基于谱熵及分形理论的压缩机气阀故障诊断3.pdfVIP

储运与集输工程 　　　　　　　　　　　　天 　然 　气 　工 　业 　　　　　　　　　　　　　　　　　2009 年 6 月 基于谱熵及分形理论的压缩机气阀故障诊断 1 1 1 2 崔厚玺 　张来斌 　段礼祥 　秦才会 ( ) 1. 中国石油大学 北京 机电工程学院　2 . 中海油服技术中心机电研究所 　　崔厚玺等. 基于谱熵及分形理论的压缩机气阀故障诊断. 天然气工业 ,2009 ,29 (6) :104106 . 　　摘 　要 　压缩机组振源较多 ,振动信号背景噪声强烈 、干扰大 ,通过检测振动信号细微特征变化识别故障征兆 异常困难 。为此 ,从系统特性的角度出发 ,选择信息熵及分形维数作为特征参数 ,提取气阀无故障、轻微漏气与严 重漏气 3 种典型故障信号特征 ,采用聚类分析方法来判断气阀故障 。应用表明 ,较之传统的诊断方法 ,基于谱熵及 分形理论的诊断方法具有故障特征提取工作量小 、容错性强 、准确率高的特点 。 　　关键词 　压缩机 　气阀　故障分析 　高频谱熵 　分形维数 　　DO I :10 . 3787/ j . i ssn .. 2009 . 06 . 03 1 0 　引 言 1 　振动信号的高频谱熵特征 　　压缩机是天然气工业中的关键设备 ,其工作状 　　信息熵描述信号的总体统计特性 ,是衡量整个 态的好坏对于整个天然气的生产 、输送起着至关重 信号源在总体上的平均不确定性的量度[7 ] 。研究文 要的作用 。压缩机的故障诊断 ,一般采用时域特征 献表明 , 气 阀故障特征往往存在于信号的高频段 值分析和频谱分析的方法 ,从振动信号中提取故障 中[ 89 ] ,因此笔者定义高频谱熵用于描述信号高频段 分量[ 13 ] 。而在实际操作中 ,机组工况复杂 ,振源较 的统计特性 , 以提取气阀信号特征 。高频谱熵利用 多 ,干扰极大 ,理论计算得到的故障特征频率往往与 功率谱高频成分计算得到 ,具体构造如下 。 实测信号经一般频谱分析后得到的响应信息缺乏一 　　设 S i 为信号由时域变换到频域所对应的功率 一对应的关系 , 因此仅仅通过检测信号局部细微特 谱 ,那么 S = { S 1 , S2 , …, S N } 可看作是对原始信号的 征识别故障征兆往往并不准确 。 一种划分 ,选定{S N/ 2 , S N/ 2 + 1 , …, S N } 作为高频成分 , 　　压缩机组是一个复杂的耗散系统 ,对其进行诊 根据文献[5 ]对信息熵的解释 ,定义高频谱熵 H F 为 : 断时 ,若能从整个系统行为的角度出发 ,分析其非线 N H = - q lo g q ( 1) 性特征 ,考查系统状态演化的过程 ,则可以对整个压 F ∑i i i = N/ 2 缩机系统的行为有更深刻的了解 。在系统论中 ,采 式中: qi 为第 i 个谱值在整个高频成分中所 占的比 用信息熵描