[发明专利]耦合三角模糊数的往复压缩机典型故障的故障树诊断方法

说明书

本发明涉及一种耦合三角模糊数的往复压缩机典型故障的故障树诊断方法。该方法步骤包括：1)根据往复压缩机运行机制，以各关键部件为研究对象，对其各种故障类型进行分类，建立往复压缩机典型故障故障树；2)根据故障树上下层事件的逻辑关系，建立顶层事件的最小割集集合；3)结合三角模糊数确定故障树顶层事件和各节点层事件的发生概率；4)根据特征参数的实测数据，根据逻辑关系，判断压缩机故障关键部件所在，输出故障模式。本发明将三角模糊函数表达故障事件的概率融合到故障树诊断方法中，既反映了导致故障发生的多因素性，又允许概率赋值存在一定程度上的误差。该方法具有应用方便，诊断准确率和可靠性均较高的优点。

技术领域

本发明属于往复压缩机故障诊断方法技术领域，具体涉及一种耦合三角模糊数的往复压缩机典型故障的故障树诊断方法及测量方法。

背景技术

往复压缩机是流程工业企业关键机组，尤其在炼油、化工、输气管道行业中起着至关重要的作用。由于结构复杂，振动激励源多，故障关联性强，机组故障诊断准确率低，重大安全事故频发，如何提高往复式压缩机故障诊断的准确性始终是困扰企业设备管理人员的难点，同时也是科研人员研究的热点。

往复式压缩机传统的故障诊断方法包括振动分析法，油液分析法，压力分析法。对于振动分析法，由于往复式压缩机的振动激励源多，运动部件多，各个部件之间的振动能量可以相互传递，仅仅依靠振动分析很难准确定位故障部位及故障原因。油液分析法只能诊断润滑油润滑部位的磨损故障，对其他的故障效果不明显。而压力分析法只能初步判断工艺量是否稳定，对于具体的故障很难得出准确的诊断结果。

发明内容

为了解决上述技术问题，本发明提供了一种耦合三角模糊数的往复压缩机典型故障的故障树诊断方法。本发明将三角模糊函数表达故障事件的概率融合到故障树诊断方法中，既反映了导致故障发生的多因素性，又允许概率赋值存在一定程度上的误差。该方法具有应用方便，诊断准确率和可靠性均较高的优点。

为了实现本发明的目的，本发明采用了以下技术方案：

一种耦合三角模糊数的往复压缩机典型故障的故障树诊断方法，包括如下步骤：

S1，以往复压缩机的各关键部件为研究对象，对往复压缩机的各种故障类型进行分类，并明确往复压缩机的每种故障类型的外部特征，建立由顶层事件、节点层事件以及底层事件构成的往复压缩机典型故障的故障树；

S2，根据故障树上下层事件的逻辑关系，建立顶层事件和节点层事件的最小割集集合，所述最小割集集合由底层事件构成；根据顶层事件和节点层事件的最小割集集合，建立顶层事件的故障发生概率表达式；

S3，根据统计法或者专家赋值法，给出任一底层事件的三角模糊数形式的故障发生概率，取底层事件的三角模糊数形式的故障发生概率中的可能性最大的数值，将此可能性最大的数值作为底层事件的故障发生概率代入步骤S2中的顶层事件的发生概率表达式，计算顶层事件的发生概率；

S4，计算任一底层事件相对于顶层事件的重要度；

S5，当压缩机发生故障时，根据特征参数的实测数据，判断节点层事件发生的类型，结合底层事件的重要度，判断压缩机故障关键部件所在，输出故障模式。

优选的，S1包括如下具体步骤：

S11，以压缩机各关键部件为研究对象，基于往复压缩机运行失效机理，对往复压缩机运行过程中可能出现的各种故障类型进行分类，并明确往复压缩机的每种故障类型的外部特征；

S12，根据实际故障状况显示的外部特征，分析可能失效的关键部位及其故障类型，以此方法逐级向下演绎推理，找出发生故障的全部最底层原因，即找出可能导致发生故障的各个节点层事件和底层事件；