关键字：压缩机 往复式压缩机 故障诊断 诊断方法
摘要：本文叙述了往复式压缩机故障诊断的意义及研究现状，对往复式压缩常见故 障及机理进行了分析，并介绍了国内外一些常见的往复式压缩机状态监测与故障诊断的方法及其原理和特点，最后提出了往复式压缩机的故障诊断方法的难点和发展方向，为从事该方面研究提供借鉴。
正文：
引言
随着现代科学技术的迅速发展，机械设备日益朝着高度自动化的方面发展，造成机械设备逐渐复杂且零、部件之间的联系更加紧密。一旦某一部分发生故障，往往会引起整台设备的瘫痪，而且频繁的故障和较长的检修时间常常造成巨大的经济损失和人员伤亡事故的发生[1]。因此，在设备实际运行当中，如能对隐含的故障进行正确的早期预报和诊断，使压缩机在不分解的情况下就能准确判断出故障的部位[2]，借助或依靠先进的传感器技术和动态测试技术及计算机信号处理技术，分析设备中异常的部位和原因，对于减少和防止事故的发生，提高生产的经济效益，起到极大的促进作用。所以，开发出能够应用于指导实际生产的在线状态监测与故障诊断方法己成为社会化大生产的关键问题。
本文回顾了往复式压缩机的研究历程，对存在的问题和今后的发展方向提出了自己的观点。
往复式压缩机诊断方法的研究现状
往复式压缩机是工业上应用量大面广的一种重要通用机械，其故障诊断比较复杂，对于其故障诊断技术的研究一直以来都得到了国内外学者的广泛关注[3]。在国外，美国学者曾经利用气缸内侧的压力信号图像判断气阀故障及活塞杆的磨损。捷克学者根据对千余种不同类型的压缩机建立了常规性参数数据库，确定评定参数，以判断压缩机的工作状态等[2]。在国内，有些专家对往复式压缩机的缸盖振动信号进行过简单的分析[4]，也有人在缸盖振动信号对缸内气体压力的影响方面进行过研究[5]，文献[6]的作者曾在其研究结果的基础上开发了一套往复式压缩机的监测系统[7]，还有些学者对压缩机的常规性能参数的监测和控制方面做了大量的工作，以求改变目前压缩机操作人员用耳听、眼看、凭借经验判断故障的局面[2]。
然而，由于往复式压缩机结构复杂、激励源多等特点，星鉴于当前研究现状以及上述研究资料表明，计算机技术的不完完善和人工智能领域的专家系统和神经网络技术的初步使用。使得故障诊断技术至今尚无一套像旋转机械那样成熟的、得到人们普遍认可和广泛应用的诊断系统，以供选择并获得往复式压缩机工作状态的有效特征参数。仅仅采取先凭经验或设想去确定和试凑特征参数，然后再进行实验验证的方法是不充分的[8]，且不能找出最优特征参数，离实际应用还存在一定距离，这同往复式压缩机在工业中的重要地位是不相称的[9]。
往复式压缩机的常见故障及机理
根据文献[10-11]，压缩机故障特征可将机械故障分成两类，一类是带有流体性质的，属于机器热力性能故障，其主要表征是排气量不足，压力、温差异常。产生的原因主要是气阀，活塞环，填料函，冷却水路，吸气滤清器等部位发生故障，可采用参数法进行诊断；另一类是带有机械性质的，属于机器动力性能故障，主要表征是机器工作时异常的响声、振动和过热，产生的原因主要是运动部件配合间隙的变化、结构的裂纹等，它可采振动法来进行诊断。据统计，往复压缩机有60%以上故障发生在气阀上，而活塞杆断裂事故占重大事故的25%左右[12]，因此，能够及时发现气阀故障及诊断出活塞杆的裂纹存在对于压缩机的安全运行无疑是十分重要的。
往复式压缩状态监测、故障诊断方法及原理和技术特点
往复式压缩机作为复杂的机械设备，其状态监测和故障诊断的技术手段和方法很多，通常采用的是在线间接诊断方法，即通过二次诊断信息来间接判断其中关键零部件的状态变化[2]。常见的方法有：直观检测、热力性能参数监测、振动噪声监测、润滑油液分析、专家系统和神经网络等。
直观检测
压缩机操作人员仅用耳听、眼看、凭借经验判断设备的故障。随着机械设备朝着高度自动化的方向发展，该方法己无法满足目前往复式压缩机故障诊断的要求。
热力性能参数监测 人工神经网络是一种大规模的分布式并列处理系统，具有组织性和自学习性，能从故障中学习，具有联想记忆、模式匹配等功能，将它应用到故障诊断系统可较好地解决当前专家系统面临的问题，但它也存在如下不足：诊断推理不清楚，诊断解释机制不强，复杂系统的模型难以建立等[2]。
往复式压缩机故障诊断应注意的问题
近年来往复式压缩机的故障诊断技术不断发展，推陈出新，在实际运用中也积累了不少成功的经验，但往复式压缩机的在线状态监测及故障诊断仍是目前研究的热点和难点，对往复式压缩机进行故障诊断要注意以下一些问题：
（1）小波分析、人工智能理论等多种分析技术相结合，应注重非定常信号的处理。
（2）故障监测准确率不高，间接采集获到的信号都带有一定程度的不确定性，常常会出现误诊。
（3）应加深识别理论的研究与定量关系的研究。如：气阀的故障诊断，对阀片的前期裂纹存在的预测，不同的裂纹的类型、长度及方向在频谱图上的表现特征仍需深入研究[19]。
（4）一些典型故障如活塞杆、曲轴、连轩断裂预测或存在裂纹诊断等仍不能诊断。
（5）系统诊断方法单一，专家系统知识库急需充实，计算机辅助实验的开发工作急需加强。
（6）高可靠性、专用新型集成化，价格适中、特别是长寿命的可预埋于往复式压缩机内的传感器与监测仪的研制。
（7）系统数学模型建立困难较大，并且通过振动分析获得往复式压缩机故障诊断与特征参数之间的对应关系非常复杂，这些问题都是亟待解决的。
由于上面分析可见，往复式压缩机故障诊断方法仍是个难点问题。所以，我们应该利用己有的旋转机械的故障诊断方法去研究往复式压缩机的故障。
通过仪表监测压缩机的油温、水温、排气量、排气压力、冷却水量等，为查找有关部件的故障提供有用的信息。由于该方法对故障点缺乏准确性及预测性。目前主要用于监测工艺参数及压缩机的运行状态[1]。
振动噪声监测
振动监测诊断往复式压缩机故障在实验室己取得了许多研究成果。利用机器表面振动信号诊断活塞、气缸磨损，气阀漏气和主轴承状态；在气缸头安装振动传感器，通过分析振动信号诊断缸内故障；利用振动信号诊断往复式压缩机主轴承故障；利用润滑油管路内的压力波信号诊断往复式压缩机轴承故障等[1]。但由于背景噪声干扰大、往复式机械工况的变化导致其信号的非平稳性、缺少性能可靠的传感器等原因，该方法在实时监测往复式压缩机工况尚未全面推广。
油液监测
润滑油油液分析分为两大类[13][14]：一类是油液本身物理化学性能的分析，润滑油的粘度、酸度、水分、燃点、闪点等；另一类是油液中摩擦副磨损信息的分析，包括光谱分析、铁谱分析、颗粒计数等。该方法的实施过程包括取样、样品制备、获得监测数据、形成诊断结论等步骤[3]。
润滑油中磨粒监测技术则可分为在线和离线两大类。离线监测技术主要有油液光谱分析、铁谱分析及利用扫描电子显微镜和能谱仪分析铁谱谱片等；在线监测技术主要有颗粒计数器、在线式铁谱仪等，已经投入使用的主要有光学型磨损颗粒计数器[15]，电磁型磨颗粒计数器[16]，尚未投入实际使用但己在研究的有X射线磨损颗粒在线监测仪[17]，超声磨损颗粒监测仪等[18]。
人工智能诊断往复式压缩机故障
人工智能领域的专家系统和神经网络技术己广泛应用于往复式压缩机故障诊断。故障诊断专家系统，是基于大量的实践经验和领域专家知识的一种智能化计算机程序系统，用以解决复杂的、难度较大的系统故障诊断问题[19]。它的优点是推理预测简单、解释机制强、易于建造、使用方便；其缺点是在诊断复杂装备时，存在知识获取的瓶颈和自学习、专家知识是否准确和可靠及推理机制过于简单等问题。
结论
鉴于上面的分析，笔者认为，今后往复式压缩机故障诊断方法的发展趋势是利用小波分析、人工智能理论、计算机辅助设计等方法开发出往复式压缩机多源信息融合的实时在线故障诊断监测系统。另外，网络化是本世纪故障诊断技术的发展方向，利用网络将多个故障诊断系统联系起来，实现资源共享，可提高诊断的质量和精度，也是本世纪往复式压缩机故障诊断技术的一个创新之处。
参考文献
[1] 仰德标，明廷锋，柴油机故障诊断研究综述，武汉：武汉造船，2000，（2）。
[2] 袁晓宇，往复式压缩机组智能故障诊断专家系统[D]，郑州大学硕士学位论文，2001。5。
[3] 刘卫华，往复压缩机热力参数故障诊断法研究[D]，西安交通大学博士学位论文，2000。2。
[4] 陈敬佑，杨 峰，膜式压缩机振动状态测试分析，压缩机技术，1993。（1）。
[5] Gaopin Lin,Dangqing wu,etal,Indentification of Compressor Cylinder Pressure By Using Cylinder-Head Vibration Signals。ICTCC。1993。
[6] Shanxiang xu,Qiang Jiang,Expert Knowledge-Based Online Fault Diagnostic System for Reciprocating Compressor,ICTCC,1993。