制冷压缩机故障分析与排除

安治恒

格力电器（芜湖）有限公司  芜湖省 芜湖市 241000

摘要：现阶段，与人们生活密切相关的家用和轻商用制冷设备，更是我国具有显著优势的产业。作为核心部件的压缩机，体现了制冷设备的综合技术水平，是产品质量的重要保证，产业发展的基础性保障，在产业发展进程中更需要先行一步。基于此，本文主要对制冷压缩机故障分析与排除进行论述，详情如下。

关键词：制冷压缩机；故障；排除

引言

某厂压缩机，单台机组有两个MicroⅢ控制盘实行一二级独立控制，2009年通过技术攻关解决了FESMicroⅢ与DCS-DeltaV系统之间的通信，实现了远程监控，提高机组运行水平。工艺采用一开一备配置形式运行，其中一台运行期间出现压缩机的滑阀动作频繁，入口压力波动较大，机组排温、排压偏高、系统控制不平稳的现象，严重影响装置安全平稳运行，分析产生的原因和故障处理是当前急需解决的问题。

1故障分析

（1）机组运行操作记录和装置工艺运行参数报表显示，机组近期未进行工况调整，环境温度也没出现突变，装置的负荷相对稳定。机组的压力、温度等关键参数运行无异常，排除机组工艺管路堵塞、制冷剂泄漏等故障；但从机组声音发沉、发闷，电机电流波动等情况看，机组负荷忽大忽小变化较大。（2）加减载阀的供油管路使用Φ6mm的管线，当管路流速过大，可造成滑阀活塞腔两端压差变化快，引起滑阀加减载幅度增大；若滑阀液压缸里的活塞环有磨损泄漏、电位移传感器失灵会造成滑阀“窜动”来回波动，均会导致机组运行不平稳。（3）根据数据分析机组负荷在没有增大，滑油冷却器工作正常的情况下，机组出现排温持续偏高现象。初步判断为机组二级主供油不足或节能器控制阀工作不正常造成。（4）滑阀的开度通过角位移传感器来检测传输，对角位移传感器进行检查，传感器灵敏度下降，但不会引起机组不平稳现象。

2制冷压缩机故障排除

2.1基于IUPEMD和ＲCMFE的往复压缩机气阀故障诊断

往复压缩机是石油、化工等领域用于压缩和输送气体的关键设备，一旦发生事故会造成巨大的经济损失和人员伤亡。其结构复杂，振动信号具有非线性、非平稳性和多分量耦合特性，时频分析方法已被普遍用于处理这类信号。然而，典型的时频分析技术，如小波变换，存在一些固有的局限性，缺乏自适应性［2］。掩蔽EMD利用窄带正弦波作为辅助信号，可以在一定程度上抑制模态混叠，但难以选择合适的掩蔽信号。UPEMD使用具有均匀变化相位的正弦波，并增加相位数量以更好地抑制模态混叠和残余噪声。基于改进的均匀相位经验模态分解、精细复合多尺度模糊熵以及SVM算法相结合的往复压缩机气阀故障识别方法如下:(1)对往复压缩机气阀振动信号进行IUPEMD分解，得到一系列IMF分量。(2)计算分解后IMF分量的峭度值，优选模态分量并重构信号。(3)对重构信号进行ＲCMFE分析，提取往复压缩机气阀各工况下振动信号的故障特征向量。(4)将特征向量输入到支持向量机(SVM)进行分类识别。

2.2BOG压缩机运行

天然气液化厂与LNG接收站均需要借助BOG压缩机对LNG储罐蒸发出的BOG进行回收利用，该处理工艺不仅在节能减排中起到重要作用同时也确保工厂的安全生产与运营。BOG压缩机是撬装式固定风冷、四缸三级无油润滑往复活塞式压缩机，其中第一级为双气缸结构；该机组具备气量调节系统，配备的气量调节系统是通过吸气阀控制气缸一侧/两侧工作来实现气量的0/50%/100%三档气量调节，在BOG压缩机运行过程中针对二级出口压力偏高的工况，盲目地把出口压力联锁值调高以避免跳车的方法是不可取的，这与确保装置在生产过程中安全平稳运行的生产原则是相背离的，应尽快停机对压缩机三级气缸吸气阀进行检查。BOG往复式压缩机的气阀是易损件，气阀的正常工作对压缩机的运行起到至关重要的作用，一旦气阀的弹簧在使用过程中出现软化将影响气阀无法正常工作。BOG压缩机在运行过程中遇到的问题都是互相关联的，需要对问题进行逐步剖析，直至找到根本症结之所在。

2.3基于卷积神经网络的闪蒸汽压缩机故障诊断方法

压缩系统内包含三类设备，洗涤器、压缩机、后冷却器，压缩机主要有双螺杆式和往复式两种类型。在设备运行的过程中获取的数据信息对设备运行状态潜在的故障及运行趋势进行准确的分析是必不可少的环节。而当前国内大多数工厂采集数据方式落后，导致对机组产生故障原因的分析不够全面有效。近几年人工智能发展迅速，机器学习、深度学习等得到了迅速发展。现有的基于深度学习的诊断模型包括深度自动编码器、深度信念网络、循环神经网络和卷积神经网络（CNN）四大主流诊断模型。卷积神经网络（CNN）由权重和偏置常量构成。其优点是能够共享权值和进行局部连接，在处理高维数据时可以减少数据量，缩短运行时间。主要由输入层、全连接层、激活函数、卷积层和池化层组成。通过卷积神经网络能够完成监测数据的特征提取、降维和分类的全过程，可避免数据的丢失，也减少了计算量。１）收集的原始监测数据作为CNN模型的输入，通过卷积层对数据进行特征提取，可避免因人工选取特征而导致故障分析出现误差。２）提出的基于卷积神经网络故障分析和诊断的方法与传统故障诊断方法相比，识别和诊断故障的准确率更高。３）通过训练和测试后的一维卷积神经网络模型具备自我学习能力，能够较好地实现故障识别和诊断。

2.4制冷压缩机振动噪声控制技术

随着社会的发展，生活水平的提高，人们对空调、冷藏和冷冻等制冷设备的振动噪声提出了更高的要求，制冷压缩机作为制冷系统的主要振动噪声源，其振动噪声控制技术愈发重要。制冷压缩机经过升级换代后，产品能效得到了显著提升，但还需要在振动噪声方面付出更多的努力才能取得突破性的进展。制冷压缩机噪声主要包括机械性振动噪声、流致性振动噪声和电磁性振动噪声，其振动噪声源错综复杂，相互干扰，增加了声源辨识的难度。振动噪声控制技术涉及流场、应力场、温度场和电磁场等多门学科，知识面广，研究难度大，成为制冷压缩机技术发展面临的新挑战。了抑制离心式制冷压缩机的振动噪声，校核主要部件的结构静力学特性，计算转子轴系的动力学特性，提高转子轴系的临界转速，偏移结构模态的固有频率，避免落入共振区，提高转子轴系的动平衡精度等级，降低离心式制冷压缩机的机械性振动噪声。基于压缩机的结构设计，建立通流部件的流场模型，计算离心式制冷压缩机工作过程的非定常流场，将瞬态的压力插值到声学模型中，开展流场－声场联合仿真，计算离心式制冷压缩机气流脉动诱发的气动声学特性，预测离心式制冷压缩机噪声声压级及频谱特性，并将预测结构反馈到结构设计中，优化流场，降低振动噪声。

结语

通过两级螺杆式制冷压缩机故障的诊断处理后，制冷压缩机加减载平缓，机组运行工况稳定，故障停机次数明显减少，运行时率显著提高，保证设备高效、平稳运行。

参考文献

［1］王爱英.螺杆压缩机组振动问题的分析与解决措施［J］.炼油与化工，2010（3）:51-52.

［2］麻栋兰，廖耀华，黄朝斌，等.压缩机油压低原因分析与处理方法研究［J］.内蒙古石油化工，2008，34（20）:5-7

［3］彭成，李凤娟，蒋金元．基于深度学习的故障诊断与预测方法综述［J］．现代电子技术，2022，45（3）：111-120．

［4］马海辉，余小玲，吕倩，等．一维卷积神经网络在往复式压缩机气阀故障诊断中的应用［J］．西安交通大学学报，2022，56（4）：101-108．