(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110640499.2 (22)申请日 2021.06.08 (65)同一申请的已公布的文献号 申请公布号 CN 113435111 A (43)申请公布日 2021.09.24 (73)专利权人 西安交通大 学 地址 710049 陕西省西安市咸宁西路28号 (72)发明人 余小玲　吕倩　马海辉　叶君超　 (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 李红霖 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/08(2006.01) (56)对比文件 CN 111259993 A,2020.0 6.09CN 109779894 A,2019.0 5.21 US 201010 6458 A1,2010.04.2 9 JP 2003343449 A,2003.12.03 CN 111027260 A,2020.04.17 Fengtao Wang等.Fault Dia gnosis for Reciprocati ng Air Compres sor Valve Usi ng P-V Indicator Dia gram and SVM. 《Third Internati onal Symposium o n Informati on Science and Engi neering》 .2011,第255-258 页. 刘耀芳等.基于BP网络的往复压缩机气缸故 障诊断技 术. 《粮油加工》 .2010,(第0 6期), 刘华敏等.基 于人工智能的往复式压缩机故 障诊断研究综述. 《流体 机械》 .2020,第48卷(第9 期),第65-70、 82页. 审查员 汪盈盈 (54)发明名称 一种往复式压缩机故障诊断方法及系统 (57)摘要 本发明公开了一种往复式压缩机故障诊断 方法及系统， 包括如下过程： 对采集到的压缩机 气缸内动态压力数据按照压缩机的每个工作过 程进行分段预处理， 得到每个工作过程的p ‑V图； 对每个工作过程的p ‑V图进行特征提取， 得到每 个工作过程的特征； 将每个工作过程的特征排列 为综合特征向量； 将综合特征向量输入已预训练 好的神经网络进行处理， 得到神经网络的输出； 根据预设的神经网络的输出和压缩机状态之间 的映射关系， 得到压缩机状态类型。 本发明利用 压缩机的每个工作过程的p ‑V图进行图像特征提 取， 能够根据提取的特征实现对往复式压缩机的 故障诊断， 本发明能够利用算法自动实现， 可 以 大大降低在往复式压缩机故障诊断上的人力投 入。 权利要求书2页 说明书6页 附图5页 CN 113435111 B 2022.10.25 CN 113435111 B 1.一种往复式压缩机故障诊断方法， 其特 征在于， 包括如下 过程： 对采集到的压缩机气缸内动态压力数据按照压缩机的每个工作过程进行分段预处理， 得到每个工作过程的p ‑V图； 对每个工作过程的p ‑V图进行特征提取， 得到每 个工作过程的特 征； 将每个工作过程的特 征排列为综合特 征向量； 将综合特 征向量输入已预训练好的神经网络进行处 理， 得到神经网络的输出； 根据预设的神经网络的输出和压缩机状态之间的映射关系， 得到 压缩机状态类型； 压缩机的工作过程包括 膨胀过程、 进气过程、 压缩过程和排气过程； 对膨胀过程的p ‑V图进行特征提取的过程包括： 使用击中或击不中变换方法， 统计膨胀 过程的p‑V图中不同特征像素结构元素的数目， 利用不同特征像素结构元素的数目以及三角合成原理， 得到代表膨胀过程线斜率的综合角 度， 将所述代 表膨胀过程线斜 率的综合角度作为 膨胀过程的特 征； 对压缩过程的p ‑V图进行特征提取的过程包括： 使用击中或击不中变换方法， 统计压缩过程的p ‑V图中不同特征像素结构元素的数目， 利用不同特征像素结构元素的数目以及三角合成原理， 得到代表压缩过程线斜率的综合角 度， 将所述代 表压缩过程线斜 率的综合角度作为压缩过程的特 征； 对进气过程的p ‑V图进行特征提取的过程包括： 将进气过程的p ‑V图在垂直于p ‑V图中V坐标轴方向进行投影， 将投影后的结果在V坐标 轴方向像素长度上等分为若干份， 分别统计每份中像素点的数量， 将每份中像素点的数量 依次排列得到垂直投影特 征向量， 该垂直投影特 征向量作为进气过程的特 征； 对排气过程的p ‑V图进行特征提取的过程包括： 将排气过程的p ‑V图在垂直于p ‑V图中V坐标轴方向进行投影， 将投影后的结果在V坐标 轴方向像素长度上等分为若干份， 分别统计每份中像素点的数量， 将每份中像素点的数量 依次排列得到垂直投影特 征向量， 该垂直投影特 征向量作为 排气过程的特 征。 2.根据权利要求1所述的一种往复式压缩机故障诊断方法， 其特征在于， p ‑V图中不同 特征像素结构元素包括三类， 其中： 第一类特征像素结构元素包含两个相邻的像素， 这两个相邻的像素的其中一条对角线 共线， 且共线的对角线倾 斜方向为向p ‑V图中的p轴方向倾 斜； 第二类特征像素结构元素包含两个相邻的像素， 这两个相邻的像素具有一条共同的 边， 这两个相邻的像素为平行于p ‑V图中p轴方向上的两个 像素； 第三类特征像素结构元素包含两个相邻的像素， 这两个相邻的像素具有一条共同的 边， 这两个相邻的像素为平行于p ‑V图中V轴方向上的两个 像素。 3.根据权利要求1所述的一种 往复式压缩机故障诊断方法， 其特征在于， 将每个工作过 程的特征排列为 综合特征向量时， 将膨胀过程的特征、 进气过程的特征、 压缩过程的特征和 排气过程的特 征按顺序排列。 4.根据权利要求1所述的一种 往复式压缩机故障诊断方法， 其特征在于， 压缩机状态类 型包括： 正常、 进气阀弹簧失效、 进气阀裂纹、 进气阀断裂、 排气阀弹簧 失效、 排气阀裂纹、 排 气阀断裂和活塞环磨损。 5.一种往复式压缩机故障诊断系统， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 113435111 B 2预处理模块： 用于对采集到的压缩机气缸内动态压力数据按照压缩机的每个工作 过程 进行分段预 处理， 得到每个工作过程的p ‑V图； 压缩机的工作过程包括膨胀过程、 进气过程、 压缩过程和排气过程； 特征提取模块： 用于对每个工作过程的p ‑V图进行特征提取， 得到每个工作过程的特 征； 对膨胀过程的p‑V图进行特征提取的过程包括： 使用击中或击不中变换方法， 统计膨胀 过程的p‑V图中不同特征像素结构元素的数目， 利用不同特征像素结构元素 的数目以及三 角合成原理， 得到代表膨胀过程线斜率的综合角度， 将所述代表膨胀过程线斜率的综合角 度作为膨胀过程的特 征； 对压缩过程的p ‑V图进行特征提取的过程包括： 使用击中或击不中变换方法， 统计压缩过程的p ‑V图中不同特征像素结构元素的数目， 利用不同特征像素结构元素的数目以及三角合成原理， 得到代表压缩过程线斜率的综合角 度， 将所述代 表压缩过程线斜 率的综合角度作为压缩过程的特 征； 对进气过程的p ‑V图进行特征提取的过程包括： 将进气过程的p ‑V图在垂直于p ‑V图中V坐标轴方向进行投影， 将投影后的结果在V坐标 轴方向像素长度上等分为若干份， 分别统计每份中像素点的数量， 将每份中像素点的数量 依次排列得到垂直投影特 征向量， 该垂直投影特 征向量作为进气过程的特 征； 对排气过程的p ‑V图进行特征提取的过程包括： 将排气过程的p ‑V图在垂直于p ‑V图中V坐标轴方向进行投影， 将投影后的结果在V坐标 轴方向像素长度上等分为若干份， 分别统计每份中像素点的数量， 将每份中像素点的数量 依次排列得到垂直投影特 征向量， 该垂直投影特 征向量作为 排气过程的特 征； 特征处理模块： 用于将每 个工作过程的特 征排列为综合特 征向量； 计算模块： 用于将综合特征向量输入已预训练好的神经网络进行处理， 得到神经网络 的输出； 判断模块： 用于根据预设的神经网络的输出和压缩机状态之间的映射关系， 得到压缩 机状态类型。权　利　要　求　书 2/2 页 3 CN 113435111 B 3