张平 刘小龙 蔡兴龙 李亚民

1国家管网集团联合管道有限责任公司西部分公司

2辽宁沃尔德沃克科技有限公司

往复式压缩机是天然气储运、石油化工等工业的重要机械设备，其工作方式是通过电动机驱动曲柄和连杆带动活塞在气缸内进行往复运动实现气体增压[1-2]。往复式压缩机因结构复杂、零部件繁多，出现故障的概率较大。对其易损零件进行统计，其中吸气阀、排气阀引发的故障概率最高，占36%，其次为填料函、连杆、曲柄和活塞杆引发的故障[3-4]。气阀一旦发生故障会导致机组长时间停机，影响机组排气量，降低工作效率，因此对气阀故障进行高效识别对提高生产效率具有重要意义。

目前，对气阀故障的识别关键在于信号特征参数的提取和分类算法的选取。张秀珩等[5]采用傅里叶变换（FFT）对三种网状气阀故障进行了识别，但故障集中的频率范围过大，依然需要人工经验进行识别；周意贺等[6]采用小波包分解提取气阀故障信号的特征向量，并将特征向量代入支持向量机（SVM）进行分类训练，由于训练样本较少，分类准确率为85.33%；马转霞等[7]采用集合经验模式分解（EEMD）对机械转子故障进行降噪，并结合FFT 识别不同故障特征频率，但同一故障对应的特征频率较多，该方法对于多尺度信号的刻画能力不足；舒悦等[8-10]采用局部均值分解（LMD）对气阀振动信号进行特征提取并根据能量比识别故障特征，但该方法对振动信号变化较小的气阀泄漏故障难以识别。……