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向发展，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。于是，人们对机械设备的可靠性、可用性、可维修性、经济性与安全性提出了越来越高的要求，现代工业生产中的设备系统比以往更注重效率和能耗，且环保的要求越来越高。因此，在设备实际运行当中，如果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，并借助先进的传感器技术、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技术，已成为社会化大生产的关键问题。
    以下内容回顾了往复压缩机的研究历程，并对存在的问题和今后的发展方向提出了观点。
    1．往复压缩机诊断技术的研究现状
    一般来说，设备故障诊断技术的发展，大致可分为4个阶段：
    第1阶段是在19世纪，当时机器设备本身的技术水平和复杂程度都很低，因此采用事后维修方式。
    第2阶段是进入20世纪后，随着大生产的发展，机器设备本身的技术复杂程度也有了提高，设备故障或事故对生产的影响显著增加，在这种情况下，出现了定期预防维修方式。
    第3阶段是从20世纪60年代开始，特别是70年代，设备诊断技术随着现代计算机技术、数据处理技术等发展，出现了更科学的按设备状态维修的方式。
    第4阶段是进入20世纪80年代以后，人工智能技术和专家系统、神经网络等开始发展，并在实际工程中应用，使设备维修技术达到了智能化高度。虽然这一阶段发展历史并不长，但已有研究成果表明，设备智能故障诊断具有十分广泛的应用前景。
    往复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。例如：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环的磨损；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。在国内，有些专家对往复压缩机的缸盖振动信号进行过简单的分析，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，并且在此基础上开发了一套往复压缩机的监测系统。尤其是近几年来，人工智能领域的专家系统和神经网络技术在往复压缩机故障诊断方面的应用以及一些专家学者在对压缩机的常规性能参数的监测和控制方面所做的工作，目的都是为了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。
    然而，由于往复压缩机结构复杂、激励源多等特点，鉴于当前研究现状以及上述研究资料表明，计算机技术的不完善、人工智能领域的专家系统和神经网络技术的初步使用，使得故障诊断技术目前还只是处于第3阶段的整理完善和向第4阶段的过渡时期，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压缩机工作状态的有效特征参数。仅仅光凭经验或设想去确定和试凑特征参数，后再进行试验验证的方法是不充分的，且不能找出最优特征参数，离实际应用还存在一定距离，这同往复压缩机在工业中的重要地位是不相称的。
    2．往复压缩机的常见故障及机理
    往复压缩机故障按机理可分成两大类：一类是流体性质的，属于机器热力性能故障；另一类是机械性质的，属于机械功能故障。引起故障的原因各不相同，确定故障所采集的信号所使用的方法也应有所不同。
    (1)往复压缩机热力性能常见故障及机理  常见往复压缩机热力性能故障类型及起因如表1-7所示。

以多年的生产经验来看，造成往复压缩机热力故障的主要原因为填料函和气阀等易损件的损坏。填料函的故障可使排气量降低、压比失调等。统计资料表明，气阀故障占往复压缩机故障总数的60%，气阀故障可导致压比失调、排气温度增高、排气量降低等，严重时甚至可拉毛气缸导致机组报废。在实际生产中，现场操作人员常根据它来对压缩机故障进行诊断。
    (2)往复压缩机力学性能常见故障及机理  常见往复压缩机力学性能故障类型及起因如表1-8所示。

在生产过程中，典型的机械故障有阀片碎裂、十字头及活塞杆断裂、活塞环断裂、气缸开裂、气缸和气缸盖破裂、曲轴断裂、连杆断裂和变形、连杆螺栓断裂、活塞卡住与开裂、机身断裂和烧瓦、电动机故障等。实践证明，气阀故障对往复压缩机故障诊断是很重要的，但活塞杆断裂、裂纹事故也较常见。由于运动件较多，大多数故障还是力学性能故障。
    3．往复压缩机状态监测，故障诊断方法及原理和技术特点
    往复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。常见的方法一般有直观监测、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。
    (1)直观检测压缩机操作人员仅用耳听、眼看、凭借经验来判断设备的故障。随着机械设备朝着高度自动化方向发展，该方法已无法满足目前往复压缩机故障诊断的要求。
    (2)热力性能参数监测  测量热力性能参数，并据此判断往复压缩机状态以诊断故障，已有较长的历史。通过仪表监测压缩机的油温、水温、排气量、排气压力、冷却水量等参数，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。
    (3)振动噪声监测振动监测诊断往复压缩机故障，已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压缩机轴承故障等。但由于背景噪声干扰大、往复机械工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压缩机工况中尚未全面推广。
    (4)油液监测  润滑油油液分析分为两大类：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、燃油、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。
    近年来，国内外均研制出了用于现场的便携式油液性能测试箱，可简便地测试油液的粘度、酸（碱）值、水分、机械杂质等多项指标。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、电磁型磨损颗粒计数器，尚未投入实际使用但已在研究的有X射线磨损颗粒在线监测仪、超声磨损颗粒监测仪等。
    (5)人工智能诊断往复压缩机故障人工智能领域的专家系统和神经网络技术已广泛应用于往复压缩机故障诊断。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。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。
    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，但也存在很多不足，如诊断推理不清楚、诊断解释机制不强、复杂系统的模型难以建立等。
    4．往复压缩机故障诊断应注意的问题
    近年来，往复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。对往复压缩机进行故障诊断时，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。由于往复压缩机结构复杂、振动激励源多、被测信号中干扰噪声多、且存在严重的非平稳性和非线性，因此应注重非线性、非定常信号的处理。
    ②故障监测准确率不高。往复压缩机故障在线监测获取的故障信息一般都是间接采集获得，都带有一定程度的不确定性，常常会出现误诊。因此，应加深识别理论的研究。此外，目前的研究大多停留在故障特征的定性关系上，定量关系仍有待确定。如气阀的故障诊断，对阀片的前期裂纹存在的预测，不同裂纹的类型、长度及方向在频谱图上的表现特征仍需深入研究。
    ③一些典型故障仍不能诊断。活塞杆、曲轴、连杆断裂预测或存在裂纹诊断仍缺乏有效手段。国外文献提出用应变传感器监测曲轴每一转是否有逆向载荷来判断活塞杆中的缺陷，其准确性和可靠性仍值得研究。北京理工大学所研制的新型非表面接触式传感器及监测控制仪，能对金属和非金属裂纹动态监控，但在往复压缩
机上的应用前景如何，仍需要进一步深入研究。
    ④系统诊断方法单一，专家系统知识库急需充实。在往复压缩机故障诊断实例中，很多都无法有效地表达成通用的诊断规则，故往复压缩机故障诊断的专家系统知识库急需充实。典型故障特征的研究试验是知识库知识的主要来源，鉴于往复压缩机试验研究的困难，应加强计算机辅助试验的开发工作。
    ⑤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压缩机内的传感器与监测仅的研制。
    ⑥由于往复压缩机系统结构复杂、工作时振动是非平稳的随机过程，有时表现为非线性，所以对系统建立数学模型困难较大；另外，通过振动分析获得往复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。
    由上面分析可见，往复压缩机故障诊断技术仍是个难点问题。所以，我们应该利用已有的旋转机械的故障诊断技术成果，去研究往复压缩机的故障。
    总之，今后往复压缩机故障诊断技术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与网络化相结合，开发出往复压缩机多源信息融合的实时在线故障诊断监测系统。
    在往复压缩机故障诊断的过程中，可利用的状态信息还很多，如机器运行过程中的过程量、过程参数以及排泄物信息等，但活塞杆、曲轴、气阀的裂纹诊断仍是研究的重点。不同的特征参数有各自的敏感区域，表现出对不同故障的灵敏度不同，因此综合利用大量信息进行多源信息融合化，是今后往复压缩机故障诊断技术应重点研究的课题。在实时在线诊断方面，应重点研制适合往复压缩机故障诊断的专用新型集成化传感器和观测器，寻找各振动信号之间相互交叉影响最小的最佳测点，并利用现代信号处理方法以及智能理论等实现故障的自动诊断。充贫利用神经网络等的自学习能力对历史数据进行数据挖掘，尤其是将计算机网络技术引入状态
监测和故障诊断领域，将成为实现在线故障诊断的一个发展趋势。

上一篇：那么，是否存在着我国工艺流程用大型、超大型往复活塞压缩机产能过剩的潜在问题呢？

下一篇：具有爆炸危险性的粉尘有哪些？