(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211337397.4 (22)申请日 2022.10.28 (71)申请人 西安交通大 学 地址 710048 陕西省西安市碑林区咸宁西 路28号 (72)发明人 吴伟烽　李晓然　李程翊　张静　 杨毅帆　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 房鑫 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于p-V图特征参数的往复压缩机故障诊断 方法及系统 (57)摘要 一种基于p ‑V图特征参数的往复压缩机故障 诊断方法及系统， 方法包括以下步骤： 提取正常 运行工况下p‑V图的特征参数； 以p ‑V图的吸排气 压力比、 等效面积、 压力项形心坐标为输入参数， 以p‑V图的膨胀过程综合指数为输出参数， 搭建 BP神经网络模型； 以正常运行工况下p ‑V图的特 征参数训练BP神经网络模型并确定系统安全阈 值； 提取待识别运行工 况下p‑V图的特征参数， 代 入训练好的BP神经网络模型计算多组实际输出 参数与期望输出结果的平均 偏差； 将平均 偏差与 系统安全阈值进行比较， 诊断是否发生故障以及 定位故障类型。 本发明故障信号提取特征更加明 显， 并且能够避免传统人工智能技术需大量故障 数据训练样本的高昂成本 。 权利要求书3页 说明书7页 附图2页 CN 115511005 A 2022.12.23 CN 115511005 A 1.一种基于p ‑V图特征参数的往复压缩机故障诊断方法， 其特 征在于， 包括以下步骤： 提取正常运行工况下p ‑V图的特征参数， 所述特征参数包括p ‑V图的吸排气压力比、 等 效面积、 压力项形心坐标和膨胀过程综合指数； 以所述p‑V图的吸排气压力比、 等效面积、 压力项形心坐标为输入参数， 以所述p ‑V图的 膨胀过程综合指数为输出参数， 搭建BP神经网络模型； 以正常运行工况 下p‑V图的特征参数训练所述BP神经网络模型并确定系统安全阈值； 提取待识别运行工况下p ‑V图的所述特征参数， 代入训练好的BP神经网络模型计算多 组实际输出参数与期望 输出结果的平均偏差； 将平均偏差与系统安全阈值进行比较， 诊断是否发生故障以及定位故障类型。 2.根据权利要求1所述基于p ‑V图特征参数的往复压缩机故障诊断方法， 其特征在于， 所述p‑V图的膨胀过程综合指数按下式计算： pVk＝const 式中， k为过程指数； co nst为常数； 对等式两边同时做对数处 理， 得到如下 结果： ln p+k ln V＝const 将p‑V图转换成lnp ‑lnV图， 然后对图形的膨胀过程曲线进行线性拟合， 得到膨胀过程 指数的近似值， 定义 为膨胀过程综合指数。 3.根据权利要求1所述基于p ‑V图特征参数的往复压缩机故障诊断方法， 其特征在于， 所述p‑V图的吸排气压力比按下式计算： 式中， 为平均吸气压力； 为平均排气压力； 两参数的计算公式如下： 式中： N为工作过程采集压力点数量； pi为对应压力； a表示排气过程结束时刻； b表示吸 气过程起始时刻； c表示吸气过程结束时刻； d表示排气过程起始时刻； 下标s表 示进气过程； 下标d表示排气过程。 4.根据权利要求3所述基于p ‑V图特征参数的往复压缩机故障诊断方法， 其特征在于， 所述p‑V图的等效面积按下式计算： 5.根据权利要求4所述基于p ‑V图特征参数的往复压缩机故障诊断方法， 其特征在于，权　利　要　求　书 1/3 页 2 CN 115511005 A 2所述p‑V图的压力项形心坐标按下式计算： 6.根据权利要求1所述基于p ‑V图特征参数的往复压缩机故障诊断方法， 其特征在于， 训练所述BP神经网络模型时， 将足量压缩机正常运行工况下p ‑V图的特征参数代入到模型 中进行迭代训练， 直至训练误差小于规定数值或者达 到预设的迭代次数时， 训练完成。 7.根据权利要求1所述基于p ‑V图特征参数的往复压缩机故障诊断方法， 其特征在于， 所述系统安全阈值通过计算BP神经网络模型得到的膨胀过程综合指数预测 值与实际值的 平均绝对误差进行表征， 计算表达式如下： 式中： e为系统误差； m为训练样本的实际膨胀过程综合指数； 为训练样本的预测膨胀 过程综合指数； N 为训练样本总数。 8.根据权利要求7所述基于p ‑V图特征参数的往复压缩机故障诊断方法， 其特征在于， 所述提取待识别运行工况下p ‑V图的所述特征参数， 代入训练好的BP神经网络模型计算多 组实际输出参数与期望 输出结果的平均偏差时， 所述平均偏差按下式计算： 式中： e'为待识别样本的预测膨胀过程综合指数与实际膨胀过程综合指数的平均偏 差； m'为待识别样本的实际膨胀过程综合指数； 为待识别样本的预测膨胀过程综合指 数； M为待识别样本总数； 将计算得到 的平均偏差e'与系统误差e进行比较， 若|e'|小于系统误差|e|， 则诊断压 缩机正常运行， 无故障发生； 若 |e'|大于系统误差|e|， 则诊断压缩机发生缸内易损件故障。 9.根据权利要求8所述基于p ‑V图特征参数的往复压缩机故障诊断方法， 其特征在于， 将平均偏差与系统安全阈值进行比较， 根据比较结果按照下表定位故障类型： 10.一种基于p ‑V图特征参数的往复压缩机故障诊断系统， 其特 征在于， 包括： 正常运行工况参数提取模块， 用于提取正常运行工况下p ‑V图的特征参数， 所述特征参 数包括p‑V图的吸排气压力比、 等效面积、 压力项形心坐标和膨胀过程综合指数； BP神经网络模型搭建模块， 用于以所述p ‑V图的吸排气压力比、 等效面积、 压力项形心 坐标为输入参数， 以所述p ‑V图的膨胀过程综合指数为输出参数， 搭建BP神经网络模型；权　利　要　求　书 2/3 页 3 CN 115511005 A 3