摘要：本文根据天然气压缩机故障特点，构建压缩机故障诊断系统，并对该系统中包括的数据管理模块、信号处理模块、故障诊断模块以及结构输出模块的作用进行阐述。根据小波包分析基本原理，以实例探究的形式，通过分析不同频率成分能量变化情况，对大功率天然气机组的故障进行有效诊断。
关键词：大功率；往复式；天然气压缩机组；故障诊断
引言：往复式天然气压缩机组具有压缩效率高、适应性强等特点，在石油化工行业中得到广泛应用。但是，由于该机组的结构较为复杂，且激励源较多，在运行过程中容易出现故障问题，需要采用专业技术进行诊断和维修，使各类故障问题得到有效解决，提高机组运行质量与效率。
1.天然气压缩机故障特点
1.1多样性
对于往复式天然气压缩机来说，其占地面积较大，内部结构较为复杂，构成零件数量较多，因此其故障具有多样性特点，主要体现在零部件方面。由于该机组中零部件数量较多，在运行时往往因磨损等原因导致故障问题发生，有时对于相同的零部件来说，也可能出现不同问题，这将需要将对零件进行精细化处理，掌握系统故障源头所在，并深入到系统运行的各个流程之中，对设备以往的故障史进行分析，由此准确判断故障位置与类型，及时寻找维修方法，使设备尽快恢复正常状态。
1.2并发性
天然气压缩机每日工作任务量较重，易损件故障的发生概率由此增加，加上设备子系统之间存在一定联系，当某个设备出现故障后，引发连锁反应，导致多台设备无法正常运行，因此故障具有并发性特点，这也是此类设备的典型特点。现阶段，在压缩机故障诊断中，对于此类多故障并发情况，需要根据故障所涉及到的每个部件与子系统，从中寻找各个故障零件之间的内在联系，通过综合考虑，准确寻找突破点，做出准确的判断[1]。
2.天然气压缩机故障诊断系统构建
往复式天然气机组的诊断系统中各个部分借助数据库实现信息交互，具体内容如下。
2.1数据管理模块
该模块采用关系数据库，根据树型目录进行管理，最上层的根结点采用往复式压缩机组，下方为压缩机、发动机，再下方为各个气缸，在气缸的下方设置各个气阀、火花塞等。此类压缩机中的主要部件均采用多级别组织的方式，通过二维表的方式进行存储，使各个部件与测点相互对应，再由数据将各个测点联系起来，同样采用二维表的形式储存，使机组中的各个测点数据相结合，形成一个完整的监测数据库。在界面中，通过树型视图的方式便可对机组中各部件的原始数据进行获取。
2.2信号处理模块
该模块在采用小波包变化信号以外，还具有信号截断、同步平均、消噪等功能，为了使功能更加多远，可附加基本信号分析功能，如相关分析、频谱分析等等。在数据库中对各个测点的原始数据进行收集，然后通过小波包分析的方式，将分解后的波形图展示出来，将特征向量提取出来，并存储到数据表之中。
2.3故障诊断模块
该模块的主要作用是对选取的特征向量进行分类，从而对故障类型进行判断，通常情况下，采用神经网络法、距离函数法进行对比，再对特征向量、标准模式间的信息距离进行计算，以此为依据判断故障类型。在神经网络法应用过程中，还可将BP神经网络引入其中，对正常状态、故障状态下的特征向量进行分别训练，设置好网络权值，待到训练完成后，便可利用该模型将诊断样本进行划分，从而确定出故障的最终状态。
2.4结构输出模块
该模块的主要作用在于诊断结果的综合展示，以状态报告的形式将压缩机组中存在的问题展示出来，并对状态的后续演变趋势做出初步的分析和预测，为技术人员后续的维护和修理提供借鉴与参考[2]。
3.往复式天然气压缩机组故障诊断实例分析
3.1小波包原理
小波分析法主要是将信号划分为高频、低频两个方面，在低频中的时间分辨率较低、频率分辨率较高，在低频中时间分辨率较高、频率分辨率较低。在小波分解过程中，低频部分流失的信息由高频部分补充，在下一层的分解中，只对上层低频部分进行分解，上层中高频部分保持不变，如此循环，实现更加细致深层的分解。对于小波包分解来说，具有较强的精细性，可对低频、高频进行分解，在信号处理中得到广泛应用。小波分析过程中，正交尺度函数
，正交小波函数为
，用公式表示为：
定义函数
，当n的数值为2m或者为2m＋1时，m的取值范围为0到n，则可称关于正交尺度函数
的“小波包”。
3.2实例应用
为了对压缩机组发动机缸燃烧情况进行监测，以某油田采气站的DPC600型压缩机三号为例，对该设备中发动缸的缸盖振动信号进行分析。由于该机组中各个部件运动具有较强的时序性，在不同时段内运动产生的冲击也不尽相同，因此在故障诊断之前需要对振动信号进行时域分段，将所要监测的时段信号截取下来进行分析。
发动机工作中的主要步骤分为压缩、吸气、燃爆与排气四个方面，为了充分体现出燃烧情况，对曲轴转交0—60°的燃爆段缸盖振动信号进行分解，采样的频率为1808Hz，利用db3小波实施四层小波包分解，获得16个正交分解系数，并与0—1808Hz中的16个自频带相对应，每个频带的带宽设置为116Hz，当发动缸分别处于正常状态与故障状态时，归一化能量特征如下图1和图2所示[3]。
图1 正常状态下小波包频带能量 图2 故障状态下小波包频带能量
从上图中可以看出，当发动缸处于正常状态时，小波包频带能量主要汇集在第9频带中，然后是第10、12、11、2、4频带中，剩余频带中的能量均较小。但是，当发动缸处于故障状态时，小波包频带能量主要汇集在第9和第10频带中，剩余频带中的能量均较小。根据爆振发生原理可知，当混合气体被点燃时，火焰逐渐向外层扩散传播，受到压力波与热辐射的影响，使火焰外层的温度逐渐升高，在火焰前锋尚未到达时便已经自行燃烧，并且燃烧得越发猛烈，使活塞顶受到激发，由此产生爆振现象。因此，当发动缸处于正常燃烧状态时，缸盖的振动信号能量由于受到燃爆冲击，均汇集到第9频道之中，还有少量在第10、11、2与4频带中集中，在爆振作用下，发动缸产生的冲击变得越发强烈，高频带能量也将飞速增长，而低频带中的能量将不断减少。由此可见，通过对小波包能量变化进行分析，可将发动缸燃烧状况充分体现出来。
根据上述分析，可将设置故障判别函数HLE＝EL/EH，其中，EL代表的是第10、11、12、2、4子频带的能量总和；EH代表的是第9频带能量。经过多组数据的综合分析可知，当HLE的数值超过0.59时，发动缸燃烧状态为正常；当HLE的数据不超过0.59时，发动缸燃烧状态为故障。由此可见，利用小波包分析法对压缩机中的故障特征进行提取，该做法可行。另外，如若想要提高特征提取效果，还可将峭度、方差等时域特征加入特征向量之中，利用神经网络对故障类型进行划分。
结论：综上所述，根据小波包分析原理，对天然气压缩机故障进行诊断，通过构建故障诊断系统，可充分发挥非平稳信号下故障处理的优势，通过分频带能量变化对机组的振动信号进行提取，从而准确定位故障位置，并采取有效措施进行修理和维护，使大功率压缩机可尽快恢复正常运行状态。
参考文献：
[1]纪纲.往复式天然气压缩机故障诊断方法探析[J].中国高新技术企业，2016（3）：73-74.
[2]魏存祥，胥勋才，骆敏珠，等.往复式天然气压缩机故障诊断方法[J].天然气技术与经济，2017（5）：46-47.
[3]马莉，陈卫民.油液分析在往复式压缩机故障诊断中的应用[J].石油和化工设备，2018，11（1）：40-43.
论文作者:刘虎
论文发表刊物:《基层建设》2019年第10期
论文发表时间:2019/7/4
标签：频带论文; 故障论文; 小波论文; 压缩机论文; 天然气论文; 机组论文; 能量论文; 《基层建设》2019年第10期论文;