一种基于位移信号的活塞杆故障诊断方法

摘要

本发明主要涉及一种基于位移信号的活塞杆故障诊断方法。该方法基于活塞杆的纵向下沉或横向位移的信号获得活塞杆振动速度信号，通过增加构造点作为新的插值点，同时利用单调三次Hermite插值拟合，再通过均值分解方法对往复压缩机活塞杆的振动信号进行故障诊断分析。本发明对正常状态与不同故障状态下的活塞杆振动信号进行分解，得出信号的各组PF分量，提取各PF分量的各项特征参数，对比正常状态与不同故障状态下的各特征参数值，得出反映不同故障的对应特征参数，从而实现往复压缩机活塞杆的故障诊断。

说明书

技术领域

本发明属于压缩机技术领域，具体是涉及一种基于位移信号的活塞杆故障诊断方法。

背景技术

往复压缩机是石油天然气化工领域内的关键设备，活塞杆断裂是往复压缩机的主要故障之一，将会导致撞缸、机体损坏、气体外泄，尤其是高压临氢压缩机的活塞杆一旦发生故障，由于压缩介质易燃易爆，极易导致着火爆炸事故的发生，严重威胁企业安全稳定生产和员工生命安全。基于振动的测量和分析技术已被证明在机械健康监测和故障诊断方面非常有效，它可以在故障发生前提出警告，必要时及时停车，从而避免故障的进一步恶化。

往复压缩机的振动信号具有非线性、非平稳性的特点，采用传统的分析技术如时域统计分析和傅里叶变换等方法可能无法从往复压缩机的振动信号提取有效的信号特征。因此，目前往复压缩机故障诊断的相关研究重点针对故障智能诊断、特征提取方法等方面，其中与活塞杆断裂及疲劳失效等故障的相关研究主要是通过断口形貌分析、金相分析、材料工艺等方面进行失效分析。目前国内部分往复压缩机已安装了在线监测诊断系统，采用活塞杆沉降法监测活塞杆位移纵向下沉与横向位移，反映其位移直流量大小与趋势，通过沉降值的阙值判断支撑环的磨损情况，但它对于其它类型的活塞杆故障不能实现有效诊断，新的故障特征提取与诊断方法研究有迫切的应用需求。

发明内容

为了解决上述技术问题，本发明提供一种基于位移信号的活塞杆故障诊断方法。

为了实现本发明的目的，本发明采用了以下技术方案：

一种基于位移信号的活塞杆故障诊断方法，包括以下步骤：

步骤1，采集往复压缩机活塞杆在垂直于自身轴向方向的位移信号y(t_i)，i＝1,2,3…n，其中t_i表示第i个采样点所对应的时间，n表示飞轮键转动一个周期的采样总点数；

步骤2，通过所述位移信号y(t_i)获得所述往复压缩机活塞杆的振动速度信号v(t_i)，则v(t_i)的计算公式如下：

步骤3，提取振动速度信号v(t_i)中的极大值点以及极小值点，并通过镜像延拓法在所述振动速度信号v(t_i)两端各增加一个极值点(t₀,v₀)、(t_n+1,v_n+1)，其中v₀＝v(t_n)，v_n+1＝v(t₁)；

步骤4，假设极值点信号为v(t_j)，其中t_j表示第j个极值点所对应的时间，确定所有由相邻两个极大值点或相邻两个极小值点(t_j,v(t_j))、(t_j+2,v(t_j+2))构造的直线L(t)，并计算获得所述直线L(t)在极小值点或极大值点(t_j+1,v(t_j+1))对应时刻的值，计算公式如下：

步骤5，计算获得新的构造点(t_j+1,r_j+1)，其中r_j+1＝0.5v(t_j+1)+0.5L(t_j+1)；

步骤6，将步骤5中的构造点作为新的极值点，按照时间顺序对原有极值点以及新的极值点进行排序，得到极大值点序列P和极小值点序列Q；

步骤7，利用单调三次Hermite插值对极大值点序列P和极小值点序列Q分别进行拟合，得到上包络线E_max(t_i)与下包络线E_min(t_i)；

步骤8，计算两个相邻极值点的局部均值函数B₁(t_i)以及局部包络估计函数C₁(t_i)，计算公式如下：

步骤9，将局部均值函数B₁(t_i)从活塞杆振动速度信号中分离出来，得到剥离函数H₁(t_i)：

H₁(t_i)＝v(t_i)-B₁(t_i)

步骤10，通过局部包络估计函数C₁(t_i)对剥离函数H₁(t_i)进行解调，得到调频信号函数s₁(t_i)，计算公式为：

s₁(t_i)＝H₁(t_i)/C₁(t_i)

步骤11，判断调频信号函数s₁(t_i)是否为纯调频信号，判断方法是：(1)判断C₁(t_i)是否等于1；(2)若不满足，则将调频信号函数s₁(t_i)作为新的振动速度信号并按照上述步骤3～10计算得到局部包络估计函数C₂(t_i)以及调频信号函数s₂(t_i)；(3)重复迭代上述步骤(1)、(2)k次，直到调频信号函数s_k(t_i)为纯调频信号为止，所述调频信号函数s_k(t_i)为纯调频信号的条件为C_k(t_i)＝1；

步骤12，将上述步骤中产生的所有包络估计函数相乘，得到包络信号：E₁(t_i)：

E₁(t_i)＝C₁(t_i)C₂(t_i)...C_k(t_i)

步骤13，将包络信号E₁(t_i)和步骤12中得出的纯调频信号s_k(t_i)相乘得到第一个PF分量：PF₁(t_i)：

PF₁(t_i)＝E₁(t_i)s_k(t_i)

步骤14，从往复压缩机活塞杆振动速度信号中分离第一个PF分量，得到剩余信号U₁(t_i)：

U₁(t_i)＝v(t_i)-PF₁(t_i)

步骤15，将剩余信号U₁(t_i)按照以上步骤3～14的方法对其进行分解，直到第m次分解得到的剩余信号U_m(t_i)为单调函数为止，最终原始振动信号v(t_i)表示为m个PF分量和余量U_m(t_i)之和：

步骤16，提取各PF分量PF_j(t_i)的特征参数，求得各PF分量歪度因子g_j、峭度因子q_j，具体计算公式如下：

式中PF_j(t_i)表示第j个PF分量第i个振动信号点对应的分量信号值，表示各PF分量信号的平均值，σ表示各PF分量信号的标准差；

步骤17，将正常状态下往复压缩机活塞杆振动速度信号与各种故障状态下往复压缩机活塞杆振动速度信号的PF分量的歪度因子、峭度因子进行对比分析，进而判断和识别往复压缩机活塞杆故障类型。

本发明的有益效果在于：

(1)本发明可以利用现有的活塞杆沉降法所采集的活塞杆纵向下沉或横向位移的信号，无需额外安装振动传感器。本发明将所述活塞杆纵向下沉或横向位移信号进行处理后可以直观判断和识别往复压缩机活塞杆故障类型，本发明为往复压缩机的安全运行提供预警和保障。

(2)本发明在构造上、下包络线的过程中，将计算得到的构造点作为新的插值点，其中与原有极大值点对应的构造点作为新的极小值点，与原有极小值点对应的构造点作为新的极大值点，通过增加插值点数目来构造包络线，从而提高拟合得到的包络线精度。

(3)本发明采用单调三次Hermite插值获取均值函数和包络估计函数，提高插值拟合效果。在活塞杆位移信号具有强烈非平稳特性的情况下，可以抑制“过包络”与“欠包络”现象的发生，避免PF信号失真。

(4)本发明通过增加构造点作为新的插值点，同时利用单调三次Hermite插值，提高了包络线的精度，可以通过较少的迭代次数获取纯调频信号函数，因此具有较高的计算效率。通过对某仿真信号进行分析，结果表明：本发明所获得的PF分量的均方根误差相比于不增加插值点、或者插值函数采用线性插值或三次样条等传统方法获得的值更小，本发明所获得的PF分量更接近原始仿真信号的理论分量，且计算运行时间明显缩短。

附图说明

图1为竖直方向电涡流传感器安装示意图。

图2为典型的活塞杆竖直方向沉降位移监测信号。

图3为活塞杆竖直方向振动速度信号。

图4为本发明流程示意图。

具体实施方式

下面结合实施例对本发明技术方案做出更为具体的说明：

步骤1，采集往复压缩机活塞杆在垂直于自身轴向方向的位移信号y(t_i)，i＝1,2,3…n，其中t_i表示第i个采样点所对应的时间，n表示飞轮键转动一个周期的采样总点数；

目前，往复压缩机在线监测诊断系统都对活塞杆位移进行监测，具体监测活塞杆竖直方向沉降位移信号；使用的位移传感器为非接触式的电涡流传感器，安装方式如图1所示；

针对某企业往复压缩机，结构型式为两级对称平衡空气压缩机，供气量480Nm³/h，排气压力1.0Mpa。利用在线监测系统采集活塞杆竖直方向位移，获得的典型的活塞杆竖直方向沉降位移监测信号如图2所示；

常规位移量监测方法利用传感器实时采集信号与初始安装位置的差值，计算活塞杆位移相对变化量；以竖直方向沉降位移量计算为例，令位移传感器初始安装时探头距离活塞杆距离为L₀，位移传感器采集的电压为V₀，则：

L₀＝ZV₀+B

其中Z为位移传感器灵敏度，B为位移传感器初始偏置量。

假设t_i时刻，传感器采集的电压为V₁，则：

L₁＝ZV₁+B

L₁为当前时刻探头距离活塞杆的距离；在线监测系统中，t_i时刻活塞杆沉降量即竖直方向位移的计算公式为：

Y＝L₁-L₀＝Z(V₁-V₀)

步骤2，通过所述位移信号y(t_i)获得所述往复压缩机活塞杆的振动速度信号v(t_i)，则v(t_i)的计算公式如下：

将上述图2所示信号代入活塞杆振动速度的计算公式得到活塞杆振动速度信号，如图3所示；

步骤3，提取振动速度信号v(t_i)中的极大值点以及极小值点，并通过镜像延拓法在所述振动速度信号v(t_i)两端各增加一个极值点(t₀,v₀)、(t_n+1,v_n+1)，其中v₀＝v(t_n)，v_n+1＝v(t₁)；

步骤4，假设极值点信号为v(t_j)，其中t_j表示第j个极值点所对应的时间，确定所有由相邻两个极大值点或相邻两个极小值点(t_j,v(t_j))、(t_j+2,v(t_j+2))构造的直线L(t)，并计算获得所述直线L(t)在极小值点或极大值点(t_j+1,v(t_j+1))对应时刻的值，计算公式如下：

步骤5，计算获得新的构造点(t_j+1,r_j+1)，其中r_j+1＝0.5v(t_j+1)+0.5L(t_j+1)；

步骤6，将步骤5中的构造点作为新的极值点，按照时间顺序对原有极值点以及新的极值点进行排序，得到极大值点序列P和极小值点序列Q；

步骤7，利用单调三次Hermite插值对极大值点序列P和极小值点序列Q分别进行拟合，得到上包络线E_max(t_i)与下包络线E_min(t_i)；

步骤8，计算两个相邻极值点的局部均值函数B₁(t_i)以及局部包络估计函数C₁(t_i)，计算公式如下：

步骤9，将局部均值函数B₁(t_i)从活塞杆振动速度信号中分离出来，得到剥离函数H₁(t_i)：

H₁(t_i)＝v(t_i)-B₁(t_i)

步骤10，通过局部包络估计函数C₁(t_i)对剥离函数H₁(t_i)进行解调，得到调频信号函数s₁(t_i)，计算公式为：

s₁(t_i)＝H₁(t_i)/C₁(t_i)

步骤11，判断调频信号函数s₁(t_i)是否为纯调频信号，判断方法是：(1)判断C₁(t_i)是否等于1；(2)若不满足，则将调频信号函数s₁(t_i)作为新的振动速度信号并按照上述步骤3～10计算得到局部包络估计函数C₂(t_i)以及调频信号函数s₂(t_i)；(3)重复迭代上述步骤(1)、(2)k次，直到调频信号函数s_k(t_i)为纯调频信号为止，所述调频信号函数s_k(t_i)为纯调频信号的条件为C_k(t_i)＝1；

步骤12，将上述步骤中产生的所有包络估计函数相乘，得到包络信号：E₁(t_i)：

E₁(t_i)＝C₁(t_i)C₂(t_i)...C_k(t_i)

步骤13，将包络信号E₁(t_i)和步骤12中得出的纯调频信号s_k(t_i)相乘得到第一个PF分量：PF₁(t_i)：

PF₁(t_i)＝E₁(t_i)s_k(t_i)

PF₁(t_i)包含了活塞杆振动速度信号的最高频率成分，是一个单分量的调幅-调频信号。

步骤14，从往复压缩机活塞杆振动速度信号中分离第一个PF分量，得到剩余信号U₁(t_i)：

U₁(t_i)＝v(t_i)-PF₁(t_i)

步骤15，将剩余信号U₁(t_i)按照以上步骤3～14的方法对其进行分解，直到第m次分解得到的剩余信号U_m(t_i)为单调函数为止，最终原始振动信号v(t_i)表示为m个PF分量和余量U_m(t_i)之和：

步骤16，提取各PF分量PF_j(t_i)的特征参数，求得各PF分量歪度因子g_j、峭度因子q_j，具体计算公式如下：

式中PF_j(t_i)表示第j个PF分量第i个振动信号点对应的分量信号值，表示各PF分量信号的平均值，σ表示各PF分量信号的标准差，

步骤17，将正常状态下往复压缩机活塞杆振动速度信号与各种故障状态下往复压缩机活塞杆振动速度信号的PF分量的歪度因子、峭度因子进行对比分析，进而判断和识别往复压缩机活塞杆故障类型。

下面采用3种实际往复压缩机典型故障案例数据进行应用，包括活塞支撑环磨损故障、活塞杆断裂故障及活塞杆紧固元件松动断裂故障。根据本发明提出的方法对活塞杆实际故障进行判断和识别，提取的相关特征参数的结果如下表1所示。

表1不同故障类型的特征参数对照表

g₁g₂g₃g₄q₁q₂q₃q₄正常-1.05E-021.28E-025.88E-021.90E-03-1.65E+00-1.04E+001.57E-012.03E-02故障1-1.05E-021.30E-026.28E-021.07E-02-1.65E+00-1.04E+001.71E-019.11E-02故障2-9.80E-034.00E-021.84E-022.32E-02-1.44E+00-5.63E-017.35E-013.33E-01故障3-1.08E-026.50E-034.28E-022.00E-03-1.64E+00-1.02E+003.73E-019.96E-02

正常：压缩机正常运行

故障1：活塞支撑环磨损

故障2：活塞杆紧固元件松动

故障3：活塞杆断裂早期

故障1的歪度因子g₄，故障2的歪度因子q₃和q₄，故障3的峭度因子q₄，与正常信号比较都明显增大。因此，利用局部均值分解方法将活塞杆振动速度信号分解为多个PF分量，提取PF分量的歪度因子、峭度因子等特征参数，通过特征参数的变化和比较，可以判断出的活塞杆故障类型。