基于示功图几何性质与神经网络的往复压缩机气阀故障诊断 |
| |
引用本文: | 唐友福,王磊,刘树林.基于示功图几何性质与神经网络的往复压缩机气阀故障诊断[J].压缩机技术,2018(1). |
| |
作者姓名: | 唐友福 王磊 刘树林 |
| |
作者单位: | 东北石油大学机械科学与工程学院;上海大学机电工程与自动化学院; |
| |
摘 要: | 示功图是判别往复压缩机气缸部分工作性能和运行状况的重要依据,与机体表面振动分析方法相比,其特征机理明确,能够从更深层次上诊断往复压缩机故障。针对往复压缩机示功图的特征提取问题,提出一种基于平面图形几何性质的示功图特征定量描述方法,为了验证所提方法的有效性,分别提取了往复压缩机气阀4种常见状态下示功图的几何性质参数和振动信号的时域统计指标作为特征向量,利用BP神经网络作为分类器进行训练和测试的对比分析。结果表明,所提方法对气阀故障的识别率达到了100%,因此该方法能够有效提取往复压缩机的异常特征,可以提高往复压缩机气缸部分在线状态监测与故障诊断的准确率。
|
本文献已被 CNKI 等数据库收录! |
|