摘要：我国现代科技发展迅速，自动化机械程度逐步完善和提高，设备各零件间的联系更加紧密。若其中某一部件出现故障，容易造成整个机械设备瘫痪。频繁的设备故障会带来经济损失，甚至是人员伤亡事故。文章通过阐述往复式压缩机的常见故障问题和原理特点，结合案例研究故障诊断方法。
关键词：往复式压缩机；故障诊断方法；自动化机械；人工智能系统；小波分析法技术
在机械设备的实际操作运行过程中，如果可以及早预报和诊断其隐含的故障问题，在压缩机没有分解的情况下，就可以正确判断设备出现故障的具体位置，采用先进的动态测试技术和传感技术以及计算机信号对故障进行处理，分析机械异常状况的原因及解决措施，这对预防事故的发生、促进经济效益的提高都具有重大意义。
1 往复式压缩机的常见故障分析
1.1 压缩机的常见故障和机理
往复式压缩机的常见故障主要有两大类：机械性质和流体性质。机械性质是指机械动力性能出现故障，故障的主要原因是运动零件的结构出现裂纹、间隙有变化等，故障的主要表现是机械运动时有异常的震动、发热和响声；流体性质是一种机械热力性能故障，该故障具有温差、压力异常、排气量不足的主要特征，出现故障的主要原因是吸气滤清器、活塞环、气阀、冷却水路等部位出现故障，对于这类现象可以用参数法进行诊断。
在机械运动过程中，比较典型的机械故障包括连杆螺栓、活塞环、曲轴、阀片、十字头等断裂，汽缸和汽缸盖破裂，烧瓦、电机故障等。在往复式压缩机的实际操作中，气阀故障的诊断是十分重要的，因为连杆、活塞杆等断裂是较常见现象，且压缩机的运动部件很多，所以大部分故障问题还是机械性能故障。
1.3 压缩机热力性能的故障分析
根据多年的生产经验分析，往复式压缩机热力故障的原因通常是气阀和填料函等部件的损坏。填料函若出现故障会造成压比失调、降低排气量等。统计表明，往复式压缩机故障中有60%为气阀故障，气阀若出现故障会增加排气的温度，降低排气量，造成压比失调等，情况严重的会导致整个机组报废。在现场操作中，工作人员经常根据气阀来诊断压缩机的故障问题。
2 往复式压缩机状态监测研究
往复式压缩机属于一种复杂的机械设备，其状态检测的方法有很多，一般使用在线间接诊断法，即根据二次诊断的数据信息判断关键组件的变化状态。常用的诊断方法包括振动噪音监测法、油液监测法、热力性能参数监测法、直观监测法、人工智能诊断法等。
2.1 振动噪音监测法
很多实验室已经通过振动噪音监测法诊断压缩机的故障并取得不少研究成果。根据机械表面的振动现状分析主轴承状态、气阀漏气、汽缸磨损等现象；例如在气缸头部装置振动传感器，根据分析振动信号判断汽缸内部故障；根据油管路内的压力波信号判断压缩机轴承故障；根据振动信号判断压缩机主轴承故障。但因为在机械操作过程中会产生很大的噪声，噪声会干扰信号的稳定性，影响传感器的可靠度，所以振动噪音监测法还未全面推广。
2.2 油液检测法
润滑油油液分析法主要有两类：油液中磨损信息分析和油液物理化学性能分析。油液中磨损信息的分析主要有颗粒监测技术、铁谱分析以及光谱分析等；油液本身物理化学性能分析主要包括润滑油的燃点、水分以及黏度等方面的分析。油液监测的实施步骤有提取样品、制备样品、获取监测数据、确定诊断结论等。
2.3 热力性能参数监测法
根据仪表监测往复式压缩机的冷却水量、排气量、水温、油温等数据信息，为诊断部件故障提供参考依据。热力性能参数监测法在诊断和预测故障时缺乏准确性，所以目前主要应用于压缩机的运行状态和监测工艺参数。
2.4 直观诊断法
相关操作人员通过用眼睛看、耳朵听以及根据自身的工作经验来诊断机械的故障。由于压缩机机械设备逐渐自动化的发展方向，直观监测法缺乏一定科学性，已经无法诊断往复式压缩机故障的要求。
2.5 人工智能诊断法
神经网络技术结合人工智能专家系统已广泛用于诊断往复式压缩机的故障问题。人工智能诊断法是在专业知识和大量实践经验的基础上开发的一种计算机智能程序系统，它可以用于解决难度较大、较复杂的故障问题。该诊断法具有易于建造、解释机制强、预测简单等优势，同时也具有推理机制过于简单、专家知识不够精确等不足。人工神经网络具有自学性和组织性的特点，它具有联想记忆功能，能从设备故障中学习，积累经验，将人工神经网络技术应用到故障诊断中，能弥补专家系统的不足，但人工神经网络技术自身也存在着缺陷，例如解释机制较弱、建立复杂系统的模型有难度、诊断不清楚等。
3 小波分析法的实际案例分析
3.1 小波分析法
采用小波分析法可以使提取的信息更具可靠性和稳定性，常使用时域平均分析法和滤波技术等。小波分析法可以局部优化非平稳信号，能分析时域内和指定频带宽的信号，相对其他分析法，具有更强的提取特征的功能，它可以通过小波伸缩形成一组基函数，并能将接收到的所有信号映射到这组函数上，从而得到各频带的分解序列，并根据这些频带序列诊断零部件的故障问题。
小波分析法只对低频部分的信号进行分解，对信号的高频部分有所保留。而小波包分解法和小波分解法相比更加精细，它对信号的高频部分和低频部分都可以进行分解，因此小波包分析法使用更广泛。
3.2 诊断实例
以某单位压缩机试验台作为研究对象，进行监测、分析机体表面的振动信号，通过改变阀板的厚度以达到提高制冷效率的目的的研究试验。下文根据减少阀板厚度后的机体表面振动情况，提取故障特征，通过实际研究案例分析小波包在诊断压缩机故障中的实用性。
从改变前机体前后的表面振动信号可以看出，改变阀板厚度后，机体表面的振动信号出现了一些尖峰和毛刺的现象，没有改变之前的光滑，所以可以将其视为故障信号。
3.3 提取故障特征向量
图1 去噪后小波包分解振动信号结果
表1 各频带的能量统计
4 结语
综上所述，笔者认为在往后的压缩机故障诊断中，采用人工智能系统、小波分析法技术等是必然的发展趋势。利用这种方法，可以有效提取压缩机常见故障的特征，为其他智能故障诊断技术提供新的参考依据，小波包分解法更全地分析了信号的能量，其应用更符合实际情况。另外，将网络和多种故障诊断技术进行联合应用，实现技术共享，能提高诊断的准确度，这也是目前我国往复式压缩机诊断故障的革新之处。
参考文献
[2] 王莉，牛群峰，胡红生，等.基于频谱与小波变换的工业压缩机噪声源分析仪设计[J].工矿自动化，2009，35（7）.
[4] 赵俊龙，张志新，郭正刚，等.往复式压缩机气缸压力模拟曲线提取[J].振动、测试与诊断，2009，29（1）.
