石油化工生產裝置中往復壓縮機故障診斷方法研究

封毅朗

摘? 要：采取有效的往復壓縮機故障診斷方法，能夠提升石油化工生產裝置運行水平。基于此，本文詳細分析了油樣光譜分析診斷法、大數據診斷法、深度學習診斷法、熱力性能診斷法、振動噪聲診斷法這幾種石油化工生產裝置中往復壓縮機故障診斷方法，希望能夠為石油化工生產體系建設提供助力。

關鍵詞：石油化工;生產設備;故障診斷

引言：往復壓縮機是一個重要的石油化工生產裝置，其主要作用是讓生產用氣體按照既定的順序進入或排出作業空間，為石油化工生產作業提供靜壓力。但該裝置在投入使用一段時間后，難免會發生故障，需要工作者及時進行故障診斷、維修，以恢復其正常運行狀態，保持石油化工生產活動的穩定開展。

1油樣光譜分析診斷法

油樣光譜分析法是一種往復壓縮機油路故障診斷方法，該技術的故障診斷原理為，運用油脂在電能或熱能作用下，會散射出特性光譜的特點，通過分析其所散射出的光譜，了解油脂的物質組成狀態，然后基于此，評估壓縮機的運行狀態，實現故障診斷，例如：在分析中，如果發現優質中的金屬物質含量較大，就說明油路中裝置可能存在異常磨損故障，然后即可根據金屬物質的類型，判定故障所在的位置。但該方法僅能對粒徑<10μm的磨屑進行檢測，不適用于磨損故障過于嚴重的診斷工作。在故障診斷中，根據往復壓縮機內部的結構材質情況，進行光譜分析時，應當重點分析Fe、Cu、Al、Cr、Sn等元素，同時，考慮到工況差異，還要通過多次試驗，來確定各元素的正常含量，并結合相對含量標準，進行故障診斷，保證診斷結果的準確性。一般來說，相對標準可以被定位為，Cu、Al、Sn、Fe含量若為正常量的2～3倍，則磨損程度較高，為正常量的1.5～2倍，則磨損程度中等，為正常量的1.25～1.5，磨損程度較低，針對于Cr元素，如果含量為正常量的5倍以上，則磨損嚴重，為3～5倍，則磨損程度中等，為2～3倍，則磨損程度較低。以某往復壓縮機故障診斷為例，工作者可以先運用光譜檢測儀，對油路內的油液進行抽樣檢查，然后得出油液中所含有金屬物質的類型與含量，并發現Fe、Cu、Al元素的含量超出正常標準的2～3倍，說明材質中包含Fe、Cu、Al元素的裝置、部件存在較高程度的磨損，然后工作者就基于此，對上述類型的往復壓縮機部件、裝置進行了逐一排查，找出了磨損故障所在的位置，并定位了存在磨損損傷的部件，最后，根據上述信息，完成往復壓縮機的故障診斷，為磨損類故障的排除提供有力依據。

2大數據診斷法

就目前來看，自動控制系統已經被引入到石油化工生產中，其控制生產運作的主要原理為，通過收集生產設備的運行數據，然后用該數據、標準運行參數，按照一定的規則進行計算，得出控制量，再按照該控制量，執行設備控制，實現生產體系的自動化運行。在此過程中，人們將大數據分析技術引入到自動化系統建設中，可以通過實時分析往復壓縮機運行異常數據，進行故障診斷定位，提升石油化工自動化生產水平。在大數據診斷法的運用中，一般需要用Hadoop分布式計算框架作為并行計算架構，再運用NoSQL集群存儲架構構建大數據庫，同時，考慮到診斷過程涉及到對實時數據的分析，因此，還要設置一個STORM計算框架，用于高效分析大規模的往復壓縮機實時數據，以便于更快、更及時的完整故障診斷、預警，為往復壓縮機的排故工作提供良好條件，例如：在故障診斷中，基于大數據技術的自動控制系統，會將往復壓縮機的各項運行參數，存儲到一個數據庫中，然后大數據故障診斷系統，會從該數據庫中的進行數據參數的提取，并運用STORM計算框架計算所提取實時運行參數與標準值之間的差值，而且還要借助Hadoop分布式計算框架，實現多個種實時參數與標準參數之間差值的同時計算，如果參數實際值與標準值之間的差距超出了允許范圍，那么系統就會將異常參數值統一進行分析，根據此類參數的形成機理，定位故障的位置，以及故障的類型，做出故障診斷，并將診斷結果以警報信息的形式，發送給系統顯示層上，供工作者查看，提高故障診斷便捷性。

3深度學習診斷法

深度學習診斷法屬于一種智能化的往復壓縮機故障診斷方法，借助該方法，可以使診斷工作的效率、準確度以及自動化水平更高，有助于石化生產水平的提升。在深度學習診斷法的應用中，可以考慮基于連續主題模型法，建立一個特征相空間矩陣，以反映出往復壓縮機的常規運行特征，而當該設備出現故障時，其的運行狀態數據矩陣就會出現異常，因此，可以將該特征相空間矩陣作為基礎數據，再建立一個觀察模型，用于檢測、分析數據矩陣存在的異常，以實現故障診斷。在此過程中，可以使用KL散度系數，度量正常數據模型與當前狀態數據模型之間的距離，然后根據該距離，判斷是否存在故障，以及故障類型，完成故障診斷。其中，正常數據模型可以設置為，，當前狀態數據模型可以設置為，，其中，βj與αi為概率密度函數權重、θ為參數集、X為特征相空間矩陣、T與K為數據變化周期。以某往復壓縮機的故障診斷為例，在深度學習技術下，可以根據往復壓縮機常見的故障類型，設置對應的故障狀態下的KL散度系數模型，然后借此，對故障診斷系統進行訓練，使系統可以有效識別各類常見故障，以達到高效故障診斷的效果。

4熱力性能診斷法

一般來說，在發生故障時，往復壓縮機結構在運行中會出現異常溫升現象，因此，通過測定設備的熱力學參數，即可實現故障診斷。在該診斷法的運用中，工作者需要先為往復壓縮機設置相應的熱力性能參數檢測設施，如油溫溫度計、冷卻水溫度計等，然后通過實時監控各個檢測設施的示值變化情況，來及時發現、診斷異常溫升故障，維護往復壓縮機的正常運行狀態。以某故障診斷工作為例，如果工作者通過檢測冷卻水熱力性能，發現其溫度過高，那么故障就可能源于冷卻水雜質過多、冷卻設備阻塞等原因，以準確完成故障診斷。但在此過程中，應當注意，各類溫度測試儀表、裝置通常在一段時間的使用后，容易出現誤差積累的情況，需要定期加以校準，同時，也要將這些測溫設施檢修納入到往復壓縮機維護工作內容中，以保證故障診斷結果的可靠性，提升往復壓縮機的運行水平[1]。

5振動噪聲診斷法

一直以來，振動噪聲法都是常用的往復壓縮機故障診斷方法。在目前的振動噪聲故障診斷中，工作者通常會使用高頻振動器，對機械運行過程中產生的噪音進行監測，并捕捉異常振動噪聲，再通過分析該噪聲，判斷故障的具體位置以及故障類型，完成診斷。現階段，由于異常噪聲主要形成于氣缸磨損、漏氣等氣缸故障，因此，該診斷法主要適用于氣缸故障診斷。在此過程中，考慮到當前石油生產的自動化情況，為了得到更加準確的診斷結果，工作者也可以用安裝在往復壓縮機結構中的自動控制傳感器的振動檢測數據，來驗證噪聲診斷結果的準確性，為后續的排故工作提供有力依據，例如：在故障診斷時，發現氣缸處噪聲較大，而且此噪聲類似敲擊聲，那么就可以判斷故障源于連接件緊固不到位，造成的部件松動、磨損，通過更換或緊固連接件，即可有效排除故障，省略故障診斷中的拆檢等步驟，提高診斷效率。此外，一些情況下，當氣缸出現故障時，其配套的軸承、傳動桿等裝置也可能存在故障，所以當用噪聲診斷法診斷出氣缸故障后，還要注意檢查傳動裝置情況，以提高故障診斷工作的完整性，促進往復壓縮機的使用性能順利恢復正常狀態[2]。

結論：綜上所述，增強故障診斷方法應用效果，能夠提升往復壓縮機運行水平。在石化生產中，借助往復壓縮機故障診斷方法，可以找準故障發生點、根據故障現狀編制準確的排故方案、提高故障修復工作效果，從而優化往復壓縮機性能狀態，改善石化生產力水平。

參考文獻：

[1]包宇.淺談化工機械往復式壓縮機維修與保養[J].中國設備工程，2021，（02）：64-66.

[2]段達.往復式壓縮機氣閥故障的診斷與維保方法的探討[J].山西化工，2020，40（06）：154-156.

[3]梁小青，向清林，陳蘭，邱宗毅.往復式壓縮機氣閥故障原因分析及預防措施[J].設備管理與維修.2021（01）