科研之友
微信
新浪微博
Facebook
分享链接
摘要
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。
-
单位石油大学机电工程学院
