关键词：柴油发动机;;往复压缩机;;活塞杆;;故障预警;;故障诊断
摘 要：柴油发动机和往复压缩机作为往复机械的典型代表,被广泛应用于工农业、石油石化、军工等多个领域中,它们的安全平稳运行对于保障这些领域的正常运作起着非常重要的作用。然而,柴油发动机和往复压缩机具有易损件多、易发生故障的特点。目前企业对柴油机机组大多采用事后维修的方式,监测方式大多为热工参数监测,难以实现柴油机典型故障的自动诊断;往复压缩机活塞杆组件故障频发,然而目前仍没有切实可行的方法用于活塞杆的监测与故障诊断。因此,研究如何能有效监测往复机械的运行状态并进行故障预警和诊断具有重要的实际意义。本文针对往复机械机组热工参数和振动信号中含有丰富的机组状态信息的特点,基于传感器技术和人工智能诊断方法,对柴油发动机的预警和常见故障的诊断方法以及往复压缩机活塞杆组件故障的诊断方法进行了研究。并将所提出的特征参数运用于工程实际案例中进行验证。论文的主要内容如下:(1)针对柴油发动机在不同的负荷状态下,机组性能参数会有所变化的特点,提取机组的振动信号等特征,采取基于参数预测残差的后向传播神经网络模型对机组负荷进行预测;提出了“负荷稳定量参数”,并验证了该方法对柴油发动机故障预警的有效性。(2)针对柴油发动机的小头瓦磨损故障、失火故障以及拉缸故障,提出了基于特征权重算法、主成分分析和支持向量机的故障诊断方法。利用实验案例证明了该方法能实现柴油发动机典型故障的诊断。(3)针对往复压缩机常见的活塞杆锁紧螺母松动故障、活塞杆断裂故障和活塞支撑环磨损故障,提出了基于谐波小波的活塞杆轴心轨迹提纯方法以及基于流形学习和神经网络的故障诊断方法。通过实验案例和实际工程案例,证明了该方法对活塞杆组件故障诊断的有效性。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取