【摘要】：互聯網的高速發(fā)展掀起了一場新的工業(yè)革命,整個工業(yè)生產體系提升到了一個嶄新的水平。石化行業(yè)在此背景下正朝著大型化、一體化和智能化方向發(fā)展。壓縮機組作為石化企業(yè)重要的動力源,故障的發(fā)生將造成重大的經濟損失或人員傷亡。因此,保證壓縮機組安全運行對企業(yè)的穩(wěn)定發(fā)展具有極其重要的意義,深入開展石化企業(yè)大型壓縮機組安全運行研究十分必要。本文結合中石化智能工廠基于大數據的設備性能劣化評估及診斷提升項目,根據國內外的研究狀況,調研了國內某石化企業(yè)所用壓縮機組的工作原理和結構特征,建立振動和工藝數據采集模型,結合常見故障的振動特征和表現形式,給出一個狀態(tài)監(jiān)測分析實例,為企業(yè)做出評估報告,提供維修決策依據。在此基礎上構建了壓縮機組健康狀態(tài)評價框架,建立基于主成分分析法、相關性分析法、單因素方差分析法和k-means聚類分析法的壓縮機組橫向、縱向健康評估模型,選擇評價指標,說明應用場景與功能。根據健康評估模型,對壓縮機組劃分了4個子系統,利用采集的數據進行壓縮機組健康狀態(tài)的定量體檢和評分,并做出可視化展示。為方便企業(yè)人員實施監(jiān)控,用較少的數據量替代多個量進行實時展示,用主成分分析法對壓縮機組的振動特征值進行降維處理,選取了6個主成分作為新的特征值代表12個原始變量,實現50%的測點降維;用相關性分析法對機組的振動測點進行降維處理,結果表明同一臺壓縮機組的軸振動值顯著相關、軸位移的水平和垂直振動值高度相關。提出用單因素方差分析法對5臺不同壓縮機的軸位移進行歷史數據橫向對比,得出5臺壓縮機組的健康水平排序。再用k-means聚類分析法對機組歷史的狀態(tài)等級進行歸類,觀測機組基于時間序列的運行狀態(tài),并與監(jiān)測系統中的機組歷史報警時間做對比,結果表明當聚類數k=3時的聚類結果與發(fā)生故障時的監(jiān)測系統實際報警時間基本吻合,且能很好地反映設備實際的故障狀態(tài)。最后對以上分析在石化大數據平臺ProMACE~?工業(yè)云的開發(fā)實現以及下一步故障預測分析做出展望。
【學位授予單位】：大連理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TE65;TQ051.21

【參考文獻】

相關期刊論文 前10條

1 王曉雪;馮志超;王巖;;DH80空壓機振動檢測與故障診斷[J];鞍鋼技術;2015年06期

2 林景良;;工業(yè)4.0時代工商管理人才培養(yǎng)模式的變革[J];廣東農工商職業(yè)技術學院學報;2015年04期

3 李金華;;德國“工業(yè)4.0”與“中國制造2025”的比較及啟示[J];中國地質大學學報(社會科學版);2015年05期

4 郝殿成;王娜;戰(zhàn)立啟;王東;王明濤;;大型轉動設備在線狀態(tài)監(jiān)測及前期故障診斷[J];設備管理與維修;2015年06期

5 嚴英杰;盛戈v，

本文編號：2659850