（机械电子工程专业论文）k5403离心式压缩机状态监测与趋势预测技术研究.pdf

硕l j 学位论文 摘要 k 5 4 0 3 离心式压缩机是巴陵石化有限公司尘产的关键设备，该设备一旦出现 故障，不仅严重影响生产，给企业带来重大的经济损失，还会造成人员伤亡等恶 性事故。本文以k 5 4 0 3 离心式压缩机为研究对象，丌展了状态监测与趋势预测技 术研究，以实现机组的预知维护。 论文主要研究工作有： 1 阐述了状念监测与趋势预测技术研究的目的、意义及发展历程和趋势，结 合k 5 4 0 3 离心式压缩机的维护现状和用户需求，阐明了将状念监测和趋势预测技 术应用于k 5 4 0 3 离心式压缩机系统的必要性； 2 根据k 5 4 0 3 离心式压缩机的结构特点，对机组常见的几种故障形式( 如： 不平衡、不对中、动静碰摩、转子支承系统联结松动故障、滚动轴承的各种故障 及喘振等) 的故障机理进行了分析，给出了相应的故障特征，介绍了几种常用的 基于振动信号分析处理的故障诊断方法； 3 结合企业的实际需求开发了k 5 4 0 3 离心式压缩机状态监测与趋势预测系 统，简要阐述了系统实现的关键技术，包括面向对象技术、虚拟仪器技术和组态 技术，重点研究了基于u m l 的系统需求分析和面向对象设计； 4 基于k 5 4 0 3 离心式压缩机运行状态的非线性、非平稳特征和神经网络的优 点，提出了趋势预测的多项式神经网络迭代多步预测法。在该方法中，多项式神 经网络比b p 算法体现出更强的泛化能力、更快的收敛速度和更准确的训练精度， 且由于采用了遗传算法，能使训练收敛到全局最优解，而且与一般多步预测法相 比，迭代多步预测法在中长期预测中的改进效果更加明湿； 5 根据系统设计原则，在以上技术的基础上，分别从硬件和软件角度设计实 现了k 5 4 0 3 离心式压缩机状态监测与趋势预测系统。考虑到数据采集的高效性和 传输线路的抗干扰性，选择了p c i 6 2 2 4 数据采集管和信号调理模块；按照模块化 设计思想对将系统功能分为数据采集、状态监测和状态分析及诊断三个模块，详 细介绍了各个模块的实现； 6 最后对本文进行总结和展望，介绍了本文的研究内容和创新点，并分析了 本文研究工作的不足之处，对后续工作的开展提出了展望。 关键词：压缩机；预知维护；状态监测；趋势预测；神经网络；面向对象技术 k 5 4 0 3 离心式乐缩饥状念 测1 j 趋势预测技术研究 a b s t r a c t c e n t r i f u g a lc o m p r e s s o rk 5 4 0 3w a st h ek e ye q u i p m e n to fb a l i n gp e t r o c h e m i c a l c o ，l t d o n c et h a tt h ee q u i p m e n tf a i l u r e d ，n o to n l ys e r i o u s l ya f f e c t e dt h ep r o d u c t i o n ， b r o u g h tm a j o re c o n o m i cl o s s e st ob u s i n e s s e s ，b u ta l s oc a u s e df a t a la c c i d e n t sa n do t h e r c a s u a l t i e s t h e r e f o r e ，t oa c h i e v ep r e d i c t i v em a i n t e n a n c et oe q u i p m e n t s ，t h i st h e s i s t o o kc e n t r if u g a lc o m p r e s s o rk 5 4 0 3a st h er e s e a r c ho b j e c t ，a n dc a r r i e do u tr e s e a r c ho n c o n d i t i o nm o n i t o r i n ga n dt r e n dp r e d i c t i o nt e c h n i q u e s t h em a i nc o n t r i b u t i o n so ft h i st h e s i sa r es u m m a r i z e da sf o l l o w s ： 1 t h ep u r p o s e ，s i g n i f i c a n c ea n dc o u r s eo fd e v e l o p m e n ta n dt r e n d sf o rc o n d i t i o n m o n i t o r i n ga n dt r e n dp r e d i c t i o nt e c h n i q u ew e r ep r e s e n t e d t h ei m p o r t a n c eo fu s i n g c o n d i t i o n m o n i t o r i n g a n dt r e n d p r e d i c t i o nt e c h n i q u e i n c e n t r i f u g a lc o m p r e s s o r k 5 4 0 3a c c o r d i n gt ot h em a i n t e n a n c es t a t u sa n du s e rn e e d sw a ss t a t e d 2 a c c o r d i n gt ot h es t r u c t u r a lc h a r a c t e r i s t i c so fc e n t r i f u g a lc o m p r e s s o rk 5 4 0 3 t h ef a u l tm e c h a n i s m so ft h ec o m m o nf o r m so ft h ef a u l tt y p e s ( f o re x a m p l e ：i m b a l a n c e ， m i s a l i g n m e n t ，r u b - i m p a c tm o v e m e n t ，a s s o c i a t i o nl o o s e n i n gf a u l t so fr o t o rs u p p o r t s y s t e m ，av a r i e t yo ff a u l t so fr o l l i n gb e a r i n g ，s u r g e ，a n ds oo n ) w e r ea n a l y z e d r e s p e c t i v e l y ，a n dt h ea p p r o p r i a t ef a u l tf e a t u r e sw e r eg i v e n a tl a s t ，an u m b e ro f c o m m o n l yu s e df a u l td i a g n o s i sm e t h o db a s e do na n a l y s i so ft h ev i b r a t i o ns i g n a lw e r e i n t r o d u c e d 3 c o m b i n e dw i t ht h ea c t u a ln e e d so fe n t e r p r i s e ，t h ec o n d i t i o nm o n i t o r i n ga n d t r e n dp r e d i c t i o ns y s t e mo fc e n t r i f u g a lc o m p r e s s o rk 5 4 0 3w a sd e v e l o p e d t h ek e y t e c h n i q u es u c h a s o b j e c t - o r i e n t e dt e c h n i q u e ，v i r t u a l i n s t r u m e n tt e c h n i q u ea n d c o n f i g u r a t i o nt e c h n i q u e w e r ei n t r o d u c e d s y s t e mr e q u i r e m e n ta n a l y s i s a n d o b j e c t o r i e n t e dd e s i g nb a s e do nu m lw e r er e s e a r c h e d 4 b a s e do nt h en o n l i n e a ra n dn o n - s t a t i o n a r yc h a r a c t e r i s t i c si nr u n n i n gs t a t u so f c e n t r if u g a lc o m p r e s s o rk 5 4 0 3a n dt h ea d v a n t a g e so f n e u r a ln e t w o r k ，t h et r e n d p r e d i c t i o nm e t h o do fi t e r a t i v em u l t i s t e pb a s e do np f a n np r e d i c t i o nw a sp u tf o r w a r d i nt h i sd i s s e r t a t i o n c o m p a r e dw i t hb pa l g o r i t h m ，p f a n nh a dh i g h e rg e n e r a l i z a t i o n a b i l i t y ，f a s t e rc o n v e r g e n c ea n dm o r ea c c u r a t et r a i n i n ga c c u r a c y a st h er e s u l to fu s i n g g a ，t h et r a i n i n gc o u l dc o n v e r g et og l o b a lo p t i m a ls o l u t i o n c o m p a r e dt ot h eg e n e r a l m u l t i s t e pp r e d i c t i o nm e t h o d ，t h em e t h o do fi t e r a t i v em u l t i s t e pp r e d i c t i o nh a da h i g h e rp r e d i c t i o na c c u r a c yi nt h em e d i u ma n dl o n gt e r mp r e d i c t i o n 倾l j 学f 征论丈 5 b a s e do nt h ep r i n c i p l eo fs y s t e m d e s i g na n db e y o n dt h et e c h n i q u et a l k e d b e f o r e ，t h ec o n d i t i o nm o n i t o r i n ga n dt r e n dp r e d i c t i o ns y s t e mo fc e n t r i f u g a l c o m p r e s s o rk 5 4 0 3w a sd e s i g n e df r o mt h eh a r d w a r ea n ds o f t w a r er e s p e c t i v e l y t a l k i n g i n t ot h eh i g h e re f f i c i e n c yo f d a t a a c q u i s i t i o na n da n t i i n t e r f e r e n c e o f t r a n s m i s s i o nl i n e ，t h ep c i 一6 2 2 4d a t aa c q u i s i t i o nc a r da n ds i g n a lc o n d i t i o n i n gm o d u l e w e r es e l e c t e d i na c c o r d a n c ew i t ht h em o d u l a rd e s i g no ft h es y s t e mf u n c t i o n a ld e s i g n ， t h es y s t e mw a sd i v i d e di n t ot h r e ep a r t s ：d a t aa c q u i s i t i o n ，c o n d i t i o nm o n i t o r i n ga n d c o n d i t i o na n a l y s i sa n dd i a g n o s i s t h er e a l i z a t i o no fe a c hm o d u l ew a si n t r o d u c e d f i n a l l y 6 f i n a l l y ，t os u mu pa n do u t l o o kt h i st h e s i s ，t h er e s e a r c hc o n t e n ta n di n n o v a t i o n w e r ei n t r o d u c e d ，a n dt h ei n a d e q u a c i e so ft h i st h e s i sw e r ea n a l y z e d ，a n dt h ef u r t h e r r e q u e s tw a sp u tf o r w a r dt ot h en e x tr e s e a r c hw o r k s k e yw o r d s ：c o m p r e s s o r ；p r e d i c t i v em a i n t e n a n c e ；c o n d i t i o nm o n i t o r i n g ；t r e n d p r e d i c t i o n ；n e u r a ln e t w o r k ；o b j e c t - o r i e n t e dt e c h n i q u e i v 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的 研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或 集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均 已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名： 挣岔日期：砷年f 月汀日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行 检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 l 、保密口，在年解密后适用本授权书。 2 、不保密团。 ( 请在以上相应方框内打“ ) 作者签名： 导师签名： 拇岔 哥形 日期：砷年厂月) 伯 日期：矽歹年5 - 月厂日 硕i j 学 论文 第1 章绪论 1 1 状态监测与趋势预测技术研究的目的和意义 随着科学技术的进步以及现代化水平的提高，现代工业生产的机械i f 朝着大 型化、复杂化、高速化、自动化以及大功率的方向发展。旋转机械足工业上应用 最广泛的机械，在工业生产中占据了重要的地位。许多大型旋转机械，如：压缩 机、风机、电动机、发动机、发电机、汽轮机等，是石化、电力、冶会等行业中 的关键设备。为了满足生产需要，这些设备一般都处于连续运转状态，这些设备 如果出现故障，不但会导致重大事故，而且还会严重影响生产，带来重大的经济 损失。例如19 8 7 年山西大同发电厂2 0 0 m w 机组转子断裂和19 8 8 年秦岭电厂5 号机组主轴断裂，两次事故经济损失均达亿元以上。江苏徐州发电厂给水泵传动 轴、江苏栖霞山化肥厂3 0 0 k t 级合成氨大型压气机组、天津钢厂轴流压气机、武 汉钢铁厂硅钢板厂2 0 辊轧机传动系统、江苏仪征化纤厂动力厂四级离心压气机和 辽阳化工厂管道等都因烈振发生过重大事故，给国家带来重大的经济损失。因此， 对大型旋转机械进行合理的维护，对于保障企业安全生产、提高企业的经济与社 会效益具有十分重要的意义。 一般来讲，大型旋转机械的维护方式可分为“以时间为基础的预防性维护”和 “按状态的预知维护”。前者是根据一定的时间间隔定期对机械设备进行维护，维 修周期一般是用统计的方法确定的，从机器是全新的或刚维修好的状态丌始测量， 直到制造商预期损坏的机器不超过机器总数的2 时为止。通过在此周期内的维 修，一般认为9 8 的机器都可以在维修周期内萨常工作。这种以时问为基础的预 防性维护的缺陷是：欠维修和过维修并存，不是没备“带病工作”产生突发故障造 成巨大损失，就是设备“无病诊治”进行不必要的停机，造成生产损失和维修经费 的不必要支出。因此，这种维修方式是不经济的，也是不科学的。后者通过对设 备运行状念进行监测，预测趋势的发展变化并进行早期的故障诊断来取代定期检 修方式，其原则是：只有当监测、分析和预测结果表明有必要维修时才进行维修 2 j 。因此这种现代化维护方式可以在设备正常运转时不停机，在发现故障f ； 兆时 能及时停机，甚至能按智能化诊断技术判别出故障的性质和部位，有目的地进行 检修。用预知维护取代传统的预防性维护是关键没备和大型旋转机械维护方式的 发展趋势。 为了掌握设备运行状态，避免事故的发生，实现预知维护，开展状态监测与 趋势预测技术的研究工作是非常必要的。研究应用于大型旋转机组状态监测和趋 k 5 4 0 3 离心- l 胀缩机状态! 临测j 趋谤预测技术研究 势预测的方法，应用实时状态监测技术实现机组故障的分析诊断以及利用趋势预 测技术预测机组状态的发展并及时提供维护信息，是实施设备预知维护的前提。 对于随机性故障，因事先能检测到信号变化而报警，可及时采取措施，避免事故 的发生；对于趋势性故障，因其故障有发生、发展过程，通过研究其发生、发展 过程，掌握其规律，可预防事故的发生。 状态监测与趋势预测技术的发展，有效地提高了企业的经济与社会效益。对 大型旋转机械进行状态监测与趋势预测可以有效地避免意外事故，消除续发损坏， 节约大量维护费用；由于减少维修次数，从而增加了设备正常运转时间，提高了 设备利用率，缩减了维修备件的库存及库存时间。随着该技术带来的经济效益和 社会效益同益明显，状态监测与趋势预测技术会进一步受到青睐。 1 2 状态监测与趋势预测技术的发展历程和趋势 1 2 1 状态监测与趋势预测技术的发展历程 状态监测与趋势预测技术是随着信息技术及在线检测技术发展而产生和发 展起来的高新技术。状态检测与趋势预测技术的产生是各学科交叉发展的必然【3 j 。 1 状态监测技术的发展历程 上世纪4 0 年代之后，人类的生产方式日益向大工业方向发展。在这种大背景 下，系统论、混沌学等纷纷诞生，尤其是控制理论出现了重大突破，产生了一系 列现代控制方法。生产系统的庞大化和复杂化同时也暴露出了一些问题，即如何 避免运行中故障的发生，这就要求有相应的故障诊断技术。5 0 年代，各种类型和 性能的传感器和测振仪相继研制成功，并开始应用于科学研究和工程实际。6 0 - - 一 7 0 年代，数字电路、电子计算机技术的发展、“信号数字分析处理技术”的形成， 推动了振动检测技术在机械设备上的应用。7 0 - - - 8 0 年代，机械设备的状态监测与 故障诊断技术在许多发达国家开始研究。随着电子计算机技术、现代测试技术、 信号处理技术、信号识别技术与故障诊断技术等现代科学技术的发展，机械设备 的状态监测研究进入了蓬勃发展的阶段。例如：日本三菱公司的“旋转机械健康管 理系统”( m a c h i n e r yh e a l t hm o n i t o r i n g ，简称m h m ) ，美国西屋公司的“可移动诊断 中心”( m o b i l ed i a g n o s i sc e n t e r ，简称m d c ) ，美国中心发电部的“透平监测设 备”( t u r b i n es u p e r v i s o r ye q u i p m e n t ) 等，都具备了机组信号数据的采集、分析、计 算、显示、打印、绘图等功能，并配有专项诊断软件。9 0 年代以来，高档微机不 断更新且价格迅速下降，数字信号处理的计算方法不断优化，使数据处理速度大 为提高，为在工业现场应用状态监测技术创造了条件。丹麦、美国、德国、日本 等发达国家的专家学者对旋转机械工作状态监测技术进行了深入研究，研制出不 同系统。该类系统以丹麦b & k 公司的2 5 2 0 型振动监测系统、美国b e n t l y 公司的 2 硕卜学化论丈 3 3 0 0 系列振动监测系统、美国亚特兰大公司的m 6 0 0 0 系统为代表，已经达到较高 的水平1 4 8 j 。 国内自上世纪八十年代中后期以来，有关研究院所、高等院校和企业丌始自 行或合作研究大型旋转机械状态监测技术，在理论研究、测试技术和仪器研制方 面都取得了较多成果，并丌发出相应的状态监测系统。 大型旋转机械状态监测技术的发展历程大概可以归纳为以下三个阶段： ( 1 ) 离线定期监测方式。采用这种方式，测试系统较简单，但是测试工作较 繁琐，需要专门的测试人员；由于是离线定期监测，不能及时避免突发性故障。 ( 2 ) 在线监测、离线分析的监测方式。相对第一种方式，该方式免去了更换 测点的麻烦，并能在线进行监测和报警；但是该方式需要离线进行数据分析和判 断，而且分析和判断需要专业技术人员参与。 ( 3 ) 自动在线监测方式。该方式与其它两种方式相比技术水平先进，不需要 人为更换测点，也不需要专门的测试人员和专业的技术人员参与分析和判断，可 避免设备突发性故障，但是软硬件的研制工作量很大。 2 趋势预测技术的发展历程 与状态监测和故障诊断功能相比，在实际生产中，对于旋转机械的趋势预测 功能的需求更为迫切。趋势预测是根据设备工作状态的历史和现状，推测未来设 备工作状态的发展趋势，预计维护日期和未来故障发生的时间。实质上就是数据 ( 特征量) 预测或趋势外推。这种技术能够在故障还没有发生的情况下预先得知将 要发生的故障，可以有效的减少经济损失。由于大型旋转机械发生的大部分故障 是趋势性故障、可预知故障，因而近年来国内外进行了早期故障趋势预测的方法 研究。 国外有代表性的采用趋势预测先进技术的系统有美国e n t e k 公司的i r d 8 9 0 p m 预测维修系统、丹麦b & k 公司的c o m p a s st y p e3 5 4 0 系统、t y p e 3 5 6 0 系统， 这些系统一般用于设备的离线预测。虽然其功能比较强大，但价格也比较昂贵， 而且维护、更新和改进都比较困难。 在国内，当前研究的重点仍集中在状态监测和故障渗断方面，对大型旋转机 械的以预知维护为目标的智能状态在线预测技术尚缺乏系统研究。国内许多厂家 和研究单位研制的监测系统，大多测量项目单一，甚至还往往仅限于对温度、压 力、液位、电量等常规参数的检测，不具备对以振动量为主的机械动态特性进行 检测和分析的功能，因而无从反映旋转机械设备的工作状态，不能对旋转机械设 备工作状态发展趋势进行预测。 趋势预测方法大致可归纳为1 9j ： ( 1 ) 简易预测方法 如基于两点异常状态的方法，包括直线式、指数式；基于统计预测的方法； k 5 4 0 3 离心j 卡缩机状态! 坯测j 趋坍颅测披术1 】f = 究 基于最小二乘法的预测等，该类方法是传统的预测方法。这些传统的设备维修周 期预测方法是以过去的维修保养计划资料为基础，利用概率、统计理论和专家们 的经验知识来进行预测。采用此类方法预测维修周期，其前提是要得到统计数据 符合何种概率分布，所需样本空间很大，统计数据概率分布的准确度对维修周期 的预测精度很重要，但往往存在较大误差，这正是传统预测方法精度差的症结所 在。 ( 2 ) 基于模型的预测方法i l o j 如：自回归分析法、时间序列预测模型、灰色系统预测模型。该类方法正在 从研究阶段向实用阶段发展。时序模型是最常用且非常有效的状态预测方法，目 前许多新的方法就是在其基础上发展起来的。时序分析是采用参数模型对观测得 到的有序随机数据进行分析的一种处理方法。时序模型反映了不同时刻观测值的 相关性，即状态变化的一喷性”，这种惯性现象实际上反映了设备运行状态的变化 趋势。如果把设备某项状态变化的时问序列看作一个随机序列，将己有的观测值 作为样本，那么所需要做的工作就是利用样本数据建立时序模型。 ( 3 ) 基于人工智能的预测方法i 如：神经网络预测方法、专家系统预测方法、小波分解预测方法、模糊预测 方法以及这些方法的相互融合形式，该类方法正处于研究探索阶段。由于大型旋 转机械的结构同益复杂，原可忽略的非线性问题也更加突出，传统的基于模型的 预测方法以及单一预测方法难以取得满意的趋势预测效果，需要深入研究基于人 工智能的非线性趋势预测方法。由于神经网络具有较强的非线性映射能力，其本 质是非线性动态系统，很适合应用于大型旋转机械的趋势预测中。本文在此基础 上提出了多项式神经网络模型，并将其应用于大型旋转机组的趋势预测当中，增 加了早期故障趋势预测的可靠性，提高了预测精度。通过对预测结果的分析，能 得到设备的状态信息，从而帮助企业做出正确的维护决策。 1 2 2 状态监测与趋势预测技术的发展趋势 近年来，随着信号分析和处理技术、计算机技术、人工智能技术、网络技术 的发展，状态监测与趋势预测技术主要向以下几个方向发展： 1 智能化1 1 2 l 诊断智能化的基本要求就是要在缺乏领域专家的情况下，仍然能够准确、迅 速、自主地完成诊断任务；更高一步的要求是诊断系统能够在运行过程中，半自 主甚至是全自主地学习吸收新的诊断知识，从而自我完善。诊断的智能化同时也 是诊断技术以及诊断系统在工程实践中推广应用的必备条件，因而要求将人工智 能技术应用于大型旋转机械的状态监测与趋势预测中。 2 系统化 4 硕i 学位论爻 诊断的系统化有两层含义。首先，对于某项监测、诊断任务而言，由于具体 故障可能甚示出多种类型的征兆，可采用的监测、预测与诊断技术也很多，得到 的初步诊断结果可能互相验证，也可能互相矛盾，因此必须强调多故障征兆信息 的系统化融合诊断，以提高诊断准确性。其次，对于旋转机械这样的复杂设备而 言，可能同时存在多种故障，各种故障之间相互联系，相互影响，因此必须完成 由传统单故障诊断到多故障并行诊断的转变，同时能够区别对待局部故障和系统 故障。 3 非线性化 传统的在线监测与趋势预测技术研究通常都忽略了设备的非线性信息，而随 着机械设备的功能越来越强，结构越来越复杂，非线性的因素也越来越明显。此 外，大型动力设备往往是变工况的，其负荷变化、供电波动等是设备的正常工况( 非 故障工况) 。如何区分变工况与故障将是状态监测与趋势预测技术的一个重要发展 方向。 4 网络化 网络化是在线状态监测与趋势预测技术的重要发展方向，由于旋转机械是一 类非常复杂的机械设备，故障的机理及其表现形式也复杂多样，为提高对疑难故 障的诊断速度和准确性，充分利用资源，降低监测和诊断成本，有必要发展、应 用基于i n t e r n e t 的多线程远程联合诊断技术。同时，网络化的状态监测与趋势预测 技术与先进的物流技术和维修管理技术相结合，又是降低设备运行成本，提高经 济效益的重要手段。 随着知识经济的来临，世界经济的全球化和一体化，人类对环境的要求越来 越高。这对状态监测和趋势预测技术的要求也越来越高，不仅要满足实现诊断性 能的要求，还要满足有利于保护环境、节约能源，节省资源、使用简单可靠的要 求。这也将使得状态监测和趋势预测技术朝着与环境相协调的方向发展。 1 3 本文的研究背景 k 5 4 0 3 离心式压缩机是巴陵石化有限公司的关键设备，其特点是，工作时转 子高速运转，转子的价格在整台设备费用中占相当大的比例，由转子故障造成的 损失也在设备故障的总损失中占有很大的份额。因此，在长周期运行的大型离心 式压缩机k 5 4 0 3 上实时、准确地监测和预测能反映机组整体运行状况的振动信号 参数是保证机组安全稳定生产的前提。 离心式压缩机依靠在气缸内作往复运动的活塞或作旋转运转的转子作用，使 吸入气体的体积缩小而提高压力，以满足生产需要。它是大型旋转机械的典型代 表，结构通常都比较复杂，包含机械、电气和液压等多个部分。具备投资大、功 能复杂和无备机的特征，在制造领域的应用十分广泛，就石化行业而言，其大型 k 5 4 0 3 离心，j k 缩机状态! 临测j 趋势预测技术硼f 究 装置普遍采用压缩机做动力，以适应大流量、长期连续运转等生产要求。由于数 量庞大和管理手段相对落后，压缩机安全事故频频发生。不仅造成巨大的经济损失 ( 如大化肥装置停车一天，产值损失在2 0 0 万元以上) ，更造成爆炸和人员伤亡等恶 性事故【”】。因此，对压缩机丌展状态监测和趋势预测技术的研究具有重要的应用 价值。 鉴于压缩机在，七产经营中的重要性，当前企业对其设备维护工作都给予高度 重视，普遍将压缩机作为特护设备并实施在线监测以支持其状态维护，基本实现 了定人、定点、定量、定周期、定判定标准、定记录和定工作流程的压缩机管理。 但由于大型压缩机维护工作的复杂性、企业设备维护部门的改制和相应支撑工具 的缺乏，大型压缩机的维护工作尚存在如下问题： 1 压缩机的故障机理研究尚不充分，这一点在非线性故障机理的研究方面表 现得更为充分。压缩机结构相当复杂，工作负荷大，工况多变，目前对非线性故 障机理的认识仍然相当有限，对压缩机运行状态的预测关注程度也不够，因此难 以支撑其高水平的预知维护。 2 压缩机维护的成本高，影响了状态维护策略的实旅范围。这种高成本源于 两个方面的原因，一是在线监测系统本身的设计、开发和投用费用高；二是随着 企业的设备更新和技术改造，使设备构成始终处于动态变化中，应对这种动态变 化也提升了在线监测系统的维护和改进成本。 3 压缩机的故障诊断分析方法有待进一步改进和完善，以便高效准确地对机 组故障分类和定位。 4 压缩机故障诊断的智能性有待提升。目前压缩机的故障诊断严重依赖于诊 断人员的专业素养，而这种分析诊断能力由于培养困难，所以是一种稀缺资源， 如何借助人工智能技术实现该稀缺资源的共享是实现压缩机高水平预知维护必须 要克服的技术难题。 针对上述压缩机高水平预知维护所面临的问题，本文在中国石油化工股份有 限公司科技攻关项目和长沙市科技计划项目的支持下，结合企业背景和预知维护 的需求，设计开发了k 5 4 0 3 离心式压缩机的状态监测和趋势预测系统，该系统的 目的是完成以下的功能【m j ： 1 通过状态监测，能够及时掌握k 5 4 0 3 压缩机运行状态异常或故障的早期征 兆，以便采取相应的措施，将故障消灭在萌芽状态，避免或减少重大事故发生， 提高机组设备运行的可靠性、安全性和有效性，以期把故障损失降低到最低水平。 一旦发生故障，能自动记录下故障过程的完整数据和信息，以便事后进行故障原 因分析，缩短维修时间和费用，避免再次发生同类事故； 2 通过对机组设备运行状态异常的原因和性质进行分析，可以更充分了解 k 5 4 0 3 压缩机的性能，为改进机组设计、制造水平及产品质量提供有力的依据。 6 形! 卜学付论艾 同时可以采取适当措施，对k 5 4 0 3 压缩机组状态实行在线调理，延长机组设备运 行周期，为生产和维修决策提供科学依据； 3 通过趋势预测，随时掌握k 5 4 0 3 压缩机组运行状态的变化情况、各部分性 能的劣化程度和机械性能的发展趋势，对机组设备状态变化情况做到心中有数， 为逐步实现定期强迫维修制度向预知维修制度的过渡提供条件，提高设备管理的 现代化水平。 1 4 本文的主要研究内容和整体框架 为了满足企业需求，实现预知维护，本文对巴陵石化有限公司的k 5 4 0 3 离心 式压缩机的状态监测与趋势预测技术进行了深入系统地研究，阐述了该机组的故 障机理，研究了该机组的状态监测和趋势预测方法，最后实现了k 5 4 0 3 离心式压 缩机的状态监测与趋势预测系统。论文共分六章： 第1 章为绪论部分，介绍了丌展状态监测及趋势预测技术研究的意义和目的， 概括了该技术在国内外的发展现状和趋势，说明了本文的研究背景和整体框架； 第2 章根据k 5 4 0 3 离心式压缩机的结构特点，阐述了该机组的故障机理，并分 别对每种故障进行分析，给出了相应的故障特征，最后给出了常用的基于振动信 号分析处理的故障诊断方法； 第3 章以k 5 4 0 3 离心式压缩机的预知维护为出发点，结合企业的实际需求开发 了k 5 4 0 3 离心式压缩机状态监测与趋势预测系统，简要阐述了系统实现的关键技 术：面向对象技术、虚拟仪器技术和组态技术，重点研究了基于面向对象的统一 建模语言u m l 的系统需求分析和面向对象设计； 第4 章提出了多项式神经网络迭代多步预测法。基于压缩机运行状态的非线 性特征和神经网络的优点，将神经网络应用到k 5 4 0 3 离心式压缩机的趋势预测当 中。考虑到目前最常用的b p i , 经网络存在的缺陷，进一步提出了多项式神经网络 迭代多步预测法，采用遗传算法优化网络权值，使网络的训练次数大大减少，准 确性明显提高，取得了满意的预测效果； 第5 章为系统实现，根据系统设计原则，分别从硬件和软件两方面来设计系 统。软件系统采用模块化设计，系统按功能可分为三部分：数据采集、状态监测、 状态分析及诊断，最后分别介绍了各个模块的实现。 论文最后在全文研究工作的基础上进行了总结，并对后续的研究内容进行了 展望。 论文整体框架如图1 1 所示： 7 k 5 4 0 3 离一c , s e l t , 缩机状态 临测j 趋势预测披术研究 1 5 本章小结 图1 1 论文的整体框架 本章首先从大型旋转机械预知维护入手，阐明了开展状态监测和趋势预测的 重要性，分析了状态监测和趋势预测技术的发展现状和趋势，结合压缩机设备维 护面临的问题和挑战，提出了k 5 4 0 3 离心式压缩机状态监测与趋势预测系统的体 系结构，最后介绍了论文的研究内容和整体框架。 8 硕i j 学f t 论文 第2 章k 5 4 0 3 离心式压缩机的故障机理与分析方法 2 1k 5 4 0 3 离心式压缩机简介 2 1 1 结构概述 k 5 4 0 3 离心式压缩机是巴陵石化有限公司己内酰胺车间的关键设备，也是本 文的研究对象。 k 5 4 0 3 离心式压缩机全称为t a l l 0 0 0 m 4 r 2 型四级离心式空气压缩机，由 c o o p e r 公司制造，该机组具有紧凑、实用、节省场地、不间断运行、免维护、 运转平稳等特点。机组由主机和辅机两部分组成。主机包括压缩机、电机、联轴 器和外壳四部分；辅机包括气体冷却器、润滑油系统、防喘振放空系统、仪表控 制系统等。该机组为内置式，即电机与压缩机联结后，一起置于高压容器内，在 高压气体中运转。 2 1 2 主要特征参数 外形尺寸：l = 5 6 0 0 m m ，w = 3 1 7 0 m m ，h = 2 2 9 5 m m 最大部件质量：6 3 5 0 k g 排气量( 正常1 0 0 ) ：1 8 0 0 0 n m 3 h 大齿轮转速：3 5 5 8 r m i n 进气压力：1 0 0 o k p a 出气压力：1 3 5 m p a 进气温度：3 0 排气温度：1 0 0 输出功率：2 2 4 8 k w 证常蒸汽消耗量：4 1 0 5 2 k g h r 流量调节范围：6 9 10 5 喘振压升：4 4 3 润滑油量：6 8 5 l 蒸汽条件： 入口压力：3 4 m p a 出口压力：1 0 8 m p a 入口温度：3 9 5 排气压力：2 0 0 9 k 5 4 0 3 离心j h 缩机状态：俺测j 趋辨颅测技术州究 2 2k 5 4 0 3 离心式压缩机常见故障的机理 k 5 4 0 3 离心式压缩机组是一种旋转机械，因而具有旋转机械各种典型的故障 形式，如不平衡、不对中、动静碰摩等；它又是离心式压缩机组，因而喘振是其 主要故障之一；它由滚动轴承支撑，因而具有滚动轴承的各种故障表现。 2 2 1 转子不平衡故障的机理 转子不平衡是旋转机械最常见的故障，分为转子质量偏心及转子部件缺损两 种状态。转子质量偏心是由于转子的制造误差、装配误差、材质不均匀等原因造 成，称此为初始不平衡。转子部件缺损是指转子在运行中由于腐蚀、磨损、介质 结垢以及转子受疲劳应力的作用，使转子的零部件( 如叶轮、叶片等) 局部损坏、 脱落，碎块飞出等，造成新的转子不平衡，发生异常振动。 图2 1 转子力学模型 假定转子的质量为m ，偏心质量为m ，偏心距为e ，如果转子的质心到两轴承连 心线的垂直距离不为零，具有挠度为a ，如图2 1 所示。 由于偏心质量m 和偏心距e 的存在，当转子转动时将产生离心力、离心力矩 或两者兼而有之。离心力的大小与偏心质量m 、偏心距e 及旋转速度有关，即 f = m e c 0 2 。众所周知，交变的力( 方向、大小均周期性变化) 会引起振动，这就是 不平衡引起振动的原因。转子转动一周，离心力方向改变一次，因此不平衡振动 的频率与转速相一致。 不平衡故障会产生以下不良后果： ( 1 ) 引起转子的反复弯曲和内应力，这种弯曲和内应力会引起转子疲劳，甚 至引起转子断裂； ( 2 ) 引起机组产生振动和噪声，加速轴承磨损，降低整机寿命和效率； ( 3 ) 转子的振动通过轴承、机壳和机座传递到基础和车间，恶化了工作环境。 实际工程中，由于轴的各个方向上刚度有差别，特别是由于支承刚度各向不 同，因而转子对不平衡的响应在x ，y 方向不仅振幅不同，而且相位也不是9 0 度， 因此转子的轴心轨迹不是圆而是椭圆，表2 1 是转子发生不平衡时的故障特征： 表2 1转子不平衡的故障动征 l o 坝i ，学位论文 2 2 2 转子不对中故障的机理 1 转子不对中的类型 转子不对中包括轴承不对中和轴系不对中两种情况。轴颈在轴承中偏斜称为 轴承不对中。轴承不对中本身不会产生振动，它丰要影响到油膜性能的好坏。在 转子不平衡情况下，由于轴承不对中对不平衡力的反作用，可出现工频径向和轴 向振动。机组各转子之间用连轴节联结时，如不处在同一直线i 二，就称为轴系不 对中。通常说不对中多指轴系不对中。造成轴系不对中的原因有安装误差、管道 应变影响、温度变化热变形、基础沉降不均等。由于不对中，将导致轴向、径向 交变力，引起轴向振动和径向振动。不对中振动力的大小及其产生的振动量将随 不对中严重程度而增大。当对中超差过大时，会对设备造成一系列有害的动力效 应，如连轴节咬死、轴承碰摩、油膜失稳、轴挠度变形增大等等，严重时将造成 灾难性事故。 轴系不对中又有三种情况： ( 1 ) 轴线平行位移，称为平行不对中； ( 2 ) 轴线交叉成一角度，称为角度不对中； ( 3 ) 轴线位移且交叉，称为综合不对中。 2 不对中故障的机理 k 5 4 0 3 离心式压缩机采用固定式刚性联轴器。当刚性联轴节联结的转子对中 不良时，强制联结将使转子发生弯曲变形。对平行不对中而言，转子每转动一周， 径向弹性力改变方向4 次，即振动两次，所以平行不对中会产生两倍频径向振动。 对角度不对中而言，转子每转动一周，弯曲力矩改变一次方向，因此，角度不对 中将引起轴向同频振动。用刚性联轴节联结的转子，不对中时转子往往既有轴线 平行位移，又有角度位移，转子所受的力既有径向交变力又有轴向交变力。如图 2 2 所示： ( a ) 轴线平行位移 飞二 ( b ) 轴线角度位移 图2 2 刚性联轴器连接不对中情况 由刚性联轴器连接的转子不对中时，其故障特征如表2 2 所示： k 5 4 0 3 离- t 5 j l = j f i 缩机状态：愉测。j 趋谤颅测技术研究 2 2 3 动静碰摩故障的机理 在高速旋转机械中为了提高机器效率，往往将密封问隙、轴承间隙做得较小， 以减少气体和润滑油泄露。但是，小间隙除了会引起流体动力激振之外，还会发 生转子与静止部件的摩擦。例如，轴的挠度、转子不平衡、转子与静止热膨胀不 一致、气体动力作用、密封力作用以及转子对中不良等原因引起的振动，轻则发 生密封件的摩擦损伤，重则发生转子与隔板的摩擦碰撞，引起严重的机器损伤事 故。此外，轴承中也会发生干摩擦或半干摩擦，这种摩擦有时是不明显的，并不 发生明显故障，机器未停车拆检之前找不出异常振动原因。因此，必须了解转子 与静止件摩擦激振的故障特征，以便及时作出诊断，防止更大事故发生。 转子与静止件发生径向摩擦存在两种情况：一种是转子在涡动过程中与静止 件发生局部性或周期性的局部碰摩；另一种是转子与静子的摩擦接触弧度较大， 甚至发生连续的全周接触摩擦。 转子与静止件径向摩擦的故障特征如表2 3 所示： 表2 3转子与静止件径向摩擦的故障特征 2 2 4 转子支承系统联结松动故障的机理 转子支承部件联结松动是指系统结合面存在问隙或连接刚度不足，造成机械 阻尼偏低、机组运行振动过大的一种故障。支承系统结合面间隙过大，紧力不足， 在外力或温升作用下产生i n j 隙，固定螺栓强度不足导致断裂或缺乏防松措施造成 部件松动，基础施工质量欠佳等都是造成松动的常