往復真空泵是抽取真空的重要設備之一，它的泵效高、適應性強且排液量范圍廣，并且在工作中操作簡單方便，工作過程平穩可靠，因而在注水驅油、鉆井及壓裂等工藝過程中廣泛應用。在各油氣處理站、中轉庫中，將其作為冬季外輸輕烴、外輸氣時加注甲醇的重要設備。但由于其易損件較多，其液力端關鍵部件為泵閥組件，而泵閥組件又因工況惡劣經常發生失效，故障率相對較高，因此對其狀態進行監測及故障診斷，對于及時做出合理的維修保養決策具有重要意義。
在現場，操作工人對往復泵運行狀態監測和故障判斷過程存在很多問題。人為判斷故障，適應性差，往復泵閥的各種故障，通過人工“看”、“聽”，適應性差，不利于推廣；環境干擾較大，往復泵現場不可避免地有電機等各種干擾，在常規測試中，環境干擾較大；人工盲目操作，勞動強度大；保護措施不完善。
為了解決上述問題，利用不斷發展的小波分析和小波神經網絡技術，加之微機測試技術的優勢，建立高性能的綜合智能故障診斷系統，并使之適應現場應用。驗證結果表明:該診斷系統診斷速度快、準確性高。往復泵故障診斷的過程分為3個階段:第一階段是采集到泵腔內的壓力信號；第二階段是排除噪聲干擾，提高診斷的靈敏度和準確率，從所采集來的壓力信號中提取故障特征，筆者使用的是小波包分析技術；第三階段是根據故障特征和其他診斷信息作出診斷決策，這一階段通過建立小波神經網絡，確定網絡結構來實現，實際中先對教師信號進行特征提取、訓練，輸神經網絡，然后采集實際數據，進行特征提取，通過二者的比較可以診斷并確定往復泵的故障。
更多新聞資訊
如需轉載請注明來源：http://www.usingwatches.com |
