CN105090001B - 一种基于相似性分析的往复压缩机信号整周期相位校准方法 - Google Patents
一种基于相似性分析的往复压缩机信号整周期相位校准方法 Download PDFInfo
- Publication number
- CN105090001B CN105090001B CN201510428935.4A CN201510428935A CN105090001B CN 105090001 B CN105090001 B CN 105090001B CN 201510428935 A CN201510428935 A CN 201510428935A CN 105090001 B CN105090001 B CN 105090001B
- Authority
- CN
- China
- Prior art keywords
- waveform
- phase
- signal
- overbar
- abnormal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Control Of Positive-Displacement Pumps (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明针对实际往复压缩机在线监测中键相信号异常导致故障分析诊断无法进行的问题,对信号相位校准方法进行研究,提出了一种基于相似性分析的往复压缩机信号整周期相位校准方法。利用往复压缩机各测点因键相信号异常后出现相位偏差的波形与相位正常的波形是相似的这一特点,对出现相位偏差后的波形进行相位偏移,再与正常波形进行对比,计算相似性系数,通过不断的偏移迭代计算,获得相似性系数最大值对应的偏移相位值;当大多数信号波形最大相似性系数对应的偏移相位值相等时,即可通过该偏移相位值对键相信号异常后的波形进行相位校准。该方法较好地解决了因键相信号异常导致故障诊断无法进行的问题,同时也为下一步往复压缩机故障特征提取方法研究奠定了基础。
Description
技术领域
本发明属于往复压缩机故障诊断技术领域,涉及一种基于相似性分析的往复压缩机信号整周期相位校准方法。
背景技术
往复压缩机运行状态具有显著周期性,需根据时域信号相位特征进行故障监测诊断。实际在线监测过程中,键相传感器是信号触发采集的基础也是进行故障监测诊断的关键。有了键相信号,往复压缩机不同测点的加速度信号、速度信号、位移信号等均可实现整周期同步分析,实现了信号与活塞在缸体内的实际位置之间的精确匹配。
但是,实际工程应用中,在线监测系统键相传感器出现损坏的几率较大,一旦出现键相传感器损坏或后端接线故障,导致键相信号异常,如大幅波动、信号断路等,在线监测系统只能通过额定转速模拟键相信号,并基于此进行信号的采集。由于实际机组运行转速与额定转速之间存在偏差,不可避免地导致采集的各类信号出现相位不准现象:信号无法与活塞在缸体内的实际位置实现匹配。这给往复压缩机故障诊断带来了极大的困难。
针对该问题,对信号相位校准方法进行研究,提出了一种基于相似性分析的往复压缩机信号整周期相位校准方法。如前文所说,往复压缩机振动、位移、压力等信号具有显著的周期性,当键相信号出现异常后,通过额定转速采集会造成信号波形出现相位偏差;但是出现偏差后的波形与相位正常的波形是相似的,可对出现相位偏差后的波形进行相位偏移,再与正常波形进行对比,计算相似性系数。通过不断的偏移迭代计算,获得相似性系数最大值对应的偏移相位值。当大多数信号波形最大相似性系数对应的偏移相位值相等时,即可通过该偏移相位值对键相信号异常后的波形进行相位校准。该方法较好地解决了因键相信号异常导致故障诊断无法进行的问题,同时也为下一步往复压缩机故障特征提取方法研究奠定了基础。
发明内容
本发明涉及往复压缩机故障诊断,是一种基于相似性分析的往复压缩机信号整周期相位校准方法,该方法基于在线监测信号相似性分析,提取不同监测信号相似性指数,通过对比正常信号与异常信号之间的相似性指数,完成相位异常信号的自动校准,其特征在于包括以下步骤:
1)针对单一往复压缩机,获得键相信号正常情况下的往复压缩机在线监测的加速度振动测点、速度振动测点、位移测点和动态压力测点信号,上述测点的数量依次为I,J,K,L;对每个加速度振动、每个速度振动、每个位移和每个动态压力测点,各提取一个单周期数据波形,加速度振动波形为Ai,i=1~I,速度振动波形为Vj,j=1~J,位移波形为Dk,k=1~K,动态压力波形为Pl,l=1~L;N代表上述测点总个数,N=I+J+K+L;
2)对键相信号出现异常,采用额定转速采集的加速度振动、速度振动、位移、动态压力数据,提取每个加速度振动、每个速度振动、每个位移和每个动态压力测点的单个周期波形,加速度振动波形为Axi,速度振动波形为Vxj,位移波形为Dxk,动态压力波形为Pxl;
3)对信号Ai,Vj,Dk,Pl与Axi,Vxj,Dxk,Pxl进行无量纲化处理,得到去量纲后的数据波形与处理方式如下:
上式中:
(1)X代表某种类型的有量纲波形,
(2)代表某种类型的无量纲波形,
(3)min(X)代表有量纲波形X的最小值,
(4)max(X)代表有量纲波形X的最大值,
(5)m代表有量纲波形X的不同的数据点;
4)将数据波形与均匀划分为360段,提取每一段的如下参数:
(1)加速度振动波形:每一段的加速度值正常和异常最大值,分别分别记为与n=1~360;
(2)速度振动波形:每一段的速度有效值正常和异常最大值,分别记为与n=1~360;(3)位移波形:每一段的位移值正常和异常平均值,分别记为与n=1~360;
(4)动态压力波形:每一段的压力值正常和异常平均值,分别记为与n=1~360;
5)计算数据波形与与与与之间的相似性系数αAi,αVj,αDk,αPl,计算方法如下:
上式中与分别代表正常和异常加速度振动波形划分为360段后峰值的平均值,与分别代表正常和异常速度振动波形划分为360段后有效值的平均值,与分别代表正常和异常位移波形划分为360段后位移值的平均值,与分别代表正常和异常动态压力波形划分为360段后压力的平均值;
6)对信号人工平移相位,每次平移的相位为Δθ,计第z次平移后的信号为相对平移的角度为Δθ*z,与与与与之间的相似性系数采用如步骤5)的公式进行计算;当Δθ*z=360时,停止计算;
7)对上述步骤5)~6)所计算的全部相似性系数获得每个系数取最大值时所对应的z的取值;当存在N个系数最大值对应的Δθ*z值偏差在6°以内,对波形Axi,Vxj,Dxk,Pxl平移N个系数最大值对应相位的加权平均值,平均值需取整,实现信号整周期相位校准;
所述的一种基于相似性分析的往复压缩机信号整周期相位校准方法,其特征在于:能够省略动态压力波形为Pl的计算,即只计算的全部相似性系数获得每个系数取最大值时所对应的z的取值;当存在全部系数最大值对应的Δθ*z值偏差在6°以内,对波形Axi,Vxj,Dxk平移全部系数最大值对应相位的加权平均值,平均值需取整,实现信号整周期相位校准。
附图说明
图1是本发明的流程图;
图2是往复压缩机曲轴转角与活塞位置对应关系图;
图3是键相信号正常情况下加速度振动测点1、速度振动测点1、位移测点1信号波形;
图4是键相信号异常情况下加速度振动测点1、速度振动测点1、位移测点1信号波形;
图5是本发明正常情况下归一化后的加速度振动测点1、速度振动测点1、位移测点1信号波形;
图6是本发明计算的加速度振动信号相似性系数变化趋势;
图7是本发明计算的速度振动信号相似性系数变化趋势;
图8是本发明计算的位移振动信号相似性系数变化趋势;
图9是本发明加速度振动测点1校准后的波形与原有正常波形对比;
图10是本发明速度振动测点1校准后的波形与原有正常波形对比;
图11是本发明位移测点1校准后的波形与原有正常波形对比。
具体实施方式
如图1所示,本发明通过在线监测数采器采集往复压缩机不同监测信号,包括加速度振动、速度振动、位移、动态压力信号,由于往复压缩机运行的周期性,需要对上述信号进行整周期采集,从而将不同信号的特征与往复压缩机活塞具体位置相对应,进行故障监测与诊断。往复压缩机活塞在气缸内的具体位置则可通过曲轴转角方式进行表现,曲轴旋转360度,活塞完成一个工作行程,如图2所示。
根据本发明的流程,选择了实际发生键相信号异常的往复压缩机在线监测数据,检验本方明的有效性。数据中含有加速度振动测点2个,速度振动测点2个,位移测点2个,N=6。
以曲轴转角为横坐标,可绘制不同信号随曲轴转角变化的波形,如图3所示。往复压缩机在线监测的键相传感器起到的作用有两个,一个是计算机组转速,另一个是进行信号整周期触发采集。键相传感器的安装位置有特殊要求,通常以第一级气缸活塞位于外止点位置,在飞轮上刻键相槽或安装键相块,并在对应的位置上安装键相传感器,可选用电涡流传感器或光电传感器、霍尔传感器等。当机组运行时,每当键相槽或键相块运动到传感器对应位置,第一级气缸活塞就位于外止点,记此时的曲轴转角为0度,当活塞运动到内置点,记曲轴转角为180度。当键相槽或键相块与键相传感器相遇时,传感器将产生一个脉冲信号,基于该脉冲信号,在线监测数据采集器可完成其他振动、位移、动态压力等信号的触发采集,保证不同信号波形的起始点是一致的。
上述过程在键相传感器正常情况下可由数采器自动完成,但是,由于现场工作条件恶劣,很容易引起传感器损坏、信号断路等故障,一旦键相传感器出现故障,不同信号的整周期触发采集将无法完成。图4是键相信号异常情况下加速度振动、速度振动、位移信号波形;此时,数采器根据机组的额定转速进行采集,不同信号波形相对图3所示的正常信号均出现了相位的偏移。正是由于这种偏移,导致信号相位特征与活塞位置无法关联,机组监测诊断无法实现,典型故障难以诊断。
对比图3,图4的信号,可发现同类信号波形虽然存在相位差,但是波形的基本形状是相似的。这是由于现场往复压缩机额定转速与实际转速差距不大,按照额定转速采集信号的每个周期的时间与键相信号正常时的周期时间是非常接近的,通常偏差小于5ms。但是由于相位偏差的累计,信号的波形出现了异常。
图5是本发明归一化后的加速度振动、速度振动、位移信号波形,为后面的波形相似性计算奠定了基础。归一化处理的数学模型如下:
对归一化后的数据,按照数据类型进行数据特征提取。首先,为了保证后期数据处理的一致性,将所有单个周期的数据波形都划分为360份,与曲轴转动360度转角相对应。本次选择的数据包括了加速度振动信号、速度振动信号、位移信号。将键相正常的数据波形与键相异常的数据波形按照如下公式提取360段每一段的特征参数:
(1)加速度振动波形:每一段的加速度值最大值,记为与n=1~360;
(2)速度振动波形:每一段的有效值最大值,记为与n=1~360;
(3)位移波形:每一段的位移值平均值,记为与n=1~360;
提取结果如下表所示:
表1 加速度振动信号波形特征
表2 速度振动信号波形特征
表3 位移信号波形特征
计算数据波形与与与之间的相似性指数αAi,αVj,αDk计算方法如下:
计算结果分别如图6,图7,图8所示。图6是本发明计算的加速度振动信号相似性系数变化趋势;图7是本发明计算的速度振动信号相似性系数变化趋势;图8是本发明计算的位移振动信号相似性系数变化趋势。
根据图6,图7,图8的结果,发现1个加速度测点,1个速度测点和2个位移测点的最大相似性系数对应的偏移相位值都是194°,另外1个加速度测点与1个速度测点的最大相似性系数对应的偏移相位值都是193°,说明该组键相信号异常的数据与键相信号正常的数据相位差为193~194°,计算偏差为1°。根据本发明计算方法,偏移相位值应为193.67°,取为194°。基于该角度,对键相信号异常的信号进行相位校准,校准后的波形如图9所示。
本文方法较好的实现了键相信号异常情况的下的相位校准,经过软件研发可将本方法固化到往复压缩机在线监测系统中,对键相信号异常的数据进行实时处理,不断进行相位校正,为故障监测诊断打下基础。
实施过程中,共选取了实际往复压缩机在线监测系统的125起键相传感器故障数据,利用本发明基于相似性分析的相位校准方法进行处理,每个案例数据的全部系数最大值对应的Δθ*z值偏差都在6°以内,满足本发明权利要求规定,证明本发明方法可用于实际键相传感器故障下的信号相位校准。
Claims (2)
1.一种基于相似性分析的往复压缩机信号整周期相位校准方法,其特征在于包括以下步骤:
1)针对单一往复压缩机,获得键相信号正常情况下的往复压缩机在线监测的加速度振动测点、速度振动测点、位移测点和动态压力测点信号,上述测点的数量依次为I,J,K,L;对每个加速度振动、每个速度振动、每个位移和每个动态压力测点,各提取一个单周期数据波形,加速度振动波形为Ai,i=1~I,速度振动波形为Vj,j=1~J,位移波形为Dk,k=1~K,动态压力波形为Pl,l=1~L;N代表上述测点总个数,N=I+J+K+L;
2)对键相信号出现异常,采用额定转速采集的加速度振动、速度振动、位移、动态压力数据,提取每个加速度振动、每个速度振动、每个位移和每个动态压力测点的单个周期波形,加速度振动波形为Axi,速度振动波形为Vxj,位移波形为Dxk,动态压力波形为Pxl;
3)对信号Ai,Vj,Dk,Pl与Axi,Vxj,Dxk,Pxl进行无量纲化处理,得到去量纲后的数据波形与处理方式如下:
上式中:
(1)X代表某种类型的有量纲波形,
(2)代表某种类型的无量纲波形,
(3)min(X)代表有量纲波形X的最小值,
(4)max(X)代表有量纲波形X的最大值,
(5)m代表有量纲波形X的不同的数据点;
4)将数据波形与均匀划分为360段,提取每一段的如下参数:
(1)加速度振动波形:每一段的加速度值正常和异常最大值,分别分别记为与n=1~360;
(2)速度振动波形:每一段的速度有效值正常和异常最大值,分别记为与n=1~360;
(3)位移波形:每一段的位移值正常和异常平均值,分别记为与n=1~360;(4)动态压力波形:每一段的压力值正常和异常平均值,分别记为与n=1~360;
5)计算数据波形与 与 与 与之间的相似性系数αAi,αVj,αDk,αPl,计算方法如下:
上式中与分别代表正常和异常加速度振动波形划分为360段后峰值的平均值,与分别代表正常和异常速度振动波形划分为360段后有效值的平均值,与分别代表正常和异常位移波形划分为360段后位移值的平均值,与分别代表正常和异常动态压力波形划分为360段后压力的平均值;
6)对信号人工平移相位,每次平移的相位为Δθ,计第z次平移后的信号为相对平移的角度为Δθ*z,与 与 与 与之间的相似性系数采用如步骤5)的公式进行计算;当Δθ*z=360时,停止计算;7)对上述步骤5)~6)所计算的全部相似性系数获得每个系数取最大值时所对应的z的取值;当存在N个系数最大值对应的Δθ*z值偏差在6°以内,对波形Axi,Vxj,Dxk,Pxl平移N个系数最大值对应相位的加权平均值,平均值需取整,实现信号整周期相位校准。
2.根据权利要求1所述的一种基于相似性分析的往复压缩机信号整周期相位校准方法,其特征在于:能够省略动态压力波形为Pl的计算,即只计算的全部相似性系数获得每个系数取最大值时所对应的z的取值;当存在全部系数最大值对应的Δθ*z值偏差在6°以内,对波形Axi,Vxj,Dxk平移全部系数最大值对应相位的加权平均值,平均值需取整,实现信号整周期相位校准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510428935.4A CN105090001B (zh) | 2015-07-20 | 2015-07-20 | 一种基于相似性分析的往复压缩机信号整周期相位校准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510428935.4A CN105090001B (zh) | 2015-07-20 | 2015-07-20 | 一种基于相似性分析的往复压缩机信号整周期相位校准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105090001A CN105090001A (zh) | 2015-11-25 |
CN105090001B true CN105090001B (zh) | 2017-05-03 |
Family
ID=54571136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510428935.4A Active CN105090001B (zh) | 2015-07-20 | 2015-07-20 | 一种基于相似性分析的往复压缩机信号整周期相位校准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105090001B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105784350B (zh) * | 2016-01-27 | 2018-03-20 | 北京博华信智科技股份有限公司 | 一种基于活塞杆振动动态能量指数的故障报警方法 |
CN109309382B (zh) * | 2018-09-13 | 2022-03-04 | 广东工业大学 | 一种短期电力负荷预测方法 |
WO2020168512A1 (zh) * | 2019-02-21 | 2020-08-27 | 西安交通大学 | 一种隔膜压缩机油缸内油压监测装置及方法 |
CN110503013B (zh) * | 2019-08-07 | 2022-03-08 | 瑞声科技(新加坡)有限公司 | 振感相似度评价方法、装置及存储介质 |
CN110578680B (zh) * | 2019-09-29 | 2021-01-26 | 深圳市永祥测控技术有限公司 | 往复压缩机的故障诊断方法、系统及计算机可读存储介质 |
CN111104887B (zh) * | 2019-12-11 | 2024-03-29 | 北京化工大学 | 一种基于振动机理与深度学习技术的整周期无键相监测方法 |
CN110954312B (zh) * | 2020-02-19 | 2020-11-20 | 北京化工大学 | 一种基于无键相整周期信号的往复机械故障诊断方法 |
CN112540269A (zh) * | 2020-12-04 | 2021-03-23 | 广东电网有限责任公司 | 一种提升配电电缆局部放电定位精度的方法 |
CN112814886B (zh) * | 2020-12-06 | 2022-07-12 | 北京化工大学 | 一种往复压缩机信号的无键相角域周期分割方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0353520A2 (en) * | 1988-07-26 | 1990-02-07 | Kabushiki Kaisha Toshiba | Method of and apparatus for detecting shaft position of compressor for air conditioner, and control apparatus for stopping air compressor by using shaft position detecting apparatus |
CN101059130A (zh) * | 2007-03-07 | 2007-10-24 | 江苏工业学院 | 往复压缩机在线远程状态监测与故障分析诊断系统 |
CN101867369A (zh) * | 2009-04-17 | 2010-10-20 | 南亚科技股份有限公司 | 相位检测模块及相位检测方法 |
CN102072144A (zh) * | 2011-03-11 | 2011-05-25 | 大连大学 | 涡旋压缩机在线振动、噪声监测及故障诊断系统 |
CN102562559A (zh) * | 2010-11-30 | 2012-07-11 | 通用电气公司 | 往复式压缩机和用于监控其操作的方法 |
CN102797671A (zh) * | 2011-05-25 | 2012-11-28 | 中国石油大学(北京) | 一种往复压缩机的故障检测方法与装置 |
-
2015
- 2015-07-20 CN CN201510428935.4A patent/CN105090001B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0353520A2 (en) * | 1988-07-26 | 1990-02-07 | Kabushiki Kaisha Toshiba | Method of and apparatus for detecting shaft position of compressor for air conditioner, and control apparatus for stopping air compressor by using shaft position detecting apparatus |
CN101059130A (zh) * | 2007-03-07 | 2007-10-24 | 江苏工业学院 | 往复压缩机在线远程状态监测与故障分析诊断系统 |
CN101867369A (zh) * | 2009-04-17 | 2010-10-20 | 南亚科技股份有限公司 | 相位检测模块及相位检测方法 |
CN102562559A (zh) * | 2010-11-30 | 2012-07-11 | 通用电气公司 | 往复式压缩机和用于监控其操作的方法 |
CN102072144A (zh) * | 2011-03-11 | 2011-05-25 | 大连大学 | 涡旋压缩机在线振动、噪声监测及故障诊断系统 |
CN102797671A (zh) * | 2011-05-25 | 2012-11-28 | 中国石油大学(北京) | 一种往复压缩机的故障检测方法与装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105090001A (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105090001B (zh) | 一种基于相似性分析的往复压缩机信号整周期相位校准方法 | |
CN105424359B (zh) | 一种基于稀疏分解的齿轮和轴承混合故障特征提取方法 | |
CN105628381A (zh) | 一种基于改进的局部均值分解的往复压缩机轴承故障诊断方法 | |
CN103575523A (zh) | 基于FastICA-谱峭度-包络谱分析的旋转机械故障诊断方法 | |
CN107300451B (zh) | 一种基于损伤梁固有频率快速估算的检测方法 | |
CN101226102A (zh) | 变负载机械故障诊断方法 | |
CN110263649A (zh) | 一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法 | |
CN106053074B (zh) | 一种基于stft和转动惯量熵的滚动轴承声音信号故障特征提取方法 | |
CN105527077A (zh) | 一种基于振动信号的通用旋转机械故障诊断与检测的方法 | |
CN108062514A (zh) | 一种基于三维谱图分析的胶印机墨辊故障诊断方法 | |
Delvecchio et al. | On the use of cyclostationary indicators in IC engine quality control by cold tests | |
Ding et al. | Transient feature extraction based on time–frequency manifold image synthesis for machinery fault diagnosis | |
CN105784377A (zh) | 基于瞬时转速的柴油机工作均衡性故障诊断方法及装置 | |
CN106441851A (zh) | 一种机械零件疲劳寿命的检测方法 | |
CN105976021B (zh) | 一种带式输送机滚筒组件故障诊断方法 | |
CN111353400A (zh) | 一种基于视觉测振的全场景振动强度图谱分析方法 | |
CN103216461A (zh) | 轴流式压气机的失速先兆识别方法 | |
Li et al. | A fault diagnosis approach for gears using multidimensional features and intelligent classifier | |
Yu et al. | Rolling bearing fault feature extraction and diagnosis method based on MODWPT and DBN | |
US5592386A (en) | Method and apparatus for the detection of reciprocating machine faults and failures | |
CN103032190B (zh) | 一种基于轨压信号的检测柴油发动机失火的方法及设备 | |
CN104156339A (zh) | 一种利用二次排列熵识别周期微弱脉冲信号的方法 | |
Zhang et al. | Research on the diagnosis method of reciprocating compressor valve leakage fault with vibration signal | |
CN110220711A (zh) | 一种基于emd的活塞式发动机冲击特征提取方法 | |
CN103672954A (zh) | 磨煤机容量风量控制方法、系统及其装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |