K-201离心压缩机在线监测和故障分析系统的应用研究

摘要

天津石化公司化工厂有两套芳烃装置,一套为20世纪70年代末建成的年产8万吨的小芳烃装置,一套是20世纪90年代末为20万吨聚酯工程配套的大芳烃装置,离心压缩机是芳烃装置最关键的大型设备之一.为了确保离心机组长周期、高效率、稳定安全运行,采用一套具有对大型机组运行状态监测、用相应的监测理论和统计数据归纳分析,具有预报故障功能的分析系统,成为保证生产正常运行的重要保障和关键技术. 本文以天津石化化工厂大芳烃装置K-201循环离心压缩机组为研究对象,并结合化工厂大芳烃装置的实际情况,详尽的论述了离心压缩机的动态特性,总结了机械设备状态自动在线监测及预测的方法,采用当今比较完善的S8000大型旋转机械在线状态监测系统与贝叶斯故障分析系统以及相应的软件和硬件系统；通过在线检测与故障诊断系统的结合实现对旋转机械设备的故障分析和趋势预测:通过分析压缩机故障诊断存在的问题,即故障诊断的不确定性和多源信息的综合利用建立了贝叶斯网络,采用BP算法与递归神经网络相结合提出一种基于递归神经网络的多步预报方法；通过对K-201振动峰值的预报结果,反映出关键机组状态预报系统具有良好的多步预报能力.

目录

文摘

英文文摘

独创性说明及学位论文版权使用授权书

第一章绪论

1.1研究背景

1.2故障诊断的研究现状与发展

1.3故障诊断在石化企业应用的重要性

1.4故障诊断在离心压缩机上的应用

1.5离心压缩机组K-201的概况

1.5.1 K-201离心式压缩机的主要参数

1.5.2 K-201系统测点的建立

1.5.3 K-201出现故障原因统计

1.6论文内容与任务

第二章机械振动信号的分析

2.1振动信号分类

2.2波形分析

2.3频谱分析

2.4常见故障频谱分析

2.5小结

第三章故障状态监测系统

3.1故障状态监测系统的选用

3.2 S8000在线状态监测系统

3.2.1 S8000在线状态监测系统结构与功能

3.2.2 S8000在线状态监测系统振动图谱

3.3小结

第四章贝叶斯诊断网络的建立

4.1建立贝叶斯诊断网络的主要构造

4.2人工神经网络的典型模型

4.3预报神经网络建立-改进共轭梯度训练算法

4.3.1BP算法

4.3.2BP算法的改进

4.3.3神经网络的改进共轭梯度算法计算

4.4贝叶斯诊断网络理论

4.4.1诊断网络基本原

4.4.2条件独立性假设

4.4.3先验概率的确定

4.4.4贝叶斯决策方法

4.4.5贝叶斯故障诊断网络优势和基本特点

4.6贝叶斯诊断网络建立

4.6.1贝叶斯故障诊断网络基本结构与框架

4.6.2贝叶斯故障诊断网络建立的方法

4.6.3模糊语言的量化方法

4.6.4贝叶斯故障诊断网络节点的建立

4.7小结

第五章贝叶斯故障诊断软件组成及功能

5.1贝叶斯故障诊断软件组成

5.1.1机组信息管理的主要功能

5.1.2状态预测的主要功能

5.1.3模糊诊断的主要功能：

5.1.4诊断风险评估的主要功能：

5.2贝叶斯故障诊断网络系统

5.2.1贝叶斯故障诊断网络系统的总体框架

5.2.2贝叶斯故障诊断网络系统的操作界面

5.3贝叶斯故障诊断系统在K-201上的应用

第六章结论

参考文献

发表论文及参加科研情况

致谢

附录