙述了往复压缩机故障诊断的意义及研究现状，描述了目前故障诊断过程中所使用的技术，并分析比较了它们的特点; 介绍了国内外一些常见的往复压缩机状态监测系统; 最后提出了往复压缩机的故障诊断技术的未来发展方向。
1、引言
往复压缩机广泛应用于炼油、化工等流程工业，是这些流程工业装置的核心设备。往复压缩机压缩介质大都为氢气、天然气、瓦斯气、乙烯等易燃易爆性气体，一旦发生严重故障，危险气体极易外泄，从而导致着火、爆炸等恶性事故发生，其运行状态直接影响装置的安全与高效生产。往复压缩机由于结构复杂、易损部件多，故障率一直居高不下。表1 显示了导致往复压缩机非正常停机的各种因素及其所占的百分比，其中气阀、填料密封、活塞环依次是往复压缩机中故障率最高的部件，而曲轴、连杆、十字头、活塞杆等动力传动部件故障率虽然不高，但该类部件的任何故障都会造成严重的后果，对生产安全和人身安全造成威胁。
表1 导致往复式压缩机非正常停机的各种因素及其所占百分比
在压缩机实际运行过程当中，借助或依靠先进的传感器技术和动态测试技术及计算机信号处理技术，分析设备中异常的部位和原因，对隐含的故障进行精准的早期预报和诊断，使压缩机在不分解的情况下就能准确判断出故障的部位，对于减少和防止事故的发生，提高生产的经济效益，起到极大的促进作用。因此，故障诊断技术越来越得到重视，其在工艺往复压缩机中的应用也越来越广泛，开发出能够应用于流程工业核心机械设备的在线状态监测与故障诊断技术己成为社会化大生产的关键问题。
根据国内外的成功案例和经验，开展往复式压缩机状态监测需要实现以下4 个目的:
(1) 通过监测优化检修计划，减少非计划停机，延长运转周期，降低维修维护费用;
(2) 通过监测了解机器的运行工况，优化运行参数，提高设备运行效率;
(3) 通过监测发现故障发生的部位，使检修做到有的放失，缩短检修时间;
(4) 及时预警，提前采取有效措施，降低故障的发生率，特别预防灾难性事故的发生。
2、往复压缩机故障诊断技术现状及应用
2.1、往复压缩机故障诊断技术
与其他机械设备故障诊断过程一样，往复压缩机故障诊断过程也包括了信号检测、特征提取与选择、状态识别三大步骤。其中信号检测是往复压缩机故障诊断的关键之一，信号参数选取与测取的有效性直接影响后面步骤的分析效果。目前，往复压缩机采用的监测方法主要有: 工程热力参数法(压力、温度、流量等) 、振动监测分析法、冲击振动分析法、噪声监测分析法、气体泄漏监测法、磨损位移监测法、油液分析法等，相对已比较成熟，例如气缸内气体压力、温度是往复压缩机气阀、活塞、气缸等故障判断的一个重要特征; 机壳的振动与活塞杆的下沉可用于判断曲轴连杆机构的振动状况与活塞环的磨损情况。
往复压缩机的振动信号是十分复杂的，给故障特征提取与选择带来了极大的困难，只有某些特征明显的故障可以直接得到诊断。目前往复压缩机的特征提取方法在总体上可以概括为时域特征提取法、频域特征提取法、时频域特征提取法三大类。由于往复压缩机监测信号的非平稳性、环境噪声的干扰等，有些方法的时域特征统计参数鲁棒性较弱，不能够为往复压缩机故障诊断提供有力的判定依据，但仍可以作为故障诊断的初判。因而开发降噪、消噪技术及寻找噪声敏感性低的统计特征参数是时域特征提取法的研究重点。
频域特征提取方法主要是指对往复压缩机测试信号进行的各种谱分析，包括频谱率、谱包络、谱时间序列分析等，特别适合分析旋转机械。这些谱分析方法基本上是以适合平稳信号分析的傅里叶变换为基础，而在往复压缩机的实测信号中，除了具有驱动电机的平稳工频成分外，有些频率成分是随着往复压缩机工作循环过程变化的，在整个时间域上并不持续存在，所以上述谱分析法就不能够准确地反映往复压缩机的状态信息。时频分析的思想则正好解决了这样的不足，近年来己经有短时傅里叶变换( STFT) 、魏格纳威尔分布( WVD) 、小波及小波包分析、Hilbert -Huang 变换( HHT) 等一些方法应用于往复压缩机的故障诊断，取得了比傅里叶变换更好的效果。由于每种特征提取方法均具有其各自的优缺点，所以在往复压缩机故障特征提取与诊断研究中，往往采用多种方法，互相结合，优势互补，提高故障诊断精度。
在往复压缩机故障诊断中应用比较多的状态识别方法主要有神经网络方法、支持向量机方法、人工免疫法等。其中，神经网络方法需要大量的训练样本以得到较高的识别准确率，然而实际中很难获得往复压缩机所有状态的样本，因此导致该方法在往复压缩机实际故障诊断中不能深入推广应用。随着支持向量机与人工免疫等方法的出现，从理论上解决了神经网络方法中需要大量训练样本的难题，逐渐被引入到往复压缩机故障诊断研究中。
总之，往复压缩机的故障非常复杂，往往无法用单一特征进行描述与识别; 而各种算法由于自身的局限性也不能单独地应用到所有类型的故障诊断中。因此，真空技术网(www.chvacuum.com)认为综合运用多种信号检测技术，将信号的时域、频域或时频域特征进行组合，把特征提取方法与状态识别方法结合起来，将会成为往复压缩机故障诊断领域的发展趋势。
2.2、往复压缩机故障系统
美国Dynalco、GE Bently、Prognost、贺尔碧格为代表的国外企业已经开发了可工业化应用的往复压缩机在线监测系统，能对活塞杆载荷、气缸动态压力等信号进行监测。在国内，西安交通大学、浙江大学、北京化工大学、合肥通用机械研究院等都对往复压缩机故障机理进行了深人研究，并开发了一些在线监测与分析系统。代表性的有Prognost 系统，美国Dynalco 公司9260CR 系统( 图1) ，丹麦B&K 公司的3540 监测系统和美国Bently公司的3300 监测系统，由北京化工大学科研团队开发的BH5000R 往复压缩机在线监测系统可靠性和实用性完全达到了工业化应用的要求振动保护系统是压缩机组安全、稳定运行的最后一道屏障，也是少数没有国产化的仪电类产品，是大型压缩机组必备的配套系统。
图1 Dynalco 系统
国内外石油化工等能源行业应用最广泛且先进的压缩机组振动联锁停机保护系统从Bently 公司的7200 到3300 再发展到目前GE Bently 3500系统，一直采用振动通频幅值进行报警及紧急联锁停车保护，该类保护方式主要存在2 个弊端:
(1) 无法根据故障类型、破坏形式对报警和停机值进行分类设置，报警及联锁停机没有针对性，停机值只能按照短板效应进行保守设置，不可避免增加了报警和停机次数，给连续生产带来重大损失;
(2) 该类保护系统无法分辨虚假信号，误报警及联锁停车不可避免。
根据2010 年1 月份中石油近30 多家炼化分公司安全检查数据统计，关键透平压缩机组振动联锁保护实际投用率只有78%; 而往复压缩机的振动保护联锁投用率只有35%。为确保连续生产避免造成较大的生产损失，在实际操作中经常人为摘除振动联锁保护或放大报警幅度，由此会带来巨大安全隐患。
如何改变现有的联锁停机保护方式，实现智能联锁保护，做到该停机就停机，不该停机就不停机，给出最快且最准确的抉择是该领域亟待解决的关键问题。针对国内外压缩机振动保护相关产品使用中存在的缺陷，需要考虑不同故障对环境、生产、检维修成本等要素的影响，自主研发压缩机智能预警与联锁保护系统，实现智能、高效、准确的压缩机组智能预警与联锁保护。
3、技术发展趋势
近年来，人工智能技术和专家系统、神经网络等开始发展，并在实际工程中应用，使设备维修技术达到了智能化高度。虽然这一阶段发展历史并不长，但已有研究成果表明，设备智能故障诊断具有十分广泛的应用前景。然而，由于往复压缩机结构复杂、激励源多等特点，鉴于当前研究现状以及上述研究资料表明，计算机技术的不完善和人工智能领域的专家系统和神经网络技术的初步使用，使得故障诊断技术目前还只是处于第3 阶段的整理完善和向第4 阶段的过渡时期，至今尚无一套像旋转机械那样成熟的、得到人们普遍认可和广泛应用的诊断系统，以供选择并获得往复压缩机工作状态的有效特征参数。仅仅采取先凭经验或设想去确定和试凑特征参数，然后再进行实验验证的方法是不充分的，且不能找出最优特征参数，离实际应用还存在一定距离，这同往复压缩机在工业中的重要地位是不相称的。
往复式压缩机常见的故障包括排气量不足、排气温度不正常、排气压力不正常、异常噪声、过热、活塞和活塞杆损坏以及轴瓦磨损等等。因此，对往复式压缩机进行状态监测，单单使用传统的振动监测根本无法解决。多年实践经验说明，要想对往复式设备进行精密诊断，必须结合压力、温度、超声、振动等多种技术参数，才可以准确诊断出设备的故障根源和故障部位，而往往各种参数的精确测量与故障信号识别是技术难点。
往复压缩机故障诊断将朝着网络化、智能化及多源信息融合化方向发展。在网络化实时在线诊断方面，应重点研制适合往复式压缩机故障诊断的专用新型集成化传感器和观测器，寻找各振动信号间相互交叉影响最小的最佳测点，利用现代信号处理方法以及智能理论等实现故障的自动诊断。智能化方向上，随着专家系统、人工神经网络的迅速发展，实现故障的自动诊断成为可能。
目前，国内外相关单位正在对往复压缩机故障诊断专家系统做深入研究，同时，充分利用神经网络等算法的自学习能力对历史数据进行数据挖掘也是研究的重点。
目前上线的往复压缩机状态监测系统更加关注机组部件的工作状态，忽视了机器运行过程中的过程量及过程参数。未来，将吸排气量、填温度、冷却水温度、轴承温度等过程量引入监测系统，并深入研究不同数据与故障间的内在联系，实现机组的多源信息融合，将会大大提高往复压缩机故障诊断准确率，防范重大事故的发生。
一般由系统监测模块、系统诊断模块、系统保护模块组成。在系统设计过程中，应该根据压缩机与运行条件的实际情况，选择针对运行条件具有代表性且适合监控的参数。
