[发明专利]基于状态参数学习的往复式压缩机故障诊断方法及系统

说明书

一种基于状态参数学习的往复式压缩机故障诊断方法及系统，方法包括搭建BP神经网络；提取往复式压缩机正常状态下运行历史数据中的输入参数和输出参数作为训练样本，对BP神经网络进行预训练；通过预训练后的BP神经网络对训练样本中的输入参数进行预测计算，得到预测值与实际值的基准偏差，利用基准偏差设定安全阈值范围；提取往复式压缩机当前运行数据中的输入参数，作为BP神经网络的输入参数，得到输出参数的预测值；计算输出参数的预测值与实测值的相对偏差，与安全阈值范围比较，如果超出安全阈值范围，则认为往复式压缩机处于故障状态，由相对偏差的变化情况，对故障进行故障定位，给出故障诊断结果。本发明易于实施，预测结果准确。

技术领域

本发明属于往复式压缩机技术领域，具体涉及一种基于状态参数学习的往复式压缩机故障诊断方法及系统。

背景技术

大型往复式压缩机具有热效率高和适用流量压力范围大等优点，广泛地应用于石油化工行业、天然气压缩站等，是其工艺生产流程中不可或缺的关键设备。因其具有运动部件多、运动部件的工作条件恶劣和易损件多的特点，在长期运行过程中发生意外故障的概率较高。往复式压缩机因故障非计划性停机往往会造成较高的经济损失，甚至引起严重的安全事故。因此，对往复式压缩机的故障做出准确判断以及预测，避免往复式压缩机因故障导致非计划性停机，对往复式压缩机行业发展具有重大意义。

近年来，随着人工智能技术的巨大进步，往复式压缩机领域的许多学者也将人工智能技术应用于往复式压缩机的性能分析和故障诊断。但是目前常见的人工智能诊断方法存在技术成本高、诊断精度不足以及实施难度大等问题。例如基于PV图的故障诊断，需要在气缸开孔测压，这会破坏气缸的完整性和气密性，而且大型往复式压缩机的排气压力高，往往不允许缸体上临时钻孔。

发明内容

本发明的目的在于针对上述现有技术中的问题，提供一种基于状态参数学习的往复式压缩机故障诊断方法及系统，能够实现往复式压缩机的故障诊断和故障定位，易于实施，且预测结果准确。

为了实现上述目的，本发明有如下的技术方案：

一种基于状态参数学习的往复式压缩机故障诊断方法，包括：

利用状态参数预测模型的输入参数和输出参数，搭建BP神经网络；

提取往复式压缩机在正常状态下的运行历史数据中的输入参数和输出参数作为训练样本，对所述BP神经网络进行预训练，得到预训练后的BP神经网络；

通过所述预训练后的BP神经网络对训练样本中的输入参数进行预测计算，得到预测值与实际值之间存在的基准偏差，利用所述基准偏差设定安全阈值范围；

提取往复式压缩机当前运行数据中的输入参数，并作为所述预训练后的BP神经网络的输入参数，得到所述状态参数预测模型的输出参数的预测值；

计算所述状态参数预测模型的输出参数的预测值与实测值之间的相对偏差，与设定的安全阈值范围进行比较，如果未超出安全阈值范围，则认为往复式压缩机处于正常运行状态；否则，认为往复式压缩机处于故障状态；

当往复式压缩机处于故障状态时，由所述相对偏差的变化情况，对往复式压缩机故障进行故障定位，给出故障诊断结果。

作为一种优选方案，所述状态参数预测模型的建立，包括输入参数、输出参数，以及输出参数与输入参数之间的映射关系；所述输入参数包括一级进气压力、一级进气温度和末级排气压力；

所述输出参数包括除输入参数以外的各级进气压力、进气温度、排气压力和排气温度；

所述输出参数与输入参数之间的映射关系如下式：

p_dj＝f(p_d,p_s,n,j)