聶福森+張鵬飛+柴卓

【摘 要】 本文針對往復(fù)壓縮機氣閥信號復(fù)雜、信號特征難以提取等問題，基于小波變換技術(shù)，研究了往復(fù)壓縮機氣閥信號的特征提取及消噪的方法。提出了用于氣閥信號處理的小波基函數(shù)選擇原則和波形匹配及消噪的閥值選取原則。通過對實驗對往復(fù)壓縮機氣閥的振動和壓力信號進行分析，驗證了該方法的可行性和有效性。為企業(yè)現(xiàn)場設(shè)備維修維護提供了可靠的理論數(shù)據(jù)。

【關(guān)鍵詞】 往復(fù)壓縮機 故障診斷 特征提取 小波法 氣閥

作為石化、采礦、制造和國防等行業(yè)生產(chǎn)線上的關(guān)鍵裝備，往復(fù)式壓縮機其結(jié)構(gòu)復(fù)雜，在高速、高壓和高溫的環(huán)境下及易發(fā)生故障，對往復(fù)壓縮機的管理與維修，通常采用計劃維修模式，維修的滯后和被動在很大程度上影響了企業(yè)的生產(chǎn)效率，有時因延誤故障檢修降低了壓縮機的使用壽命。隨著故障診斷技術(shù)的不斷發(fā)展，目前大多數(shù)企業(yè)應(yīng)用了具有狀態(tài)監(jiān)測與故障診斷功能的專業(yè)設(shè)備，遠程在線監(jiān)測系統(tǒng)也逐漸普及到在生產(chǎn)企業(yè)中。因此壓縮機故障診斷技術(shù)和系統(tǒng)一直是工程研究人員努力和研究的目標，對該技術(shù)在實際中得到廣泛應(yīng)用具有重要意義。

壓縮機的重要部件——氣閥，是控制氣缸中靠氣閥兩側(cè)的壓力差來控制壓縮機進氣和排氣的裝置。其種類很多，常見的有環(huán)狀閥、網(wǎng)狀閥、碟形閥等。因其在往復(fù)壓縮機工作過程中及易損耗，因此被定義為易損件。 實驗研究發(fā)現(xiàn)氣閥發(fā)生故障的概率約占壓縮機總故障率的60%以上[1]。因此及時地檢測氣閥故障，是保證往復(fù)壓縮機正常工作的重要診斷工作[2]。本文結(jié)合工作實際，基于往復(fù)壓縮機氣閥信號的不平穩(wěn)性的特點，采用小波分析法提取氣閥的振動信號和壓力信號的特征值，再利用特征值融合法對氣閥的故障進行診斷，解決了壓縮機氣閥的故障診斷過程中的信號處理問題。

1 氣閥振動信號建模

由于氣閥閥蓋的振動是氣閥故障較敏感的位置，因此在氣閥故障的診斷通常是通過對閥蓋的振動加速度和閥腔內(nèi)的壓力信號的分析來完成的[3]。氣閥閥片的振動為典型的二階欠阻尼系統(tǒng)，如圖1所示，其中吸氣閥和排氣閥的結(jié)構(gòu)和受力情況相同，若不考慮碰撞沖擊作用力的影響，閥片的運動方程如下：

（1）

式中：為氣閥閥片運動當(dāng)量；為閥片位移參數(shù)；為閥片的粘性阻尼系數(shù)；為閥片運動時的彈簧剛度系數(shù)；為彈簧的預(yù)壓縮量；為推力系數(shù)；為閥片兩側(cè)的壓力差；為閥片工作時的受壓面積。

由于往復(fù)式壓縮機結(jié)構(gòu)復(fù)雜，振源多不易辨識，且各受力部件受到的作用力較多，各振源的振動隨時間動態(tài)變化，導(dǎo)致作用于往復(fù)壓縮機氣閥蓋的振動信號與其它隨機沖擊信號等混雜在一起，因受噪聲的強烈干擾，特別是故障的特征信號較弱時，因故障的位置與信號之間的對應(yīng)關(guān)系不明顯而使故障特征不易被識別。

從圖1可知，從閥片開始撞擊閥擋起，經(jīng)若干次往復(fù)運動直到靜止這一過程，閥片對閥擋產(chǎn)生了多次逐漸衰減的振動信號，最后閥片和彈簧系統(tǒng)處于新的平衡。為分析氣閥的故障，從這一時段提取氣閥的振動信號，來建立氣閥故障的診斷模型。故將式（1）改寫為：

（2）

對式（2）進行整理可得：

（3）

式中：為綜合阻尼系數(shù)，，表示閥片的粘性阻尼系數(shù)與接觸阻尼系數(shù)之和；為綜合剛度系數(shù)，，表示彈簧的剛度系數(shù)與閥片的接觸剛度系數(shù)之和。

由文獻[4]可知，式（3）對應(yīng)的齊次方程在欠阻尼條件下的解為氣閥故障的診斷模型：

（4）

式中：為振動幅值；為振動初始相位角；為阻尼比；為無阻尼振動固有頻率；為有阻尼振動固有頻率。

2 小波基的選擇

小波分析法在信號處理方面提供了連續(xù)、離散小波變換及多辨識分析方法，為信號的特征提取提供了良好而準確的工具。與傳統(tǒng)的傅立葉變換相比，通過伸縮和平移兩種運算，小波變換在時域和頻域空間對函數(shù)圖像進行分析，把信號分解為具有局部特性的小波函數(shù)，在低頻和高頻都具有很好的可辨識性，從局部觀察和分析被測信號，其局部分析能力使其能有效地從信號中提取時域和頻域特征信息，解決了傳統(tǒng)方法無法解決的問題，為機械設(shè)備故障診斷提供了十分有效的方法。

小波包變換（Wavelet Packet Transformation）法將信號頻帶進行多層次分解，并根據(jù)被分析的振動信號特征，自適應(yīng)匹配相應(yīng)頻帶，提高時頻分辨率。振動信號經(jīng)小波包分解后，被劃分為不同頻段上的小波包函數(shù)，這些小波包函數(shù)中的時頻信息是信號時域和頻域信息的綜合信息。

當(dāng)設(shè)備發(fā)生故障時，氣閥振動信號受到干擾，振動信號形狀復(fù)雜不規(guī)則，相對于氣閥信號的復(fù)雜程度，小波函數(shù)之間形狀差別不大。通常情況下，基于氣閥的振動信號隨時頻域變化特性，可按以下條件來確定小波基[5]。

（1）小波基應(yīng)具有緊支集，即緊支區(qū)間越大，局部形態(tài)的顯示能力越強，因此為提高信號分析中的時頻分辨率，應(yīng)選擇緊支區(qū)域大的。

（2）ψ（t）連續(xù)可微；小波基的正則性要求其連續(xù)可微，其足夠的消失矩能夠保證其正則性要求。

（3）ψ（t）有N階消失矩；小波基的消失矩必須具有足夠的階數(shù)，但過高的階數(shù)會造成分析結(jié)果模糊。

（4）ψ（t）具有對稱性。為了保證信號的精確重構(gòu)，可以選取雙正交小波基。但在分析氣閥的非平穩(wěn)振動信號時，一般不要求小波信號的重構(gòu)。

基于以上分析可知，在氣閥故障診斷中，為有效地分析振動信號，應(yīng)考慮滿足區(qū)間的緊支撐和足夠的消失矩階數(shù)來選擇小波基。典型的具有緊支性的正交小波基有Daubechies系列小波基，Biorthogonal小波基系列，Coiflets小波基系列，Symlets小波基系列等。

3 故障信號提取

當(dāng)設(shè)備發(fā)生故障時，為了對測得的振動信號加以分析處理，首先應(yīng)對信號進行消噪處理，根據(jù)氣閥信號的非平穩(wěn)性的特點，采用Birge-Massart閥值進行消噪，避免有用信號的丟失。以各頻帶信號表示經(jīng)過消噪處理后的單支重構(gòu)信號，即元素構(gòu)造特征向量，可有效提取故障特征?？傂盘柨杀硎緸椋篹ndprint

（5）

式中，為小波包分解的層數(shù)（取正整數(shù)）；為小波包的節(jié)點數(shù)；

由于總信號為隨機信號，也是隨機信號，設(shè)對應(yīng)的勢能為：

（6）

式中：為重構(gòu)信號離散點的幅值。因此可知重構(gòu)信號的特征向量T為：

（7）

4 實例驗證

為了驗證方法的正確性，以本公司生產(chǎn)的2D12型往復(fù)壓縮機為例，采集了氣閥在正常工作條件下、閥片彈簧故障時閥蓋振動信號和氣缸內(nèi)的壓力信號。

首先對采集信號進行降噪處理，采用Daubechies小波基對原始信號做3級分解，分別提取第三層的重構(gòu)信號的特征向量如下表1、2所示。

以上數(shù)據(jù)表明：基于小波分析法得到的往復(fù)壓縮機氣閥信號的能量特征向量，可迅速有效的診斷壓縮機氣閥的故障，并能準確地進行故障定位。在氣閥故障信號特征的提取過程中，要注意謹慎選擇小波包分解的層數(shù)，若層數(shù)過少，不能有效提取故障特征，但層數(shù)過多，特征向量的維數(shù)變大，則使計算量增加，影響診斷速度。

5 結(jié)語

本文根據(jù)往復(fù)壓縮機的重要部件——氣閥信號的不平穩(wěn)性及特征難提取的特點，基于小波分析理論研究了氣閥信號的特征提取方法，從而實現(xiàn)了往復(fù)壓縮機故障診斷的自適應(yīng)。提出了提出針對氣閥信號處理的小波基函數(shù)的選取原則，并對氣閥的故障信號進行建模，提取了因故障而產(chǎn)生的敏感信號，并通過實驗證明了此方法的實際應(yīng)用價值。

參考文獻：

[1]黃長藝，嚴普強.機械工程測試技術(shù)基礎(chǔ)[M].機械工業(yè)出版社，2002.

[2]黃啟明，錢宇.化工過程故障診斷研究進展[J].化工自動化及儀表，2000，27（3）：1-5.

[3]屈梁生，張海軍.機械診斷中的幾個基本問題[J].中國機械工程，2000，n（l）211-16.

[4]Elhaj M，Gu F，Ball A，et al.Numerieal simulation and experimental study of a two-stage reciprocating compressor for condition monitoring [J].Mechanical Systems and Signal Processing，2008，22（2）：374-389.

[5]程香平，丁雪興，劉海亮，等.多種故障診斷技術(shù)在往復(fù)壓縮機中的應(yīng)用[J].壓縮機技術(shù)，2007，（5）：13一16.endprint

（5）

式中，為小波包分解的層數(shù)（取正整數(shù)）；為小波包的節(jié)點數(shù)；

由于總信號為隨機信號，也是隨機信號，設(shè)對應(yīng)的勢能為：

（6）

式中：為重構(gòu)信號離散點的幅值。因此可知重構(gòu)信號的特征向量T為：

（7）

4 實例驗證

為了驗證方法的正確性，以本公司生產(chǎn)的2D12型往復(fù)壓縮機為例，采集了氣閥在正常工作條件下、閥片彈簧故障時閥蓋振動信號和氣缸內(nèi)的壓力信號。

首先對采集信號進行降噪處理，采用Daubechies小波基對原始信號做3級分解，分別提取第三層的重構(gòu)信號的特征向量如下表1、2所示。

以上數(shù)據(jù)表明：基于小波分析法得到的往復(fù)壓縮機氣閥信號的能量特征向量，可迅速有效的診斷壓縮機氣閥的故障，并能準確地進行故障定位。在氣閥故障信號特征的提取過程中，要注意謹慎選擇小波包分解的層數(shù)，若層數(shù)過少，不能有效提取故障特征，但層數(shù)過多，特征向量的維數(shù)變大，則使計算量增加，影響診斷速度。

5 結(jié)語

本文根據(jù)往復(fù)壓縮機的重要部件——氣閥信號的不平穩(wěn)性及特征難提取的特點，基于小波分析理論研究了氣閥信號的特征提取方法，從而實現(xiàn)了往復(fù)壓縮機故障診斷的自適應(yīng)。提出了提出針對氣閥信號處理的小波基函數(shù)的選取原則，并對氣閥的故障信號進行建模，提取了因故障而產(chǎn)生的敏感信號，并通過實驗證明了此方法的實際應(yīng)用價值。

參考文獻：

[1]黃長藝，嚴普強.機械工程測試技術(shù)基礎(chǔ)[M].機械工業(yè)出版社，2002.

[2]黃啟明，錢宇.化工過程故障診斷研究進展[J].化工自動化及儀表，2000，27（3）：1-5.

[3]屈梁生，張海軍.機械診斷中的幾個基本問題[J].中國機械工程，2000，n（l）211-16.

[4]Elhaj M，Gu F，Ball A，et al.Numerieal simulation and experimental study of a two-stage reciprocating compressor for condition monitoring [J].Mechanical Systems and Signal Processing，2008，22（2）：374-389.

[5]程香平，丁雪興，劉海亮，等.多種故障診斷技術(shù)在往復(fù)壓縮機中的應(yīng)用[J].壓縮機技術(shù)，2007，（5）：13一16.endprint

（5）

式中，為小波包分解的層數(shù)（取正整數(shù)）；為小波包的節(jié)點數(shù)；

由于總信號為隨機信號，也是隨機信號，設(shè)對應(yīng)的勢能為：

（6）

式中：為重構(gòu)信號離散點的幅值。因此可知重構(gòu)信號的特征向量T為：

（7）

4 實例驗證

為了驗證方法的正確性，以本公司生產(chǎn)的2D12型往復(fù)壓縮機為例，采集了氣閥在正常工作條件下、閥片彈簧故障時閥蓋振動信號和氣缸內(nèi)的壓力信號。

首先對采集信號進行降噪處理，采用Daubechies小波基對原始信號做3級分解，分別提取第三層的重構(gòu)信號的特征向量如下表1、2所示。

以上數(shù)據(jù)表明：基于小波分析法得到的往復(fù)壓縮機氣閥信號的能量特征向量，可迅速有效的診斷壓縮機氣閥的故障，并能準確地進行故障定位。在氣閥故障信號特征的提取過程中，要注意謹慎選擇小波包分解的層數(shù)，若層數(shù)過少，不能有效提取故障特征，但層數(shù)過多，特征向量的維數(shù)變大，則使計算量增加，影響診斷速度。

5 結(jié)語

本文根據(jù)往復(fù)壓縮機的重要部件——氣閥信號的不平穩(wěn)性及特征難提取的特點，基于小波分析理論研究了氣閥信號的特征提取方法，從而實現(xiàn)了往復(fù)壓縮機故障診斷的自適應(yīng)。提出了提出針對氣閥信號處理的小波基函數(shù)的選取原則，并對氣閥的故障信號進行建模，提取了因故障而產(chǎn)生的敏感信號，并通過實驗證明了此方法的實際應(yīng)用價值。

參考文獻：

[1]黃長藝，嚴普強.機械工程測試技術(shù)基礎(chǔ)[M].機械工業(yè)出版社，2002.

[2]黃啟明，錢宇.化工過程故障診斷研究進展[J].化工自動化及儀表，2000，27（3）：1-5.

[3]屈梁生，張海軍.機械診斷中的幾個基本問題[J].中國機械工程，2000，n（l）211-16.

[4]Elhaj M，Gu F，Ball A，et al.Numerieal simulation and experimental study of a two-stage reciprocating compressor for condition monitoring [J].Mechanical Systems and Signal Processing，2008，22（2）：374-389.

[5]程香平，丁雪興，劉海亮，等.多種故障診斷技術(shù)在往復(fù)壓縮機中的應(yīng)用[J].壓縮機技術(shù)，2007，（5）：13一16.endprint