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阶段是进人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阶段是进人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,
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、往复机械工况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。
福粤制冷想了解更多日立压缩机知识请点如下网站:日立压缩机,日立空调压缩机,日立变频压缩机,日立螺杆压缩机 http://www.hitachizg.com/ http://www.lengku1.com/