公务员期刊网 论文中心 正文

石油化工生产装置故障诊断方法

石油化工生产装置故障诊断方法

摘要:往复压缩机是石油化工生产装置中最常用的一种机械设备。首先对往复压缩机的工作原理进行论述,并分析了往复压缩机发生故障的类型,最后探讨往复压缩机故障的有效诊断方法,以提高往复式压缩机在石油化工生产装置中的工作效率。

关键词:故障;往复压缩机;诊断;工作原理

1往复压缩机的工作原理分析

往复式压缩机是一类容积式压缩机,能够让石油化工生产装置中特定的气体按照一定次序来吸入与排出封闭空间,以实现压缩机的静压力提升。由曲轴带动连杆,连杆带动活塞,让活塞上下运动。而活塞运动会改变气缸内的容积,一旦活塞往下运动,就会增加气缸容积,打开进气阀,关闭排气阀,吸入空气以实现进气。

2石油化工生产装置中往复压缩机故障类型及原因分析

2.1往复式压缩机的常见故障及原因分析

一般情况下,往复压缩机较常出现的故障主要有流体性质与机械性质两种类型。其中流体性质属于一类机械热力性能故障,此类故障具有排气量偏少、压力异常以及存在温度差异等特点,通常是由于冷却水路、气阀、活塞环以及吸气滤清器等发生故障而导致此类故障的出现。通常可以采取参数法来对此类故障实施诊断。机械性质则主要指的是机械动力性能发生故障,这通常是由于运动零件结构产生间隙或裂纹等而导致的。此故障具体表现为机械在运动过程中出现响声、发热以及震动等异常情况。

2.2往复式压缩机发生热力性能故障及原因分析

此类故障的发生,往往是因为填料函与气阀等部件发生损坏而导致往复压缩机热力故障的出现。如果填料函发生故障就会引起排气量降低、压比失调等情况出现。通过对相关调查数据统计与研究发现,在整体往复压缩机故障中,有超6成以上的故障是气阀故障。出现气阀故障会导致排气温度上升,排气量减小,从而导致压比失调,如若情节较为严重,还可能会致使整体机组瘫痪无法使用。所以,在实际工作过程中,作业人员往往会结合气阀情况来对压缩机的故障问题进行诊断。

2.3往复式压缩机发生机械功能故障及原因分析

在机械运动缓解,一个较为常见的机械故障主要有电机故障、烧瓦、气缸盖与气缸破裂、十字头、阀片、曲轴、活塞环、连杆螺栓等断裂。在具体操作往复压缩机时,一个较为关键步骤就是诊断气阀故障,这主要是由于常常出现活塞杆、连杆等断裂,同时压缩机的运动部件较多,因此,许多故障都是机械性能故障。

3往复式压缩机在生产中发生故障的诊断方法

3.1直接观察法

具有丰富经验的维修人员而往往能够结合往复压缩机运作环节中的工作状态或是发出的声响来对其故障情况进行判断。其往往能够根据振动、现场声音来发现设备中较为隐蔽的故障功能。不过该类人员普遍不多,所以成功几率也不大。不仅如此,随着科技含量的增加,往复式压缩机设备越来越复杂与精细,所以也难以单纯借助直接观察法来开展全方位的诊断。

3.2振动噪音监测法

在诊断往复压缩机故障过程中运用振动噪音监测法效果较为显著。该方法的原理在于结合机械表面的振动情况来有效判断出气缸有无磨损、气阀有无漏气等情况。在实际诊断时,还能够将振动传感器安装在气缸头部,与振动信号相结合来判断出气缸内部有无故障出现。除此之外,还能够结合管路内压力波的信号来判断压缩机轴承故障。在操作往复压缩机时,因为噪音偏大,所以在一定程度上降低信号的稳定性,使得传感器的敏感度下降。因此,在运用该类方法时存在较大阻碍,且会受到诸多因素的影响而难以有效推广此项故障诊断方法。

3.3油液分析法

在具体操作环节,机械极易出现磨损,因此,务必要将相应润滑油运用在较易磨损的部位。但是机械设备的实际运作的情况决定了润滑油的衰败时间,所以能够对磨损所产生的微粒特征、范围、大小、数量等情况来判断机械的运转情况。

3.4人工智能诊断法

当前,在对往复式压缩机故障进行诊断过程中,已经较为普遍运用神经网络技术与人工智能专家系统相结合的方式来进行。人工智能诊断是基于专业理论知识以及诸多实践经验上而研发的一类计算机智能程序系统,其能够有效处理复杂性较高、难度较大的故障问题。此类方法具有预测简单、解释机制强、容易建造等优点,不过也存在着专家知识精度不够、推理机制较为简单等缺陷。而人工神经网络具有组织性、自写性等特征,且存在联想记忆功能,可以在所出现的设备中进行学习,且进行经验积累,在对往复压缩机故障诊断中运用人工神经网络技术则可以有效弥补专家系统的缺陷。

4结束语

由于往复压缩机设备结构较为特殊且复杂,在石油化工生产过程中往往会出现各类故障,这无疑会对设备的运行产生极大影响。所以就需要工作人员能够正确掌握其运作原理分析故障类型,并采取有效的诊断方式解决故障,切实确保往复压缩机的运行正常。

参考文献

[1]张福庆,刘伟.往复式压缩机故障诊断方法研究[J].工程技术,2016,(6):296.

[2]王磊.往复式压缩机故障诊断方法研究综述[J].中国高新技术企业,2016,(17):73-74.

作者:杨文庆 单位:大庆石化公司炼油厂