基于多源信息融合的往復式壓縮機故障診斷方法

潘 亮

（上海金山石油化工股份有限公司煉油事業部，上海 200540）

0 引言

改革開放以來，國內外學者均針對多源信息融合技術展開了創新研發，并將其廣泛應用于往復式壓縮機設備，并取得了良好成效。如我國學者提出了差分進化的神經網絡和證據理論結合方法，對變速箱軸承存在的故障隱患展開了針對性分析判斷，驗證了實施該種診斷方法的可行性。往復式壓縮機作為一種新型機械設備，普遍具有壓縮效率高、應用范圍廣及安全穩定等優勢，但同時也因內部結構復雜，容易產生各種故障隱患，需工作人員提前做好處理工作，否則將會造成企業經濟效益的巨大損失。為有效改善上述情況，要求相關專業人士結合現狀，提出適應性強的往復式壓縮機故障診斷方法，確保診斷結果的準確性。

1 多源信息融合理論

根據相關調查顯示，D-S（Dempster/Shafer，證據理論）最早出現于1967年，隨著時間的不斷推進，該理論內容也得到了豐富拓展，在信息融合理論中占據著重要地位。其中涵蓋的3個要點是信任函數、似然函數及基本概率賦值函數。證據理論診斷方法對于存在的不確定性隱患有良好的處理功能，與以往傳統理論方法相比具備較強優勢。①D-S證據融合理論。需在同一框架上設置2個信任函數，并為其配置對應可信度分配函數，往往可信度分配函數之間差距越大，代表著信任函數準確性越低。②加權證據融合理論。在D-S證據理論應用的基礎上，加權證據融合理論逐漸形成，可有效解決證據間存在的矛盾問題，在此過程中，證據權重系數主要取決于該證據和其他證據之間沖突情況[1]。

2 往復式壓縮機信號的動力學特征分析

現階段，往復式壓縮機設備的故障診斷分析引起了學術界高度重視，然而因壓縮機結構較復雜且振動源較多，帶來的沖擊性影響較大，致使故障診斷難度不斷提高。從壓縮機運行機理分析，設備在初期故障、中期故障、嚴重故障及正常運行等不同時期，非線性動力學特征會出現一些變化。如往復式壓縮機具有較自由非線性特征，建立非線性方程時難度較大，但采用非線性動力學參數方法進行故障診斷的應用成效較佳，目前已獲得廣泛應用。著名學者唐友福等人借助人工神經網絡進行故障特征模擬診斷，取得了突出性成就；還有部分學者通過符號化數據在小波轉換下，利用符號化數據得到的非線性參數進行故障診斷，應用成效良好[2]。總體來說，隨著專業人士的不斷研究探索，往復式壓縮機故障診斷方法開始朝著完善化方向前進。除此之外，從導致往復式壓縮機出現故障隱患的振動源頭來看，主要涵蓋氣體周期沖擊脈沖、往復慣性力、旋轉慣性力等，都會使壓縮機設備的振動信號發生變化，再加上非線性因素的干擾影響，致使原穩定頻譜也會呈現出復雜情況，這對往復式壓縮機故障隱患的診斷治理非常不利，要求診斷人員能及時提出可行性解決措施，避免再次出現此種情況，為壓縮機設備的穩定可靠運行創造良好條件。

3 基于多源信息融合的往復式壓縮機故障診斷方法

由于往復式壓縮機設備具有故障來源較多、關聯性較強及結構復雜等特點，并且故障間的存在特征不能以獨立形式呈現，利用單一化傳感器進行數據信息收集必然會受到周圍環境因素干擾影響，最終收集到的數據準確性不高。因此，要徹底改變以往利用單一傳感器進行故障診斷方法，其中應用成效最為突出的是基于多源信息融合的往復式壓縮機故障診斷方法，可有效克服以往面臨的不確定隱患，借助信任區間信號特征描述，不但能充分表達出信息特征確定性，也能正確區分信息特征不確定性，有利于幫助診斷人員及時找出壓縮機設備使用存在問題，進一步提高往復式壓縮機工作效率和工作質量[3]。

3.1 徑向基神經網絡的初步診斷

通常可將徑向基神經網絡劃分到前向型神經網絡類型范疇內，能借助隨意精度靠近任意連續函數，主要適用于分類問題解決處理，不但能解決存在的局部隱患，還能加快工作進度[4]。總體來說，徑向基神經網絡具有較強故障診斷判斷能力和學習能力，將該種方法應用到往復式壓縮機故障診斷中，可完成初步診斷要求。同時利用徑向基神經網絡還能構建多個獨立形式的子網絡結構，促使初步診斷更加高效順利實現，具體注意3點：①借助正確劃分適當簡化神經網絡復雜程度，不但能縮短故障處理時間，還能降低診斷空間維數；②不同神經網絡以并行形式存在，能加快數據處理工作效率；③由于不同輸入矢量僅僅只針對某個具體神經或是幾個神經網絡，因此一旦輸入矢量出現變化只需要對其重新培訓更好矢量神經網絡即可，促使神經網絡構造更具靈活性優勢，進一步增強神經網絡使用功能。

3.2 加權證據理論的故障診斷

一般情況下，在進行證據理論可信度分配時，需對專業人士提出較高標準，要求其掌握較全面證據理論，并能利用自身實踐經驗準確識別框架中不同命題的數字表示形式，具有較強主觀性特。因而不同研究人員給予的證據命題也是不同，存在較大差距，為更加客觀實現不同命題的正確分配，就要將相對獨立的徑向基神經網絡看作是證據理論的重要參考依據，并將該神經網絡輸出值看作識別框架結構中命題的可信度指標。通過證據理論的不斷融合，即為徑向基神經網絡在對信號數據完成初步診斷工作后的診斷結果再融合，充分發揮證據源中信息存在作用，徹底消除以往傳統單一數據處理帶來的不確定性和片面性隱患，便于幫助診斷人員快速找出往復式壓縮機設備使用期間存在的故障隱患，利用各種可信性方法將其有效解決，確保往復式壓縮機安全穩定運行[5]。

3.3 多源信息融合下的往復式壓縮機診斷步驟

經過不斷實踐探索，總結出多源信息融合下的往復式壓縮機故障診斷步驟：①明確故障空間，構建識別框架。進一步明確往復式壓縮機設備可能出現的故障范圍，將所有可能發生故障集中在一起，實現故障源和徑向基神經網絡之間的互相呼應。②利用傳感器準確獲取往復式壓縮機使用信號信息，準確掌握不同傳感器的信號特征，構建較完善特征空間證據集群。③通過徑向基神經網絡對特征空間的證據體展開初步診斷，得到準確性較高的初步診斷結果[6]。④基于徑向基神經網絡初步診斷基礎，為其提供相應可信度分配函數，為往復式壓縮機故障診斷提供參考依據。⑤不同特征空間證據體的可信度分配函數不同，需做好單個證據體識別框架命題的可信度范圍計算工作。⑥結合加權證據融合理論準確計算特征空間背景下識別框架中的壓縮機故障可信度空間。⑦故障診斷過程中需嚴格遵循融合診斷規則，便于得到往復式壓縮機設備的較準確診斷結果，進一步明確故障識別框架中存在的不確定隱患，凸顯多源信息融合的故障診斷方法應用優勢，做好故障處理工作，確保往復式壓縮機設備始終處于安全穩定運行狀態[7]。

4 結束語

傳統的往復式壓縮機故障診斷方法即利用單一化傳感器收集故障信息資料，往往面臨著較嚴重不確定隱患。為此，提出了一種基于多源信息融合的往復式壓縮機故障診斷方法，不僅能準確提取出壓縮機設備使用過程中傳感器的證據特征，還能利用徑向基神經網絡完成特征證據的初步診斷，按照診斷計算結果做好可信度分配工作。利用加權證據融合理論中的基礎可信度得到融合后的可信度，幫助往復式壓縮機順利完成故障診斷。經過實踐操作證明，多源信息融合的往復式壓縮機特征信息后的診斷結果可信度大幅度上升，不確定性明顯降低，可準確識別壓縮機故障隱患，充分表現出該種方法的應用成效，為往復式壓縮機設備的正常使用提供良好條件。