论文总字数：22622字

摘 要

离心压缩机一种大型旋转机械设备。随着离心压缩机工质参数、容量的提高，各种故障越来越复杂多样化。一旦产生机械故障将对离心压缩机的出力与寿命均造成不良影响。为了保证安全性与经济性，避免因机械故障造成离心压缩机损毁乃至产生人身伤亡，及早诊断出故障的发生以及故障类型尤为重要。在故障的各种表现形式中，振动特性具有极高的分析价值，是最常见的分析方法，振动诊断方法因其应用广泛、无特殊高昂投入、易于实现在线监测和诊断的突出特点，已广泛应用于离心机故障诊断工程的实践中，并产生了巨大的经济社会效益。本文对压缩机的振动特性进行了分析，通过分析和研究，影响离心压缩机振动的因素很多，并在实际生产中通过测量离心式压缩机振动故障得到的数据，并对振动曲线和振动频谱进行了分析，分析了不同故障的频率特征，基于神经网络模型，建立了齿轮驱动式离心压缩机振动故障诊断系统。

关键词：离心压缩机，振动频谱分析，故障诊断，神经网络

Abstract

Centrifugal compressors are a large rotating machinery equipment. With the improvement of the working parameters and capacity of centrifugal compressors, various faults are becoming more and more complex and diverse. Once a mechanical failure occurs, the output and life of the centrifugal compressor will be adversely affected. In order to ensure safety and economy, and avoid mechanical damage caused by centrifugal compressor damage and even personal injury, early diagnosis of failure and the type of failure is particularly important. Among the various manifestations of the fault, the vibration characteristic has extremely high analytical value and is the most common analysis method. The vibration diagnosis method has been widely used due to its wide application, outstanding and expensive, easy to implement on-line monitoring and diagnostic salient features. In the practice of centrifuge fault diagnosis engineering, it has produced huge economic and social benefits. In this paper, the vibration characteristics of the compressor are analyzed. Through analysis and research, there are many factors affecting the vibration of the centrifugal compressor, and in the actual production, the data obtained by measuring the vibration failure of the centrifugal compressor is performed, and the vibration curve and vibration spectrum are performed. The frequency characteristics of different faults were analyzed and analyzed. Based on the neural network model, a vibration fault diagnosis system for gear-driven centrifugal compressors was established.

KEY WORDS: Centrifugal compressor, Vibration analysis, Fault diagnosis, Neural network

目 录

摘要 I

Abstract II

第一章 绪论 1

1.1 引言 1

1.2 故障诊断技术的发展及现状 1

1.3 人工智能神经网络故障诊断技术 2

1.4 本文主要工作 3

第二章 常见离心压缩机振动故障及其特征 4

2.1 离心压缩机概述 4

2.1.1 工作原理 4

2.1.2 压缩机内部主要结构 5

2.2 常见离心压缩机振动故障及其特征 5

2.2.1 转子不平衡 6

2.2.2 动静碰磨 7

2.2.3 旋转失速 8

2.2.4 喘振 9

2.2.5 齿轮啮合 10

2.3 振动故障频谱特征汇总 11

第三章 基于频谱的振动分析 12

3.1 频谱分析的意义 12

3.2 频谱分析过程 12

3.2.1 采样与时域波形图 12

3.2.2 频谱分析 13

第四章 人工神经网络 15

4.1 三层基本神经网络 15

4.2 神经网络的一种改进方法 16

第五章 基于频谱的离心压缩机系统振动故障的软件开发 19

5.1 开发工具 19

5.2 训练样本 19

5.3 基于频率的振动故障诊断系统程序设计 19

5.3.1 程序设计思路与流程图 19

5.3.2 特征值计算 20

5.3.3 BP神经网络的设计 20

5.3.4 故障预测 21

第六章 故障诊断实例测试 22

6.1 实例数据测试 22

6.1.1 转子不平衡测试 22

6.1.2 旋转失速测试 23

6.1.3 齿轮啮合诊断 24

6.2 测试小结 25

第七章 全文总结 26

致谢 28

参考文献 29

绪论

引言

经过近些年的发展，我国工业化进程不断加快，科技水平的提高，离心式压缩机的工质参数得到了显著的提升。离心压缩机性能的增强扩展了离心压缩机的适用领域，社会的生产发展对离心式压缩机数量与可靠性需求不断提高。对于离心压缩机这类大型旋转设备而言，由于制造工艺的偏差以及长时间的旋转磨损，产生种种问题发出各种故障不可避免。复杂振动过程的特征在于高度非线性动力学耦合。然而在过去，这些过程并没有被很好地理解，它们的诊断操作是通过经验来调整的，而不是通过应用科学原理来进行调整。机器故障常常限制危急情况下的正常运行时间，故障条件复杂，在某些情况下几乎无法及时识别和定位定期维护，这样往往会缩短机器的使用寿命并增加停机时间，从而导致离心压缩机经济性下降、安全性降低。仪器仪表，电信和计算机方面的最新进展为工业提供了新的传感器和传感策略，工厂范围内的网络和信息技术有助于大幅度提高振动故障诊断的准确性。如何避免压缩机的非正常停运，确保压缩机保持长期稳定的运行状态成为众多工厂、专家学者的重要问题和研究方向^[1]。因此，除了零件的精心制造外，还需要通过机械试验和性能测试，对整机进行操作测试和性能测试，不断监测离心压缩机的振动状态^[2]。通过离心压缩机故障的种种表征之中尽快识别出故障类型，并对故障的发展趋势进行监测，以便及时调整运行参数或停止维修，并在可视化维护的方式下开发后维护模式和定期预防性维护，使压缩机创造最大的经济价值。因此，实现有效的压缩机故障诊断系统的研究具有十分重要的现实意义。

故障诊断技术的发展及现状

故障诊断技术在不同国家有着不同的发展历史，并且各国将这一技术进行运用的主要领域也不尽相同。国外在这一研究领域一直处于较为领先的地位，取得了较为先进的研发成果，并且已经在制造工厂乃至家用电器方面得到了广泛的普及。例如BORD电子监控系统，它能够实现快速检测，主要数据均通过微处理机进行处理，通过对极限值超出趋势的判断，使得将要发生的故障被及早发现、及时作出警报提示，大大提高了经济性和安全性，给人们的生产生活带来便利^[3]。

我国的故障诊断技术萌芽于20世纪70年代，初步接触这一技术的时期，故障诊断技术应用领域较少，仅是用于石化企业方面进行一些应用。经过不断的发展，自主诊断技术的完善，故障诊断逐渐开始应用于钢铁、发电等行业，并继续蓬勃发展^[4]。

剩余内容已隐藏，请支付后下载全文，论文总字数：22622字