山东大学学报(工学版)

作者：唐洋,肖枭,关绵涛,倪申童,雷波,杨鑫

单位：1.西南石油大学机电工程学院, 四川 成都 610500;2.四川长宁天然气开发有限责任公司, 四川 成都 610051;3.四川长虹电源股份有限公司, 四川 绵阳 621000

关键词：往复式压缩机,故障诊断,多源信号融合,麻雀搜索算法,极限学习机,

基金：成都市国际科技合作项目(2020-GH02-00041-HZ);博士后创新人才支持计划资助项目(BX20190292)

针对页岩气开采中部分往复式压缩机的故障诊断仅为基于单信号的故障诊断,造成故障诊断结果的鲁棒性较低、不适用于全面监测往复式压缩机的问题,提出一种多源信号融合往复式压缩机故障诊断方法。建立多源信号融合模型,对往复式压缩机多振动信号进行有效处理;利用麻雀搜索算法(sparrow search algorithm, SSA)自适应优化核极限学习机(kernel extreme learning machine, KELM),建立基于SSA优化KELM的往复式页岩气压缩机故障诊断模型,使用往复式压缩机模拟故障试验数据对该方法进行验证并与不同优化算法比较分析。分析结果表明,经SSA优化的KELM故障诊断方法能够有效提高KELM在往复式压缩机故障诊断中的分类精度,证明了该方法在往复式压缩机故障检测方面的优越性和有效性,为多信号融合情况下复杂的动设备实现精确故障诊断提供了参考。

来源：2023年第5期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2023年第5期