CN113899093A - 螺杆式制冷压缩机回油故障的辨识和预判方法 - Google Patents

Abstract

本发明涉及一种螺杆式制冷压缩机回油故障的辨识和预判方法，通过故障敏感参数数据构造油位指示特征，通过构建的油位指示特征对实时测量敏感参数数据进行辨识，辨识并剔除部分无故障数据后使用多分类支持向量机对实时测量的在线故障特征参数数据进行分类预判。可在螺杆式制冷压缩机发生低油位故障之前预警低油位，避免因故障停机降低冷水机组的使用效率；另可将预警信号提供控制程序使冷水机组只在可能发生低油位时采取自动回油操作，减少回油操作的次数避免影响冷水机组日常的运行功能。

Description

螺杆式制冷压缩机回油故障的辨识和预判方法

技术领域

本发明涉及一种设备故障诊断技术，特别涉及一种螺杆式制冷压缩机回油故障的辨识和预判方法。

背景技术

螺杆式制冷压缩机是船舶空调用冷水机组的主要部件。螺杆式制冷压缩机的润滑油具有多种重要的用途，在运行过程中一定量的润滑油需要随制冷剂经过外部循环再返回压缩机，受机组工况影响易产生润滑油回油不足问题。现有技术主要是在发生严重的压缩机回油不足时采用油位、油压差或油流量开关进行保护停机以避免造成压缩机损坏，此外根据经验规定一些制冷***设计准则以防止回油不足频繁发生，日常运行时则只能依靠维护人员经验判断来防止故障发生。

经检索，杨伟姬在《制冷与空调》2007年6月刊发表的《中央空调冷水机组回油问题设计探讨》从保证制冷剂回气流速抑制回油不足的角度提出了冷水机组干式蒸发器和制冷管路结构设计的一些准则；邓达麟在2017年19期发表的《变频空调压缩机的低温回油对策》在分析了压缩机频率、电子膨胀阀开度和排气过热度对回油影响规律基础上提出了相应的抑制回油不足策略；刘光华在《制冷与空调》2012年12月刊发表的《变频制冷机组的回油设计》提出了促进回油的设计方法，但同时提出设计方法无法完全防止压缩机回油不足，需要在运行中采取定期强制压缩机高频率运行的方法。

发明内容

针对螺杆式制冷压缩机润滑油回油不足预测问题，提出了一种螺杆式制冷压缩机回油故障的辨识和预判方法，自动判断螺杆式制冷压缩机低油位状态；可在判断出低油位时向冷水机组提供信号以便采取自动回油操作。

本发明的技术方案为：一种螺杆式制冷压缩机回油故障的辨识和预判方法，螺杆式制冷压缩机压缩输出制冷剂依次进冷凝器冷凝、电子膨胀阀、蒸发器回至压缩机，通过对冷水机组运行数据的辨识和分类预判螺杆式制冷压缩机回油故障，具体步骤如下：

1)根据压缩机油视镜中油位相对满油位的百分比将油位状态分为1类：70％-100％油位；2类：40％-70％油位；3类：低于40％油位；

2)通过对步骤1)所述三类油位状态的历史数据进行相关性分析，确定与压缩机油位状态具有相关性的压缩机吸气温度、压缩机排气温度、压缩机吸气压力、压缩机排气压力、压缩机电流、冷凝器出口温度和电子膨胀阀开度七个运行参数作为故障的特征参数，再选择其中电子膨胀阀开度、压缩机排气温度和冷凝器出口温度三个相关性最强的作为故障的敏感参数；

3)通过步骤2)所述敏感参数进行制冷压缩机油位指示特征拟合多项式构造，通过输入敏感参数历史数据采用多元线性回归法辨识油位指示特征拟合多项式结构参数，并统计油位指示特征判别阈值；

4)通过步骤2)所述特征参数的历史数据离线进行支持向量机训练，输入所述特征参数构成的向量作为支持向量机的输入数据，根据数据的油位状态1、2、3类，采用一对余类方法分别构建三个区分某一类油位状态特征参数数据与其他类油位状态数据的二分类非线性支持向量机决策函数，共同组成1个多分类支持向量机模型，通过非线性映射将原输入空间的特征参数向量样本映射到高维的特征空间中，再经训练分别获得三个决策函数的结构参数，包括最优拉格朗日系数和最优权值，最终获得训练后多分类支持向量机；

5)在冷水机组运行期间，将实时测量的所述敏感参数输入步骤3)拟合多项式计算油位指示特征，判断油位指示特征是否低于判别阈值，当油位指示特征低于阈值时，判定当前数据属于1类油位状态，未发生故障；

6)对于油位指示特征高于阈值的实时运行数据，将实时的所述特征参数输入步骤4)训练后多分类支持向量机，分别计算所述三类油位状态的支持向量机决策函数值，如1类油位的函数值最大则实时预判压缩机处于1类油位状态，如2类油位的函数值最大则实时预判为2类油位状态，如3类油位的函数值最大则实时预判为3类油位状态；当预判结果为3类油位状态时，预警压缩机回油故障。

进一步，所述油位指示特征拟合多项式如下：

y＝a₀+a₁X₁+a₂X₂+a₃X₃+a₄X₁ ²+a₅X₂ ²+a₆X₃ ²+a₇X₁ ³+a₈X₂ ³+a₉X₃ ³，

其中敏感参数X₁、X₂、X₃分别为电子膨胀阀开度、排气温度和冷凝器出口温度；y为油位指示特征值；a₀～a₉为运用进行故障演变试验整个过程采集到的数据得到的构建油位指示特征系数。

本发明的有益效果在于：本发明螺杆式制冷压缩机回油故障的辨识和预判方法，可在螺杆式制冷压缩机发生低油位故障之前预警低油位，避免因故障停机降低冷水机组的使用效率；另可将预警信号提供控制程序使冷水机组只在可能发生低油位时采取自动回油操作，减少回油操作的次数避免影响冷水机组日常的运行功能。

附图说明

图1为本发明冷水机组压缩机低油位判别传感器测点布置图；

图2为本发明压缩机低油位判别监控***示意图；

图3为本发明螺杆式制冷压缩机回油故障的诊断方法流程图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

如图1所示冷水机组压缩机低油位判别传感器测点布置图，螺杆式制冷压缩机2压缩输出制冷剂依次进冷凝器1冷凝、电子膨胀阀4、蒸发器3回至压缩机2，在温度较低的蒸发器3中，由于螺杆式制冷压缩机2输出的制冷剂中溶解有油，当冷水机组在外界温度较低工况下运行时由于蒸发器3内蒸发温度较低，制冷剂与润滑油可能会出现分层现象，润滑油可能无法随着制冷剂正常循环而在蒸发器中积存形成积油301导致压缩机回油不足，在压缩机底部的回油可通过油位视镜201查看，在压缩机2排气管道上布置排气温度T1、排气压力P1测试点，在吸气管道上布置吸气温度T2、吸气压力P2测试点，采集电子膨胀阀4上开度V1信号反馈点，在冷凝器出口管道上布置冷凝器出口温度T3测试点，对压缩机2的电流I1进行测试。如图2所示压缩机低油位判别监控***示意图，采用冷水机组控制***5采集测试点的实时运行数据，通过网络6传输至上位监控***8，上位监控***8中监控软件7根据运行数据执行油位判别。

本发明提出了采用多元线性回归(MLR)和支持向量机(SVM)相结合的油位判别算法，通过对冷水机组运行数据进行辨识和分类，预判螺杆式制冷压缩机低油位状态(小于油位视镜201满油位的40％)，具体步骤如下：

(1)根据压缩机油视镜中油位相对满油位的百分比将油位状态分为1类：70％-100％油位；2类：40％-70％油位；3类：低于40％油位。将输入数据分为在线数据和离线数据。

(2)采用皮尔逊相关系数法在冷水机组历史运行数据中筛选出与压缩机油位状态相关性较强的压缩机吸气温度、压缩机排气温度、压缩机吸气压力、压缩机排气压力、压缩机电流、冷凝器出口温度和电子膨胀阀开度作为特征参数，同时在特征参数中再选择电子膨胀阀开度、排气温度和冷凝器出口温度三个相关性最强的作为敏感参数。

(3)离线数据训练过程

1)使冷水机组在如表2的工况下运行直至发生回油故障，由上位监控***获得整个过程的运行数据，从中选出包括三类油位状态的特征参数数据作为离线数据，其中包含了敏感参数的数据。

2)采用敏感参数构造油位指示特征多元线性回归式。油位指示特征多元回归式是由与回油故障最强相关的膨胀阀开度、排气温度和冷凝器出口温度三个敏感参数组成的拟合多项式。多项式如下：

y＝a₀+a₁X₁+a₂X₂+a₃X₃+a₄X₁ ²+a₅X₂ ²+a₆X₃ ²+a₇X₁ ³+a₈X₂ ³+a₉X₃ ³ (1)

其中敏感参数X₁、X₂、X₃分别为电子膨胀阀开度(单位：％)、排气温度(单位：℃)和冷凝器出口温度(单位：℃)；y为油位指示特征值；式中各阶次X₁、X₂、X₃因子和系数a₀～a₉统称为结构参数；

输入离线数据中敏感参数数据采用多元线性回归方法辨识得到式(1)的结构参数。

3)采用表征压缩机油位状态的七个特征参数构成的向量数据作为支持向量机的输入数据。根据数据的油位状态1、2、3类，采用一对余类方法分别构建三个区分某一类油位状态特征参数数据与其他类油位状态数据的二分类支持向量机决策函数，共同组成1个多分类支持向量机模型，通过非线性映射将原输入空间的特征参数向量样本映射到高维的特征空间中，再经训练分别获得三个决策函数的结构参数，包括最优拉格朗日系数和最优权值，最终获得训练后多分类支持向量机。

(4)在线数据诊断过程

1)根据实时测量的在线数据，输入敏感参数计算油位指示特征进行数据筛选，判断油位指示特征是否低于判别阈值，当油位指示特征低于阈值时，判定当前数据属于1类油位状态，未发生故障。

2)对于油位指示特征高于阈值的实时运行数据，输入七个特征参数构成的向量数据作为多分类支持向量机的输入，分别计算三类油位状态的支持向量机决策函数值，如1类油位的支持向量机决策函数值最大则实时预判压缩机处于1类油位状态，如2类油位的函数值最大则实时预判为2类油位状态，如3类油位的函数值最大则实时预判为3类油位状态。当预判结果为3类油位状态时，可预警压缩机回油故障。

在冷水机组投入使用之前，在标准试验台架上逐步创造从正常到如表2(压缩机油位判别模型训练试验工况)的低负荷工况使冷水机组运行至压缩机出现3类油位状态，运用整个过程采集到的数据得到构建油位指示特征的系数和上位机控制程序的多分类支持向量机模型。

表2

冷水机组投入运行后监控***采集运行数据，实时计算油位指示特征值和多分类支持向量机函数值用以判断和预警螺杆式制冷压缩机低油位状态。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (2)

1.一种螺杆式制冷压缩机回油故障的辨识和预判方法，螺杆式制冷压缩机压缩输出制冷剂依次进冷凝器冷凝、电子膨胀阀、蒸发器回至压缩机，其特征在于，通过对冷水机组运行数据的辨识和分类预判螺杆式制冷压缩机回油故障，具体步骤如下：

1)根据压缩机油视镜中油位相对满油位的百分比将油位状态分为1类：70％-100％油位；2类：40％-70％油位；3类：低于40％油位；

2)通过对步骤1)所述三类油位状态的历史数据进行相关性分析，确定与压缩机油位状态具有相关性的压缩机吸气温度、压缩机排气温度、压缩机吸气压力、压缩机排气压力、压缩机电流、冷凝器出口温度和电子膨胀阀开度七个运行参数作为故障的特征参数，再选择其中电子膨胀阀开度、压缩机排气温度和冷凝器出口温度三个相关性最强的作为故障的敏感参数；

3)通过步骤2)所述敏感参数进行制冷压缩机油位指示特征拟合多项式构造，通过输入敏感参数历史数据采用多元线性回归法辨识油位指示特征拟合多项式结构参数，并统计油位指示特征判别阈值；

4)通过步骤2)所述特征参数的历史数据离线进行支持向量机训练，输入所述特征参数构成的向量作为支持向量机的输入数据，根据数据的油位状态1、2、3类，采用一对余类方法分别构建三个区分某一类油位状态特征参数数据与其他类油位状态数据的二分类非线性支持向量机决策函数，共同组成1个多分类支持向量机模型，通过非线性映射将原输入空间的特征参数向量样本映射到高维的特征空间中，再经训练分别获得三个决策函数的结构参数，包括最优拉格朗日系数和最优权值，最终获得训练后多分类支持向量机；

5)在冷水机组运行期间，将实时测量的所述敏感参数输入步骤3)拟合多项式计算油位指示特征，判断油位指示特征是否低于判别阈值，当油位指示特征低于阈值时，判定当前数据属于1类油位状态，未发生故障；

6)对于油位指示特征高于阈值的实时运行数据，将实时的所述特征参数输入步骤4)训练后多分类支持向量机，分别计算所述三类油位状态的支持向量机决策函数值，如1类油位的函数值最大则实时预判压缩机处于1类油位状态，如2类油位的函数值最大则实时预判为2类油位状态，如3类油位的函数值最大则实时预判为3类油位状态；当预判结果为3类油位状态时，预警压缩机回油故障。

2.根据权利要求1所述螺杆式制冷压缩机回油故障的辨识和预判方法，其特征在于，所述油位指示特征拟合多项式如下：

y＝a₀+a₁X₁+a₂X₂+a₃X₃+a₄X₁ ²+a₅X₂ ²+a₆X₃ ²+a₇X₁ ³+a₈X₂ ³+a₉X₃ ³，

其中敏感参数X₁、X₂、X₃分别为电子膨胀阀开度、排气温度和冷凝器出口温度；y为油位指示特征值；a₀～a₉为运用进行故障演变试验整个过程采集到的数据得到的构建油位指示特征系数。

Images