天然气压缩机故障诊断系统设计实现

前言：想要写出一篇引人入胜的文章？我们特意为您整理了天然气压缩机故障诊断系统设计实现范文，希望能给你带来灵感和参考，敬请阅读。

摘要：随着人们对清洁能源需求量的增加，天然气成为新的能源利用趋势。天然气压缩机作为能源转化利用中重要的机电设备，如何保证其正常工作运转成为必要的研究领域。基于此，该文研究利用了Android平台移动的特性，结合案例推理与规则推理机制，设计开发了一套压缩机预警维护系统。该系统利用BLE与远程网络存储技术实现了实时数据的现场采集与历史数据的后期综合分析功能，并通过图像化的方式进行直观展示。经实地测试分析，该系统直观便捷，压缩机故障预警的准确率较高、时效性较好。

关键词：天然气压缩机；Android；BLE；案例推理；规则推理

引言

中国的一次能源以煤为主，随着经济的快速发展以及当前日益严峻的环保压力，人们对清洁能源的需求愈来愈髙，而天然气作为一种清洁能源，较好地解决了煤炭在使用过程中的污染问题，天然气的需求与应用成为一种能源利用趋势。很多天然气压缩机在小故障预警后，由于现场人员的经验不足，不能及时进行排除，错过了设备抢修的第一时间，导致了更严重的后果[3,8]。因此，研发一套具备现场处理设备故障能力的天然气压缩机预警维护系统十分重要。该文提出了一种基于Android平台的系统，当故障预警出现时能够自动、快速、准确地对故障原因进行分析诊断，为现场巡视人员第一时间处理异常提供参考[1]。

1基本思路

如图1所示，设计基本思路是利用CBR和RBR技术，基于Android平台结合网络通信机制，实现便携式压缩机的故障预警、分析和展示[6]。其主要由数据采集系统、应用系统服务端系统、存储分析服务器和Android移动端4个部分组成。

1.1数据采集系统

该系统负责连接各类传感器，将传感器获取的压缩机的运行数据集成到采集系统中，通过网络发送到服务端分析系统，并存储到相应的数据库中。

1.2应用系统服务端系统

该系统负责对采集的数据进行分析计算，例如在压缩机监控参数出现异常时，及时给出预警，并利用基于案例推理和规则推理相结合的诊断机制，分析故障原因，提出维修处理建议[7]。

1.3存储分析服务器

该服务器在存储采集到的监控数据的同时，也会存储设备的基本信息以及诊断模块的业务模型数据。

1.4Android移动端

移动端主要供设备维护巡检人员使用，核心是提供便携式数据展示和分析服务。

2系统架构

天然气压缩机预警维护系统在架构上分为移动层、服务层、支撑层、数据层、基础层5个层次。如图2所示。移动层指Android平台上的App，由于移动端硬件条件的限制，其不能进行大规模的运算和存储，因此移动层只具备监控展示和故障预警功能，核心运算放在服务层、移动层与服务层，采用JSON格式传输数据[9-10]。服务层是运行在应用服务器上的各个服务端，处理来自终端的请求，并将处理结果返回给移动层。服务层采用RESTful架构，对外提供各功能URL资源，移动层只需要通过HTTP协议访问对应的URL资源，即可获得返回JSON格式的业务数据。支撑层可理解为抽取的公共模型或算法，例如CBR和RBR策略已被很多领域应用，形成了算法支持。数据层描述整个系统的数据来源，该系统主要涉及2个方面的数据来源，传感器采集的实时数据和预警维护系统的数据库数据。基础层表示了整个系统的物理基础，为系统提供网络、计算、存储等硬件支持。

3关键技术

3.1Android动态监控曲线绘制

移动端可以实时监控压缩机的各种参数，主要以曲线和表格方式展示，表格方式能够利用Android平台的EditText控件很方便的实现，相较而言曲线显示更具连续性，对于分析结果的展示也更加直观。下文以活塞杆的沉降曲线为例，讲述基于AChartEngine开源工具的曲线绘制过程。AChartEngine是Android平台的图表开发库，能绘制折线图、饼图、气泡图、柱状图、散点图以及面积图等统计图表。AChartEngine的每个图表都需要一个数据集（DataSet）和渲染器集合（Renderer）。图表工厂（ChartFactory）通过调用数据集（DataSet）和渲染器集合（Renderer）可以生成带图表的GraphicalView或者GraphicalActivity。活塞杆采集数据抽象为对象Rod，代码如下：angle表示角度，取值范围为0~360；swing代表振幅值，取值范围为-15~5。在程序中，首先初始化曲线，包括创建坐标轴的初始化和数据集，调用series.add(r.getAngel(),r.getSwing())方法将业务数据映射为坐标数据。然后在Timer中定时updateChart()曲线，实现曲线动态显示。updateChart代码如下：

3.2BLE蓝牙通信

该文采用BLE及低功耗蓝牙技术，通过获取蓝牙设备的MAC地址（MAC是唯一的），可以获取数据库中的配置信息及历史数据，同时也可通过Service实时采集数据，屏蔽了从数据库读取数据的网络延迟。蓝牙读取流程，如图3所示。蓝牙设备扫描，调用startLeScan()方法开始扫描，由于手持设备资源有限，不能长时间扫描周边设备，所以利用定时器，达到一定时间调用stopLenScan()方法强制关闭扫描程序。

3.3CBR和RBR集成故障诊断推理模型

案例检索（CBR）具有直观、高效的优点，但是案例库的丰富程度决定了案例匹配的成功率，在系统初期建立完备的案例库费时费力。引入规则推理机制（RBR），在案例匹配失败的情况下利用规则推理，推导出故障原因，并进行维修指导，经过人工确认无误后，保存入案例库，使系统具备自主学习的功能，逐渐丰富完善案例库。CBR与RBR集成诊断流程如图4所示。案例匹配采用最邻近算法进行相似度计算。相似度计算分为局部相似度和全局相似度2个部分。局部相似度就是故障特征项的相似值，全局相似度为各特征项之间的加权平均值。局部相似度计算公式：式中:—2个案例的最小共同祖先，—某个案例在概念树中的深度。Deepth(Lcs(i1,i2))—2个案例最小共同祖先在概念树中的深度。全局相似度计算公式：式中：表示2个案例的全局相似度，wi表示第i个特征项在整个案例中的权重。sim(xi，yi)—参与比较的2个实例间第i个对应属性的相似度，也叫做局部相似度。规则推理工作主要分为规则提取、规则库建立和代码实现3步。规则提取可以利用SWRL语言完成，这是一种由语义的方式呈现规则的语言，由RuleML演变而来，在结合OWL与本体论形成[11]。整理后的SWRL规则需放入JESS推理引擎中进行推理。JESS是目前流行的规则系统，由Java语言开发，可以与Android系统结合。

4结论

该文设计并实现了一种天然气压缩机预警维护系统，该系统由数据采集设备、存储分析系统和Android智能手机监测系统组成。数据采集系统实时采集压缩机的信息，利用BLE技术传送到Android智能手机终端，同时利用局域网络传输到存储分析系统。存储分析系统对信息进行存储、处理和分析，实现对压缩机状态的分析。Android智能手机系统通过与BLE和数据采集系统通信，实现实时监测，提高了对压缩机状态监测的灵活性和方便性[2，4，5]。通过实验测试，该系统数据流转正常，参数采集完整，故障预警较准确，维修建议正确，较好地实现了对天然气压缩机状态的实时监测与运行状态的分析，证明了该系统的有效性和实用性。

参考文献

[1]秦鑫鑫.天然气压缩机测试平台控制系统的研制[D].苏州：苏州大学，2016.

[2]聂焕焕，吴振陆，俞国燕.天然气压缩机的故障诊断监控系统研究[J].自动化与仪表，2014（10）：61-64.

[3]孟庆华，杜胜利，高珍.天然气压缩机故障判别和排除[J].科技展望，2016（19）：65.

[4]付雄新.天然气压缩机远程监控系统设计[J].自动化与仪器仪表，2014（6）：62-63.

[5]杨忠强，牟乃渠，顾亚雄，等.基于PLC的天然气压缩机监控系统设计[J].自动化应用，2013（11）：74-75，82.

[6]浦汉军，谢小鹏，周受钦，等.基于GPRS的天然气压缩机物联网监控系统[J].现代电子技术，2015（2）：92-95.

[7]孙媛媛，张吉祥.基于移动平台的物联网实时监控系统的研究[J].数字技术与应用，2012（10）：38，40.

[8]董超群，梁政，田家林，等.基于天然气压缩机性能监测的预知维修技术[J].机械设计与研究，2014（6）：127-131.

[9]张涛，宋章明.设备状态监测、故障诊断与预知维修技术的应用[J].电力环境保护，2002（2）：40-42.

[10]刘志伟.天然气压缩机的故障管理研究[J].管理观察，2015（4）：187-188.

[11]聂规划，罗迹，陈冬林.电子目录的SWRL规则研究[J].计算机工程与应用，2011（7）：57-60.

作者：孙家兰 单位：煤炭科学技术研究院有限公司