耦合三角模糊数的往复压缩机典型故障的故障树诊断方法与流程

本发明属于往复压缩机故障诊断方法技术领域，具体涉及一种耦合三角模糊数的往复压缩机典型故障的故障树诊断方法及测量方法。

背景技术

往复压缩机是流程工业企业关键机组，尤其在炼油、化工、输气管道行业中起着至关重要的作用。由于结构复杂，振动激励源多，故障关联性强，机组故障诊断准确率低，重大安全事故频发，如何提高往复式压缩机故障诊断的准确性始终是困扰企业设备管理人员的难点，同时也是科研人员研究的热点。

往复式压缩机传统的故障诊断方法包括振动分析法，油液分析法，压力分析法。对于振动分析法，由于往复式压缩机的振动激励源多，运动部件多，各个部件之间的振动能量可以相互传递，仅仅依靠振动分析很难准确定位故障部位及故障原因。油液分析法只能诊断润滑油润滑部位的磨损故障，对其他的故障效果不明显。而压力分析法只能初步判断工艺量是否稳定，对于具体的故障很难得出准确的诊断结果。

技术实现要素：

为了解决上述技术问题，本发明提供了一种耦合三角模糊数的往复压缩机典型故障的故障树诊断方法。本发明将三角模糊函数表达故障事件的概率融合到故障树诊断方法中，既反映了导致故障发生的多因素性，又允许概率赋值存在一定程度上的误差。该方法具有应用方便，诊断准确率和可靠性均较高的优点。

为了实现本发明的目的，本发明采用了以下技术方案：

一种耦合三角模糊数的往复压缩机典型故障的故障树诊断方法，包括如下步骤：

s1，以往复压缩机的各关键部件为研究对象，对往复压缩机的各种故障类型进行分类，并明确往复压缩机的每种故障类型的外部特征，建立由顶层事件、节点层事件以及底层事件构成的往复压缩机典型故障的故障树；

s2，根据故障树上下层事件的逻辑关系，建立顶层事件和节点层事件的最小割集集合，所述最小割集集合由底层事件构成；根据顶层事件和节点层事件的最小割集集合，建立顶层事件的故障发生概率表达式；

s3，根据统计法或者专家赋值法，给出任一底层事件的三角模糊数形式的故障发生概率，取底层事件的三角模糊数形式的故障发生概率中的可能性最大的数值，将此可能性最大的数值作为底层事件的故障发生概率代入步骤s2中的顶层事件的发生概率表达式，计算顶层事件的发生概率；

s4，计算任一底层事件相对于顶层事件的重要度；

s5，当压缩机发生故障时，根据特征参数的实测数据，判断节点层事件发生的类型，结合底层事件的重要度，判断压缩机故障关键部件所在，输出故障模式。

优选的，s1包括如下具体步骤：

s11，以压缩机各关键部件为研究对象，基于往复压缩机运行失效机理，对往复压缩机运行过程中可能出现的各种故障类型进行分类，并明确往复压缩机的每种故障类型的外部特征；

s12，根据实际故障状况显示的外部特征，分析可能失效的关键部位及其故障类型，以此方法逐级向下演绎推理，找出发生故障的全部最底层原因，即找出可能导致发生故障的各个节点层事件和底层事件；

s13，将各个节点层事件和底层事件通过故障树专用符号和表达逻辑关系的逻辑门与顶层事件连接起来，形成以顶层事件为基础，各节点层事件为过度节点，底层事件为支撑的往复压缩机典型故障故障树。

优选的，所述顶层事件为往复压缩机故障t；

所述节点层事件包括依次相连的上层节点层事件、中间节点层事件和下层节点层事件；所述上层节点层事件与顶层事件相连，且所述上层节点层事件包括热力性能故障a1和机械性能故障a2；与热力性能故障a1相连的中间节点层事件包括排气量不足b1、温度异常b2和压力异常b3，与机械性能故障a2相连的中间节点层事件包括振动故障b4和响声异常b5；与排气量不足b1相连的下层节点层事件为气阀故障c1、活塞组件故障c2，与温度异常b2相连的下层节点层事件为气阀故障c3、冷却回路异常c4，与压力异常b3相连的下层节点层事件为气阀故障c5，与振动故障b4相连的下层节点层事件为气阀故障c6、活塞组件故障c7，与响声异常b5相连的下层节点层事件为活塞组件故障c8；

与气阀故障c1相连的底层事件包括阀片卡塞x1、阀片断裂x2、弹簧失效x3、阀组损坏x4，与活塞组件故障c2相连的底层事件包括活塞环过度磨损x5、气缸垫磨损x6、余隙过大x7，与排气量不足b1直接相连的底层事件为填料函磨损漏气x8；

与气阀故障c3相连的底层事件包括阀片卡塞x9、阀片断裂x10、弹簧失效x11、阀组损坏x12，与冷却回路异常c4相连的底层事件包括供水不足x13、管道堵塞x14，与温度异常b2直接相连的底层事件为填料函磨损漏气x15和气缸拉伤x16；

与气阀故障c5相连的底层事件包括阀片卡塞x17、阀片断裂x18、弹簧失效x19、阀组损坏x20，与压力异常b3直接相连的底层事件为吸气阀腔漏气x21；

与气阀故障c6相连的底层事件包括阀片断裂x22、阀组损坏x23，与活塞组件故障c7相连的底层事件包括活塞环过度磨损x24、活塞杆断裂x25、活塞杆和活塞连接松动x26，与振动故障b4直接相连的底层事件为十字头和滑块连接松动x27；

与活塞组件故障c8相连的底层事件包括活塞杆断裂x28、活塞杆和活塞连接松动x29，与响声异常b5直接相连的底层事件为十字头和滑块连接松动x30；

设任一底层事件xi的发生概率qi＝p(xi)，i＝1,2,3,…,30；则顶层事件往复压缩机故障t的发生概率公式为：

上式中，p(t)为顶层事件往复压缩机故障t的发生概率，p(xi)为底层事件xi的发生概率。

进一步的，s3步骤中，任一底层事件xi的三角模糊数形式的故障发生概率为pi＝(ai,mi,bi)，其中，ai为底层事件xi的故障发生概率的下限值，mi为底层事件xi的故障发生概率的中间值，bi为底层事件xi的故障发生概率的上限值，取mi作为底层事件xi的发生概率代入步骤s2中的顶层事件往复压缩机故障t的发生概率公式，计算顶层事件往复压缩机故障t的发生概率。

进一步的，s4步骤中，计算任一底层事件xi相对于顶层事件往复压缩机故障t的重要度的具体公式如下：

上式中，△xi为任一底层事件xi任一底层事件xi相对于顶层事件往复压缩机故障t的重要度。

进一步的，s5步骤中，当压缩机发生故障时，首先根据压缩机的各个特征参数的实测数据，判断各个节点层事件发生的类型；然后根据与发生故障的各个节点层事件相对应的底层事件的重要度的大小进行排序，取重要度最大的底层事件作为最可能发生故障的部件所在，取重要度较小的底层事件作为较小可能发生故障的部件所在，依次类推，输出故障模式。

本发明的有益效果在于：本发明中的诊断方法中的故障树分析方法，根据故障的外在特征表现形式，逐层推理，分析压缩机内部关键部件的失效模式，为往复压缩机运行监测与维护提供可靠的理论支撑。本发明中将故障树分析方法结合三角模糊理论，可以得到不同故障事件发生概率的置信区间，解决了故障树分析往复压缩机典型故障时底层事件概率难以精确赋值的问题。

附图说明

图1为本发明基于三角模糊函数的往复压缩机典型故障故障树诊断流程图。

图2为本发明的往复压缩机典型故障故障树图。

图3为本发明中的往复压缩机典型故障基本事件表。

图4为本发明的往复压缩机压力异常实例三角线性模糊概率图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明为一种耦合三角模糊数的往复压缩机典型故障故障树诊断方法，对顶层事件进行定性和定量分析，给出描述故障事件的最小割集，并通过采用三角模糊函数表达底层事件的概率，确定顶层事件的置信区间。

本发明具体包括以下步骤：

s1，以压缩机各关键部件为研究对象，基于往复压缩机运行失效机理，对其往复压缩机运行过程中可能出现的各种故障类型进行分类，分别探讨每种压缩机故障失效形式的外部特征；根据故障状况显示的外部特征，如压力异常、温度异常等，分析可能失效关键部位及其故障类型，如气阀阀片断裂等，以此方法逐级向下演绎推理，找出发生故障的全部最底层原因，即寻找故障事件的各分支底事件；将各级事件通过故障树专用符号和表达逻辑关系的逻辑门与顶层事件连接起来，形成以顶层事件为基础，中间各节点层事件为过度节点，底层事件为支撑的往复压缩机典型故障故障树。

如图2所示，本实施例中，

所述顶层事件为往复压缩机故障t；

所述节点层事件包括依次相连的上层节点层事件、中间节点层事件和下层节点层事件；所述上层节点层事件与顶层事件相连，且所述上层节点层事件包括热力性能故障a1和机械性能故障a2；与热力性能故障a1相连的中间节点层事件包括排气量不足b1、温度异常b2和压力异常b3，与机械性能故障a2相连的中间节点层事件包括振动故障b4和响声异常b5；与排气量不足b1相连的下层节点层事件为气阀故障c1、活塞组件故障c2，与温度异常b2相连的下层节点层事件为气阀故障c3、冷却回路异常c4，与压力异常b3相连的下层节点层事件为气阀故障c5，与振动故障b4相连的下层节点层事件为气阀故障c6、活塞组件故障c7，与响声异常b5相连的下层节点层事件为活塞组件故障c8；

与气阀故障c1相连的底层事件包括阀片卡塞x1、阀片断裂x2、弹簧失效x3、阀组损坏x4，与活塞组件故障c2相连的底层事件包括活塞环过度磨损x5、气缸垫磨损x6、余隙过大x7，与排气量不足b1直接相连的底层事件为填料函磨损漏气x8；

与气阀故障c3相连的底层事件包括阀片卡塞x9、阀片断裂x10、弹簧失效x11、阀组损坏x12，与冷却回路异常c4相连的底层事件包括供水不足x13、管道堵塞x14，与温度异常b2直接相连的底层事件为填料函磨损漏气x15和气缸拉伤x16；

与气阀故障c5相连的底层事件包括阀片卡塞x17、阀片断裂x18、弹簧失效x19、阀组损坏x20，与压力异常b3直接相连的底层事件为吸气阀腔漏气x21；

与气阀故障c6相连的底层事件包括阀片断裂x22、阀组损坏x23，与活塞组件故障c7相连的底层事件包括活塞环过度磨损x24、活塞杆断裂x25、活塞杆和活塞连接松动x26，与振动故障b4直接相连的底层事件为十字头和滑块连接松动x27；

与活塞组件故障c8相连的底层事件包括活塞杆断裂x28、活塞杆和活塞连接松动x29，与响声异常b5直接相连的底层事件为十字头和滑块连接松动x30。

s2，根据图2所示故障树事件的逻辑关系，采用定性分析方法，从底事件逐级向上分析，求取顶事件的所有最小割集；如图2所示往复压缩机典型故障故障树实例所示，其最小割集可以表示为：

排气量不足b1

温度异常b2

压力异常b3

振动故障b4

响声异常b5

此案例中，往复压缩机失效故障树为30个一阶最小割集组成，往复压缩机故障t的最小割集可以表达为：

根据往复压缩机故障t的最小割集集合，建立顶层事件往复压缩机故障t的发生概率表达式。

该实例中，若基本事件即任一底层事件xi的发生概率qi＝p(xi)，i＝1,2,3,…,30；则顶层事件往复压缩机故障t的发生概率公式为：

上式中，p(t)为顶层事件往复压缩机故障t的发生概率，p(xi)为底层事件xi的发生概率。

s3,任一底层事件xi的三角模糊数形式的故障发生概率为pi＝(ai,mi,bi)，其中，ai为底层事件xi的故障发生概率的下限值，mi为底层事件xi的故障发生概率的中间值，bi为底层事件xi的故障发生概率的上限值，取mi作为底层事件xi的发生概率代入步骤s2中的顶层事件往复压缩机故障t的发生概率公式，计算顶层事件往复压缩机故障t的发生概率。

以图2中的压力异常b3的故障树分支为例，此时“压力异常b3”此故障树分支的顶层事件，“压力异常b3”顶层事件发生的概率为：

pb3＝1-(1-p17)(1-p18)(1-p19)(1-p20)(1-p21)

若已知底层事件阀片卡塞x17、阀片断裂x18、弹簧失效x19、阀组损坏x20、吸气阀腔漏气x21的三角模糊概率分别为(a17,m17,b17)、(a18,m18,b18)、(a19,m19,b19)、(a20,m20,b20)、(a21,m21,b21)，通过模糊数之间的运算法则，压力异常计算结果也是三角形线性模糊数(ab3,mb3,bb3)。该结果结果可以认为压力异常发生的概率大约为mb3，即“系统的可靠度大约为1-mb3，概率区间在ab3～bb3之间，但压力异常发生概率在mb3时的可能性最大，如图4所示。

s4，计算任一底层事件xi相对于顶层事件往复压缩机故障t的重要度。基本事件即底层事件的重要度分析，是指一个部件或系统的割集发生失效时对顶事件概率的贡献，是分析各基本事件状态对顶事件状态的影响程度。概率重要度是顶层事件的发生概率对某个底层事件发生概率的偏导数。

具体公式如下：

上式中，△xi为任一底层事件xi任一底层事件xi相对于顶层事件往复压缩机故障t的重要度。

s5，当压缩机发生故障时，首先结合在线诊断检测技术得到各个特征参数的实测数据，并根据压缩机的各个特征参数的实测数据，判断各个节点层事件发生的类型；然后根据与发生故障的各个节点层事件相对应的底层事件的重要度的大小进行排序，取重要度最大的底层事件作为最可能发生故障的部件所在，取重要度较小的底层事件作为较小可能发生故障的部件所在，依次类推，输出故障模式。

如本实施例中，压缩机进气阀温度较高、缸内压力异常、排气量不足以及缸盖监测振动信号异常等外部特征参数，可诊断识别为进气阀阀片断裂故障的可能性最大，建议检查维修进气阀。