刘 江

（中国石油四川石化设备检修部，四川彭州 611930）

1 引言

往复压缩机结构复杂、易损件多，故障率一直居高不下，尤其气阀故障更是占据60%以上，导致故障停机次数占总停机次数的85%以上[1]，气阀的好坏不仅影响压缩机运行效能，甚至还会引起级间压比失衡而导致传动件故障。因此，需要深入研究气阀失效征兆，建立高效的故障诊断方法以及科学的评价标准，才能及时、精准诊断气阀故障。

目前，工程应用多局限于声音及相关工艺参数的分析，对检测人员实践经验要求很高。因此，国内已有很多专家、学者对往复压缩机气阀故障诊断方法进行了大量的研究工作。文献[2]通过校正压力采集曲线外死点位置，提出了基于示功图修正的往复压缩机气阀故障诊断方法；文献[3]基于传统频谱分析诊断方法，引入小波变换来提取气阀振动信号中的能量特征向量。文献[4]采用经验模态分解的功率谱分析方法，按频率由高到低将气阀信号分解为有限个固有模态函数之和，选择对气阀故障敏感的IMF分量进行功率谱分析，从而获得高信噪比故障特征。文献[5]基于生物免疫系统的反面选择机理，对气阀数据进行支持向量机训练，构造出代表气阀自己空间的最小特征超球体和故障空间来实现快速诊断。文献[6]建立了一种基于AR与RBF神经网络结合的诊断模型，模拟柴油机气阀漏气、气门间隙异常等故障，进行故障模式识别。上述诊断方法对人员专业技术要求很高，因此在工程实践中未得到广泛应用。……