来源：期刊VIP网 时间：
作者：许权;陈素珍;别锋锋;李倩倩;黄文庆;邢雨;孙信中;
单位：中国石油技术开发有限公司;常州大学机械与轨道交通学院;盐城市崇达石化机械有限公司;
摘要：拥有“通用机械”之称的往复压缩机，在石油化工等行业占据着不可或缺的地位，但是由于其复杂的结构和恶劣的工作环境，存在很多冲击激励源，故障发生频繁，其中气阀的故障率最高，对其进行诊断一直是本研究领域的热点和难点。针对往复压缩机气阀振动信号的非平稳性导致常规时频方法难以精确描述其故障特征的问题，提出了基于改进的群分解(ISWD)方法、近似熵(ApEn)和粒子群优化(PSO)的支持向量机(SVM)的往复压缩机气阀故障诊断方法。首先，引入原子搜索法(ASO)对群分解(SWD)算法进行寻优计算，并将优化后的方法应用于气阀振动信号的分解，通过对分解的分量进行筛选和重构，得到降噪信号；然后提取降噪信号的ApEn特征，构造特征向量集；最后将特征向量集输入PSO-SVM模型中进行训练与识别，完成对气阀的故障诊断。仿真和实验结果表明：文中所提方法能有效识别气阀故障，识别率高达98.15%,证明了所提方法的有效性和准确性。
关键词：压缩机气阀;;故障诊断;;群分解方法;;近似熵;;支持向量机
基金资助：国家自然科学基金资助项目(52206041);; 江苏省重点高校科学研究项目(19KJA430004);; 2023年江苏省研究生科研与实践创新计划项目(SJCX23＿150)
