虛擬設備故障診斷體系總體結構

　　壓縮機是一種依靠壓縮氣體而為系統提供動力(dòng lì)的機械，其用途廣泛、品種繁多，已在冶金、礦山、建材、航天等行業得到廣泛應用，尤其在石油、化工等工業中，已成為不可少的關鍵設備(shèbèi)壓縮機一旦發生故障，會導致(cause)整個生產線停工，造成很大的財產損失，甚至危害人身安全。因此，有必要對壓縮機設備的運行狀況進行在線監測（Food Monitor)和故障診斷，及時發現和排除故障，以保證生產的順利進行。目前對壓縮機采用的維修手段大多還是故障維修和定期維修，前者具有滯后性，后者具有很大的盲目性。
　　本文針對螺桿(Screw)壓縮機的工作特點，以N I的Labview軟件為開發平臺，采用對各靜態參數(parameter)進行在線實時監測和越限報警，對軸承振動信號利用現代信號分析(Analyse)的新技術，對振動信號采用功率譜分析、相關分析、趨勢分析、基于EMD和小波包結合的信號包絡提取分析以及基于向量機的智能(intelligence)診斷分析技術，據此搭建了一套基于虛擬儀器的壓縮機故障診斷系統。
　　2故障診斷系統總體結構本系統分為信號采集和信號分析兩部分。信號采集部分利用壓力、溫度和振動(vibration)傳感器采集被測參數(parameter)，經信號調理過后送數據采集卡采集，采集卡采集的數據送入計算機進行分析，被測參數有靜態量和動態量，靜態量參數有：級進氣溫度、級排氣溫度、級進氣溫度、級排氣溫度、冷卻(cooling)水進水溫度、冷卻水溫度、冷卻水出水溫度、潤滑油溫度、箱罩內溫度、級進氣壓力、級排氣壓力、級進氣壓力和級排氣壓力，動態量參數為軸承(bearing)的振動信號；信號分析部分是一Labview監控診斷平臺，對各靜態量實時顯示和監控，對振動信號進行多手段分析和處理(chǔ lǐ)。系統總體結構如所示。
　　3軟件結構及各功能(gōng néng)模塊3 1軟件總體結構整個監控系統(system)分為3層：初始主界面層、參數(parameter)設置層和監控診斷層。參數設置層用來設置機組號和監測（Food Monitor)參數，監控診斷層對采集進來的信號進行分析(Analyse)診斷，整體結構如所示。
　　3 2界面和功能模塊在Labview中開發的程序(procedure)都被稱為V I（V iew In strum ent），所有的V I都包括Front panel（前面板）和Block diagram
　　（后面板程序(procedure)）兩部分。
　　3 2 1參數設置子V I點擊初始界面的點擊進入按扭后，系統(system)進入監控參數設置界面，設置監測機組號、溫度（temperature)和壓力監控參數，該程序建立了一個全局變量，用來保存和傳遞設定參數。昆山空壓機維修軸承跑外圈一般是因為配合的精度不夠以及外圈定位方式設計不合理造成的。并非所有機頭都按這個時間進行，如果保養好的可以延后，保養差的則需要提前。 昆山空壓機維修是更換全部磨損的零件，空壓機轉1000個小時或一年后，要更換濾芯，在多灰塵地區，則更換時間間隔要縮短。濾清器維修時必須停機，檢查壓縮機所有部件，排除壓縮機所有故障。前面板如所示。
　　參數設置界面3 2 2監視診斷子V I在前面板上分為4個功能區：靜態量參數監測（Food Monitor)區、軸承實時振動信號顯示區、功率譜和相關分析顯示區和功能菜單區。
　　靜態量監視區能對各參數(parameter)實時顯示和監測，并能在監視對象超過設定值時報警；軸承振動信號實時顯示區能對兩測點的軸承振動信號實時顯示；功率譜和相關分析顯示區能對軸承振動信號的功率譜圖和相關分析結果顯示；菜單功能(gōng néng)區是各種對軸承振動信號分析手段和方法，主要有：功率譜分析、相關分析、趨勢分析、基于EMD /H S和小波包結合的信號包絡提取分析和基于向量機的軸承故障智能診斷(diagnosis)分析磁選機是使用于再利用粉狀粒體中的除去鐵粉等篩選設備礦漿經給礦箱流入槽體后，在給礦噴水管的水流作用下，礦粒呈松散狀態進入槽體的給礦區。昆山空壓機是回轉容積式壓縮機，在其中兩個帶有螺旋型齒輪的轉子相互嚙合，使兩個轉子嚙合處體積由大變小，從而將氣體壓縮并排出。
　　本系統對壓縮機的動態量分析主要是針對軸承的振動信號，因為根據研究，壓縮機的絕大部分故障都能通過軸承的振動信號體現出來。趨勢分析主要是運用小波分析手段對軸承振動信號進行分析，提取振動信號的趨勢項，用來反映壓縮機工作(gōng zuò)狀態趨勢和判斷是否存在故障。
　　基于EMD /HS和小波包結合的信號包絡分析是考慮（consider)到在實際情況中，測得的軸承(bearing)信號可能是調制信號，用傳統(Tradition)的傅里葉分析手段存在很大的缺陷，這里運用EMD /HS法，把振動信號進行分解成若干個IMF分量，在利用H ilbert變換提取信號包絡，但由于EMD分解過程中，存在端點效應，很容易產生虛假成分，這里運用小波包預先對信號進行降噪，再進行EMD /HS分析，實驗表明，這種方法效果明顯。
　　支持向量機（ Support Sector M ach ine ，簡稱SVM）是V apnik等人根據統計學理論提出的一種學習(Learn)方法，它在解決模式識別的小樣本問題中表現出了獨特的優勢和良好的應用前景，已用于模式識別和特征提取等領域。昆山空壓機維修是更換全部磨損的零件，空壓機轉1000個小時或一年后，要更換濾芯，在多灰塵地區，則更換時間間隔要縮短。濾清器維修時必須停機，檢查壓縮機所有部件，排除壓縮機所有故障。SVM可以采用少量的時域故障（fault）數據樣本訓練故障分類器，不必進行信號(signal)預處理來提取特征量，便可實現多故障的識別和診斷。這幾種分析手段都分別編成功能子V I，當監視診斷界面響應菜單操作控制時動態調用這些子V I.
　　4模擬(定義:對真實事物或者過程的虛擬)試驗通過設定模擬信號來驗證本測試系統的可行性，試驗結果如、5、6所示。昆山空壓機是一種用以壓縮氣體的設備。空氣壓縮機與水泵構造類似。大多數空氣壓縮機是往復活塞式，旋轉葉片或旋轉螺桿。離心式壓縮機是非常大的應用程序。顯示的是各靜態量和軸承實時振動信號監測結果，可以看到當所監測到某一靜態量參數超過設定值時，該值會不停閃爍，達到報警(Call the police)目的；顯示的是菜單功能中對軸承振動信號功率譜和相關分析(Analyse)結果；顯示的是菜單功能中對軸承振動信號向量機分析結果。可以看出，該監測診斷系統可有效的對壓縮機(compressor)狀態進行實時監測和故障診斷，設計界面友好，診斷方法(method)可行。
　　5結束語Labview是一種圖形化的編程語言和開發(Development)環境(environment)，功能(gōng néng)強大，可以靈活的搭建數據（data)采集、數據分析和數據顯示(display)存儲系統，靈活直觀，可大幅度最大化減少系統設計和開發時間(time)。本文研制的監測（Food Monitor)系統能對壓縮機工作(gōng zuò)狀態進行實時監測，能對其狀態趨勢和軸承(bearing)故障（fault）進行診斷并判斷故障所在，通過對該系統的進一步完善可應用于實際設備的狀態監測和故障診斷。