往復(fù)壓縮機氣閥故障時氣閥定位方法研究

興成宏，趙賀嘉，王忠明，徐豐甜，張進杰

（1.北京化工大學(xué)診斷與自愈研究中心，北京100029；2.中國石油大慶煉化公司，黑龍江大慶163714；3.大慶油田有限責(zé)任公司第九采油廠，黑龍江大慶163714）

往復(fù)壓縮機氣閥故障時氣閥定位方法研究

興成宏1，趙賀嘉2，王忠明3，徐豐甜1，張進杰1

（1.北京化工大學(xué)診斷與自愈研究中心，北京100029；2.中國石油大慶煉化公司，黑龍江大慶163714；3.大慶油田有限責(zé)任公司第九采油廠，黑龍江大慶163714）

利用Karhunen-Loeve（KL）變換與徑向基函數(shù)建立氣閥故障異常檢測模型，以往復(fù)壓縮機氣閥溫度在線監(jiān)測為基礎(chǔ)，通過對往復(fù)壓縮機不同氣閥進行分組，提出了一種故障氣閥的搜索策略，建立了能夠在氣閥故障時進行故障氣閥定位的氣閥故障診斷模型，提高了往復(fù)壓縮機氣閥監(jiān)測與故障診斷的自動化程度。

往復(fù)壓縮機；氣閥故障；氣閥定位；KL變換；徑向基函數(shù)

1　引言

氣閥是往復(fù)壓縮機關(guān)鍵部件，若氣閥發(fā)生故障會導(dǎo)致往復(fù)壓縮機的排氣壓力、溫度和排氣量等參數(shù)無法滿足工藝要求。因此，需要研究氣閥故障診斷方法，進行氣閥故障預(yù)警和診斷。

國內(nèi)已有很多往復(fù)壓縮機故障診斷方法研究人員對氣閥故障做了很多研究工作：張思陽等人采用EMD方法對故障信號進行分解、重構(gòu)，以及樣本熵分析，提取出了氣閥故障的故障信息［1］；黃衛(wèi)東等人提出了基于示功圖分析的氣閥故障診斷方法，并通過對比正常工作時和故障發(fā)生時的示功圖，實現(xiàn)了往復(fù)壓縮機氣閥故障診斷［2］；徐豐甜等人針對氣閥故障發(fā)生時同氣缸上同類氣閥正常工作時溫度走勢一致，故障氣閥與正常氣閥溫度走勢不一致，采用主成分分析（PCA）從氣閥溫度數(shù)據(jù)中提取氣閥故障特征參數(shù)，實現(xiàn)了氣閥故障的異常檢測［3］。

本文在前人研究成果的基礎(chǔ)上，對氣閥故障中故障氣閥準確定位方法進行研究，建立了能夠在氣閥故障時進行故障氣閥定位的氣閥故障診斷模型，提高了往復(fù)壓縮機氣閥故障診斷的自動化程度。

2　基于KL變換的氣閥故障異常檢測方法

當(dāng)往復(fù)壓縮機的某氣缸上的氣閥正常工作時，同類氣閥的氣閥溫度波動一致；若其中某氣閥發(fā)生故障時，該故障氣閥溫度與其他正常氣閥波動不一致［3］。

如圖1是一個二維的氣閥正常工作時的溫度數(shù)據(jù)樣本分布圖，經(jīng)過正交化線性變換之后，得到一個代表第一大方差的第一坐標a0和一個代表第二大方差的第二坐標a1。從氣閥溫度數(shù)據(jù)分布的角度看，當(dāng)氣閥正常工作時，氣閥溫度數(shù)據(jù)分布的第一坐標基本保持不變；當(dāng)氣閥故障發(fā)生時，第一坐標會發(fā)生偏轉(zhuǎn)。因此可以用第一坐標作為診斷氣閥故障的特征參數(shù)，稱為“氣閥特征”，該特征參數(shù)可以通過Karhunen-Loeve（KL）［4］變換提取出：

圖1　一個二維的樣本分布圖

令x是一個氣閥溫度樣本列向量，每一維代表一個氣閥溫度，通過正交變換矩陣A，得到新坐標下氣閥溫度樣本向量的值

為了使得正交變換之后的新坐標正好代表第一大方差的第一坐標和代表第二大方差的第二坐標等做成的新坐標，我們要求新坐標下氣閥溫度樣本的協(xié)方差矩陣∑y是對角陣，即

根據(jù)相關(guān)矩陣對角化特征，得出正交變換矩陣A的橫向量正是協(xié)方差矩陣∑x的特征向量，∑y的對角線上的值正好是∑x的特征值，而特征值最大值對應(yīng)的特征向量便是指第一大方差的第一坐標，稱該特征向量就是“氣閥特征”。該變換也就是Karhunen-Loeve（KL）變換。

為了建立氣閥故障異常檢測模型，當(dāng)輸入值為“氣閥特征”X?R"，輸出值為氣閥工作的正常程度Y=｛y|y∈［0，1］｝，可以考慮公式（3）作為氣閥故障異常檢測模型函數(shù)，簡稱為模型函數(shù)

c∈Rn為該模型函數(shù)的中心點；||x-c||為樣本數(shù)據(jù)距c∈Rn的歐式距離。

考慮“氣閥特征”是列向量，該模型函數(shù)可以采用Gaussian分布函數(shù)［4］

其中μ——經(jīng)氣閥正常工作時的N組“氣閥特征”的均值

∑——該N組“氣閥特征”的協(xié)方差矩陣

在該模型中，“氣閥特征”距離均值μ越近，表示氣閥正常工作；當(dāng)特征參數(shù)連續(xù)出現(xiàn)偏離均值μ的情況（模型函數(shù)值低于某個閾值），則可以判斷氣閥發(fā)生異常。

3　故障氣閥定位方法

往復(fù)壓縮機往往都是雙作用氣缸，每個氣缸的氣閥呈對稱布置，每側(cè)氣閥數(shù)多大于2個。在利用氣閥閥蓋溫度進行氣閥故障監(jiān)測的條件下，為實現(xiàn)故障氣閥的定位，需進一步觀察氣閥故障時氣閥溫度數(shù)據(jù)的特征。

（1）氣閥發(fā)生故障時同一氣缸上的兩側(cè)同類氣閥的溫度數(shù)據(jù)保持獨立。如圖2是某氣缸（含4個吸氣閥和4個排氣閥）排氣閥泄漏故障時，同一氣缸上排氣閥的溫度曲線。

（2）氣閥發(fā)生故障時，故障氣閥溫度與其他正常氣閥溫度變化不一致。如果不看故障氣閥，正常氣閥溫度之間仍然保持一致性。因此可以利用這個特點從多個氣閥中進行故障氣閥定位。

（3）氣閥傳感器發(fā)生故障時，常常是因為氣閥溫度傳感器從氣閥閥蓋上滑落導(dǎo)致，溫度數(shù)據(jù)上表現(xiàn)為該氣閥傳感器代表的氣閥溫度異常下降。當(dāng)傳感器重新復(fù)位后，氣閥溫度又異常上升至原溫度水平。因此可以看出，故障氣閥溫度都與其他正常氣閥溫度變化不一致，而正常氣閥之間溫度變化一致。

圖2　某氣缸排氣閥故障時排氣閥溫度曲線

本文將對氣閥進行分組，對故障氣閥進行搜索定位，具體方法如下：

（1）將每個氣缸每側(cè)同類氣閥歸為一組。當(dāng)同類氣閥數(shù)為一個時，將同一氣缸上兩側(cè)同類氣閥歸為一組。這樣每組的氣閥個數(shù)為2、3或4個。

（2）當(dāng)每組的氣閥個數(shù)為3或4個時，若模型函數(shù)輸出值低于報警線，將報警的溫度數(shù)據(jù)標記并進行故障氣閥定位。當(dāng)氣閥個數(shù)為4個時，對于1#氣閥，只取2#、3#和4#氣閥標記過的溫度數(shù)據(jù)重新計算得出模型函數(shù)輸出值；對于2#、3#和4#氣閥同理。4次計算后，確定模型函數(shù)值的平均值最大者對應(yīng)的氣閥為故障氣閥。

（3）當(dāng)每組的氣閥個數(shù)為2個時，若模型函數(shù)值低于報警線，只進行氣閥故障報警，而不繼續(xù)搜索故障氣閥。因為在2個氣閥情況下，無法僅通過溫度趨勢判定故障氣閥。如圖3當(dāng)2#吸氣閥發(fā)生故障時，氣閥溫度異常上升，但是在這之前，其氣閥溫度已經(jīng)和1#吸氣閥溫度變化不一致，這時很難判斷哪一個氣閥是故障氣閥。

圖3　2個氣閥時氣閥故障溫度曲線

因此，往復(fù)壓縮機氣閥故障自動化診斷方法流程見圖4。

圖4　往復(fù)壓縮機氣閥故障自動化診斷方法流程

4　氣閥故障自動化診斷實驗驗證

通過2個氣閥故障實例驗證往復(fù)壓縮機氣閥故障定位方法的有效性。

4.1氣閥故障案例1

案例1中的氣閥故障是某氣缸某一側(cè)排氣閥（同側(cè)共4個排氣閥）發(fā)生泄漏故障。如圖5是該氣缸排氣閥泄漏故障時的4個排氣閥溫度曲線，其中故障氣閥溫度先逐漸上升，最后異常上升，其他排氣閥并未受多少影響，只是小幅度上升。

圖6是模型函數(shù)值曲線。該模型函數(shù)曲線反映了4#排氣閥溫度與其他氣閥溫度的關(guān)系：當(dāng)氣閥之間溫度變化不一致時，代表氣閥工作正常程度的模型函數(shù)值也相應(yīng)變小。

為了確定故障氣閥，進行故障氣閥搜索定位，對圖5的氣閥溫度數(shù)據(jù)進行重新計算：對于1#排氣閥，計算2#、3#和4#排氣閥溫度數(shù)據(jù)的“氣閥特征”，并得到模型函數(shù)值；以此類推。如圖7是4條模型函數(shù)值曲線。從圖中可以看出4#排氣閥對應(yīng)的模型函數(shù)值相對氣閥氣閥最大，可以判斷4#排氣閥為故障氣閥。

4.2氣閥故障案例2

案例2中的故障是往復(fù)壓縮機運行時，某氣缸某一側(cè)排氣閥（同側(cè)共4個排氣閥）傳感器從氣閥閥蓋上掉落，該故障不屬于機械零件損傷，但也需要及時修復(fù)，以免因缺失氣閥溫度數(shù)據(jù)導(dǎo)致遺漏氣閥故障。如圖8是該故障氣閥溫度曲線。

如圖9是模型函數(shù)值曲線。該模型函數(shù)曲線中70～90 h和200～220 h的這2段正好反映了3#排氣閥傳感器異常情況。

為了確定故障氣閥，進行故障氣閥搜索定位，對圖8的氣閥溫度數(shù)據(jù)進行重新計算：對于1#排氣閥，計算2#、3#和4#排氣閥溫度數(shù)據(jù)的“氣閥特征”，并得到模型函數(shù)值；以此類推。如圖10是4條模型函數(shù)值曲線。從圖中70～90 h和200～220 h的這2段可以看出3#排氣閥對應(yīng)的模型函數(shù)值相對氣閥最大，可以判斷3#排氣閥為故障氣閥。

圖5　氣閥故障案例1排氣閥溫度曲線

圖6　氣閥故障案例1模型函數(shù)值曲線

圖7　氣閥故障案例1中4條模型函數(shù)值曲線

圖8　氣閥故障案例2氣閥溫度曲線

圖9　氣閥故障案例2模型函數(shù)值曲線

圖10　氣閥故障案例2中4條模型函數(shù)值曲線

5　結(jié)語

本文在采用KL變換提取診斷氣閥故障的特征參考文獻：

參數(shù)“氣閥特征”和Gaussian分布函數(shù)構(gòu)建的氣閥故障診斷模型的基礎(chǔ)上，利用故障氣閥溫度與正常氣閥溫度變化不一致，而正常氣閥溫度之間仍然變化一致的特點，對故障氣閥的搜索定位方法的研究，建立能夠在氣閥故障時進行故障氣閥定位的氣閥故障診斷模型，通過實際故障案例的驗證說明該模型可以進行故障氣閥定位。

［1］張思陽，徐敏強，王日新，高晶波.EMD與樣本熵在往復(fù)壓縮機氣閥故障診斷中的應(yīng)用［J］.哈爾濱工程大學(xué)學(xué)報，2004，35（6）：696-700

［2］黃衛(wèi)東，侯振宇，基于示功圖的往復(fù)壓縮機故障診斷技術(shù)［J］.壓縮機技術(shù)，2014，（4）：61-64.

［3］徐豐甜，李建，孔祥宇，等.基于PCA的往復(fù)壓縮機氣閥故障異常監(jiān)測方法［J］.流體機械，2014，42（10）：52-59.

［4］李旭朋，戴凌漢，李慶.往復(fù)式壓縮機故障診斷的小波分析方法［J］.設(shè)備管理與維修，2008，10：46-47.

［5］馬晉，江志農(nóng)，高金吉.基于混沌分形理論的特征提取技術(shù)在氣閥故障診斷中應(yīng)用［J］.振動與沖擊，2012，31（19）：26-30.

［6］Sergios Theodridis，Konstantions Koutroumbas.模式識別［M］.北京：電子工業(yè)出版社，2012.

Research on Valve Locating Method for Reciprocating Compressor Valve Fault

XING Cheng-hong1，ZHAO He-jia2，WANG Zhong-ming3，XU Feng-tian1，ZHANG Jin-jie1
（1.Diagnosis and Self-Recovery Engineering Research Center，Beijing University of Chemical Technology，Beijing 100029，China；2.Petro China Daqing Petrochemical Company，Daqing 163714，China；3.No.9 Oil Production Plant，Daqing Oilfield Company Limited，Daqing 163714，China）

Karhunen-Loeve（KL）transform and radial basis function is used to establish the valve fault abnormality detection model. Based on the online monitoring of valve temperature，this paper proposed a failure valve search strategy by grouping different valves of reciprocating compressor.In addition，the model of valve fault diagnosis which can locate the failure valve was established，and the automation of reciprocating compressor valve monitoring and fault diagnosis has been improved.

reciprocating compressor；valve fault；valve locating；Karhunen-Loeve transform；radial basis function

TH457

A

1006-2971（2015）05-0020-05

興成宏（1972-），男，博士，研究方向為機械設(shè)備故障診斷及專家系統(tǒng)研究。

2015-05-04

國家重點基礎(chǔ)研究發(fā)展計劃（“973”計劃）項目（2012CB026000）；國家自然科學(xué)基金重點項目（51135001）