压缩机故障诊断方法、装置、压缩机、存储介质及处理器

摘要

本发明公开了一种压缩机故障诊断方法、装置、压缩机、存储介质及处理器，该方法包括：获取所述压缩机内部润滑油的油液信息，并获取所述压缩机的振动参数；根据所述油液信息，确定所述压缩机的故障区域；根据所述振动参数，确定所述压缩机的故障位置；根据所述故障区域和所述故障位置，确定所述压缩机的故障零件的磨损程度。该方案，通过基于压缩机油液分析信息、振动信息进行复合诊断，以准确确定压缩机的故障位置。

说明书

技术领域

本发明属于压缩机技术领域，具体涉及一种压缩机故障诊断方法、装置、压缩机、存储介质及处理器。

背景技术

相关方案中，能够利用压缩机壳体表面的振动信号进行时域、频域及时频域分析，对风电机组进行在线状态监测与健康评估。但是，由于压缩机壳体表面的振动信号表现为非平稳性，因此利用振动信号分析难以准确确定压缩机的故障位置。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的目的在于，提供一种压缩机故障诊断方法、装置、压缩机、存储介质及处理器，以解决利用压缩机壳体表面的振动信号进行分析，难以准确确定压缩机的故障位置的问题，达到通过基于压缩机油液分析信息、振动信息进行复合诊断，以准确确定压缩机的故障位置的效果。

本发明提供一种压缩机故障诊断方法，包括：获取所述压缩机内部润滑油的油液信息，并获取所述压缩机的振动参数；根据所述油液信息，确定所述压缩机的故障区域；根据所述振动参数，确定所述压缩机的故障位置；根据所述故障区域和所述故障位置，确定所述压缩机的故障零件的磨损程度。

在一些实施方式中，获取所述压缩机内部润滑油的油液信息，包括：对所述压缩机内部润滑油进行光谱分析仪监测，得到所述压缩机内部润滑油中各元素的浓度变化参数，作为所述压缩机内部润滑油的油液信息；获取所述压缩机的振动参数，包括：在所述压缩机的壳体表面设置所需进行故障诊断的一个以上测试点，测量得到每个所述测试点的振动幅值，作为所述压缩机的振动参数。

在一些实施方式中，其中，根据所述油液信息，确定所述压缩机的故障区域，包括：在所述压缩机内部润滑油中各元素的浓度变化参数中，若有至少一个所述元素的浓度变化参数超过设定浓度，则确定至少一个所述元素为异常元素；将所述异常元素所属涂层在所述压缩机内部零件上的涂覆区域，确定为所述压缩机的故障区域；根据所述振动参数，确定所述压缩机的故障位置，包括：在一个以上所述测试点的振动幅值中，若有至少一个所述测试点的振动幅值超过设定幅值，则确定至少一个所述测试点为故障点；将所述故障点在所述压缩机的壳体表面所处位置，确定为所述压缩机的故障位置。

在一些实施方式中，根据所述故障区域和所述故障位置，确定所述压缩机的故障零件的磨损程度，包括：根据所述故障位置处测试点的当前振动幅值、以及所述故障位置处测试点的设定幅值，确定所述故障位置处零件的磨损程度；根据所述故障区域处异常元素的当前含量、以及所述故障区域处异常元素的设定含量，确定所述故障区域处零件的磨损程度的等权重分析值，并确定所述故障区域处零件的磨损程度；对所述故障位置处零件的磨损程度、以及所述故障区域处零件的磨损程度进行极大-极小复合处理，得到所述压缩机的零件的磨损程度；将所述压缩机的零件的磨损程度，与所述故障区域处零件的磨损程度的等权重分析值进行比较，确定所述故障位置和所述故障区域中的零件中的严重磨损零件的磨损程度，作为所述压缩机的故障零件的磨损程度。

在一些实施方式中，还包括：根据所述压缩机的故障零件的磨损程度，对所述压缩机的磨损状态进行评估。

在一些实施方式中，根据所述压缩机在所述故障位置处的零件的磨损程度，对所述压缩机的磨损状态进行评估，包括：根据所述压缩机在所述故障位置处的零件的磨损程度在设定的磨损状态评价参数中所处区域，对所述压缩机的磨损状态进行评估；其中，在所述压缩机的故障位置和排量中的至少之一发生变化的情况下，根据发生变化后的故障位置和排量中的至少之一，对所述压缩机在所述故障位置处的零件的磨损程度进行加权补偿处理后，再根据加权补偿处理后的所述压缩机在所述故障位置处的零件的磨损程度，对所述压缩机的磨损状态进行评估。

与上述方法相匹配，本发明另一方面提供一种压缩机故障诊断装置，包括：获取单元，被配置为获取所述压缩机内部润滑油的油液信息，并获取所述压缩机的振动参数；诊断单元，被配置为根据所述油液信息，确定所述压缩机的故障区域；所述诊断单元，还被配置为根据所述振动参数，确定所述压缩机的故障位置；所述诊断单元，还被配置为根据所述故障区域和所述故障位置，确定所述压缩机的故障零件的磨损程度。

在一些实施方式中，所述获取单元，获取所述压缩机内部润滑油的油液信息，包括：对所述压缩机内部润滑油进行光谱分析仪监测，得到所述压缩机内部润滑油中各元素的浓度变化参数，作为所述压缩机内部润滑油的油液信息；所述获取单元，获取所述压缩机的振动参数，包括：在所述压缩机的壳体表面设置所需进行故障诊断的一个以上测试点，测量得到每个所述测试点的振动幅值，作为所述压缩机的振动参数。

在一些实施方式中，其中，所述诊断单元，根据所述油液信息，确定所述压缩机的故障区域，包括：在所述压缩机内部润滑油中各元素的浓度变化参数中，若有至少一个所述元素的浓度变化参数超过设定浓度，则确定至少一个所述元素为异常元素；将所述异常元素所属涂层在所述压缩机内部零件上的涂覆区域，确定为所述压缩机的故障区域；所述诊断单元，根据所述振动参数，确定所述压缩机的故障位置，包括：在一个以上所述测试点的振动幅值中，若有至少一个所述测试点的振动幅值超过设定幅值，则确定至少一个所述测试点为故障点；将所述故障点在所述压缩机的壳体表面所处位置，确定为所述压缩机的故障位置。

在一些实施方式中，所述诊断单元，根据所述故障区域和所述故障位置，确定所述压缩机的故障零件的磨损程度，包括：根据所述故障位置处测试点的当前振动幅值、以及所述故障位置处测试点的设定幅值，确定所述故障位置处零件的磨损程度；根据所述故障区域处异常元素的当前含量、以及所述故障区域处异常元素的设定含量，确定所述故障区域处零件的磨损程度的等权重分析值，并确定所述故障区域处零件的磨损程度；对所述故障位置处零件的磨损程度、以及所述故障区域处零件的磨损程度进行极大-极小复合处理，得到所述压缩机的零件的磨损程度；将所述压缩机的零件的磨损程度，与所述故障区域处零件的磨损程度的等权重分析值进行比较，确定所述故障位置和所述故障区域中的零件中的严重磨损零件的磨损程度，作为所述压缩机的故障零件的磨损程度。

在一些实施方式中，还包括：所述诊断单元，还被配置为根据所述压缩机的故障零件的磨损程度，对所述压缩机的磨损状态进行评估。

在一些实施方式中，所述诊断单元，根据所述压缩机在所述故障位置处的零件的磨损程度，对所述压缩机的磨损状态进行评估，包括：根据所述压缩机在所述故障位置处的零件的磨损程度在设定的磨损状态评价参数中所处区域，对所述压缩机的磨损状态进行评估；其中，在所述压缩机的故障位置和排量中的至少之一发生变化的情况下，根据发生变化后的故障位置和排量中的至少之一，对所述压缩机在所述故障位置处的零件的磨损程度进行加权补偿处理后，再根据加权补偿处理后的所述压缩机在所述故障位置处的零件的磨损程度，对所述压缩机的磨损状态进行评估。

与上述装置相匹配，本发明再一方面提供一种压缩机，包括：以上所述的压缩机故障诊断装置。

与上述方法相匹配，本发明再一方面提供一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行以上所述的压缩机故障诊断方法。

与上述方法相匹配，本发明再一方面提供一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行以上所述的压缩机故障诊断方法。

由此，本发明的方案，通过基于压缩机油液分析信息、振动信息进行复合诊断，分别确定压缩机i个位置测点的振动幅值、油液元素含量，并分别计算其对严重磨损的模糊隶属度，基于极大-乘积实现2种隶属度合成，快速实现故障位置定位，通过基于压缩机油液分析信息、振动信息进行复合诊断，以准确确定压缩机的故障位置。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明的压缩机故障诊断方法的一实施例的流程示意图；

图2为本发明的方法中确定所述压缩机的故障区域的一实施例的流程示意图；

图3为本发明的方法中确定所述压缩机的故障位置的一实施例的流程示意图；

图4为本发明的方法中确定所述压缩机的故障零件的磨损程度的一实施例的流程示意图；

图5为本发明的压缩机故障诊断装置的一实施例的结构示意图；

图6为本发明的压缩机故障诊断方法的一实施例的流程示意图；

图7为本发明的压缩机的振动测点的一实施例的位置示意图。

结合附图，本发明实施例中附图标记如下：

102-获取单元；104-诊断单元。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

根据本发明的实施例，提供了一种压缩机故障诊断方法，如图1所示本发明的方法的一实施例的流程示意图。该压缩机故障诊断方法可以包括：步骤S110至步骤S140。

在步骤S110处，获取所述压缩机内部润滑油的油液信息，并获取所述压缩机的振动参数。

在一些实施方式中，步骤S110中获取所述压缩机内部润滑油的油液信息，包括：对所述压缩机内部润滑油进行光谱分析仪监测，得到所述压缩机内部润滑油中各元素的浓度变化参数，作为所述压缩机内部润滑油的油液信息。

具体地，对压缩机内部润滑油进行光谱分析仪监测，获得压缩机内部润滑油中各元素(如镍、铁、铝等元素)的浓度变化曲线，如获得压缩机内部润滑油中元素X

在一些实施方式中，步骤S110中获取所述压缩机的振动参数，包括：在所述压缩机的壳体表面设置所需进行故障诊断的一个以上测试点，测量得到每个所述测试点的振动幅值，作为所述压缩机的振动参数。

具体地，获得压缩机的各测试点如i#位置的振动幅值A

在步骤S120处，根据所述油液信息，确定所述压缩机的故障区域。

在一些实施方式中，步骤S120中根据所述油液信息，确定所述压缩机的故障区域的具体过程，参见以下示例性说明。

下面结合图2所示本发明的方法中确定所述压缩机的故障区域的一实施例流程示意图，进一步说明步骤S120中确定所述压缩机的故障区域的具体过程，包括：步骤S210和步骤S220。

步骤S210，在所述压缩机内部润滑油中各元素的浓度变化参数中，若有至少一个所述元素的浓度变化参数超过设定浓度，则确定至少一个所述元素为异常元素。

具体地，各元素的浓度或含量能够测量得到。例如：根据每个元素的浓度变化曲线，能够得出每个元素的初始浓度与当前浓度之间的变化量，若该变化量超出设定的标准浓度，则确定该元素为异常元素X

步骤S220，将所述异常元素所属涂层在所述压缩机内部零件上的涂覆区域，确定为所述压缩机的故障区域。

具体地，根据异常元素X

在步骤S130处，根据所述振动参数，确定所述压缩机的故障位置。

在一些实施方式中，步骤S130中根据所述振动参数，确定所述压缩机的故障位置的具体过程，参见以下示例性说明。

下面结合图3所示本发明的方法中确定所述压缩机的故障位置的一实施例流程示意图，进一步说明步骤S130中确定所述压缩机的故障位置的具体过程，包括：步骤S310和步骤S320。

步骤S310，在一个以上所述测试点的振动幅值中，若有至少一个所述测试点的振动幅值超过设定幅值，则确定至少一个所述测试点为故障点。

步骤S320，将所述故障点在所述压缩机的壳体表面所处位置，确定为所述压缩机的故障位置。

具体地，各测试点的振动幅值能够测量得到。将每个位置的振动幅值与其初始幅值进行比较，若幅值差值超出设定的标准幅值，则确定该位置为故障位置。

在步骤S140处，根据所述故障区域和所述故障位置，确定所述压缩机的故障零件的磨损程度。

具体地，基于压缩机油液分析信息、振动信息进行复合诊断，分别确定压缩机i个位置测点的振动幅值、油液元素含量，并分别计算其对严重磨损的模糊隶属度，基于极大-乘积实现2种隶属度合成，快速实现故障位置定位，采用两种方法复合诊断，提高诊断结果的置信水平。

由此，通过采取了压缩机油液分析信息、振动信息进行复合诊断，解决了单一利用振动信息进行分析无法进行磨损故障状态评价、以及单一利用油液信息进行分析无法进行磨损位置的准确判断，达到了故障准确判断与快速定位的效果，能够实现压缩机故障位置的快速定位。

在一些实施方式中，步骤S140中根据所述故障区域和所述故障位置，确定所述压缩机的故障零件的磨损程度的具体过程，参见以下示例性说明。

下面结合图4所示本发明的方法中确定所述压缩机的故障零件的磨损程度的一实施例流程示意图，进一步说明步骤S140中确定所述压缩机的故障零件的磨损程度的具体过程，包括：步骤S410至步骤S440。

步骤S410，根据所述故障位置处测试点的当前振动幅值、以及所述故障位置处测试点的设定幅值，确定所述故障位置处零件的磨损程度。其中，当前幅值，如1#位置1的振动幅值A

具体地，基于振动信息，根据振动幅值确定各位置对严重磨损的模糊隶属度μ

公式(1)和公式(2)中，A'为压缩机严重磨损时的平均幅值，A'

步骤S420，根据所述故障区域处异常元素的当前含量、以及所述故障区域处异常元素的设定含量，确定所述故障区域处零件的磨损程度的等权重分析值，并确定所述故障区域处零件的磨损程度。

具体地，根据得到的油液分析指标(如异常元素及其所处位置)，确定压缩机i#位置的摩擦零件(即元素X

公式(3)中，C

基于等权重进行油液分析，得到压缩机各磨损位置的模糊隶属度μ

这样，根据振动与油液等权重评价，提高判断准确性。

步骤S430，对所述故障位置处零件的磨损程度、以及所述故障区域处零件的磨损程度进行极大-极小复合处理，得到所述压缩机的零件的磨损程度。

具体地，基于极大-极小复合：

D

步骤S440，将所述压缩机的零件的磨损程度，与所述故障区域处零件的磨损程度的等权重分析值进行比较，确定所述故障位置和所述故障区域中的零件中的严重磨损零件的磨损程度，作为所述压缩机的故障零件的磨损程度。

具体地，将零件D

这样，根据可获得磨损位置及磨损零件D

在一些实施方式中，还包括：根据所述压缩机的故障零件的磨损程度，对所述压缩机的磨损状态进行评估。

具体地，建立磨损程度评价规则表，完成磨损程度的精确评价及故障机理确定。对不同位置及不同排量压缩机进行修正补偿，提高了诊断的准确率。

由此，通过先确定故障位置，通过油液分析获得油样中金属颗粒磨损状态，从而评价故障磨损的状态及演变，能够实现故障演变程度精确评价。同时，可确定故障位置的磨损机理，复合故障位置振动信息可明确具体部位的故障机理。

在一些实施方式中，根据所述压缩机在所述故障位置处的零件的磨损程度，对所述压缩机的磨损状态进行评估，包括：根据所述压缩机在所述故障位置处的零件的磨损程度在设定的磨损状态评价参数中所处区域，对所述压缩机的磨损状态进行评估。

其中，在所述压缩机的故障位置和排量中的至少之一发生变化的情况下，根据发生变化后的故障位置和排量中的至少之一，对所述压缩机在所述故障位置处的零件的磨损程度进行加权补偿处理后，再根据加权补偿处理后的所述压缩机在所述故障位置处的零件的磨损程度，对所述压缩机的磨损状态进行评估。

具体地，进行磨损状态评估，建立max min(D

M

公式(6)中，k

则磨损状态评估表为：

其中，a、b、c、d分别取值0、0.3、0.6、1。针对不同排量压缩机时，同样需要进行修正：

N

公式(7)中，p

经大量的试验验证，采用本实施例的技术方案，通过基于压缩机油液分析信息、振动信息进行复合诊断，分别确定压缩机i个位置测点的振动幅值、油液元素含量，并分别计算其对严重磨损的模糊隶属度，基于极大-乘积实现2种隶属度合成，快速实现故障位置定位，通过基于压缩机油液分析信息、振动信息进行复合诊断，以准确确定压缩机的故障位置。

根据本发明的实施例，还提供了对应于压缩机故障诊断方法的一种压缩机故障诊断装置。参见图5所示本发明的装置的一实施例的结构示意图。该压缩机故障诊断装置可以包括：获取单元102和诊断单元104。

其中，获取单元102，被配置为获取所述压缩机内部润滑油的油液信息，并获取所述压缩机的振动参数。该获取单元102的具体功能及处理参见步骤S110。

在一些实施方式中，所述获取单元102，获取所述压缩机内部润滑油的油液信息，包括：所述获取单元102，具体还被配置为对所述压缩机内部润滑油进行光谱分析仪监测，得到所述压缩机内部润滑油中各元素的浓度变化参数，作为所述压缩机内部润滑油的油液信息。

具体地，对压缩机内部润滑油进行光谱分析仪监测，获得压缩机内部润滑油中各元素(如镍、铁、铝等元素)的浓度变化曲线，如获得压缩机内部润滑油中元素X

在一些实施方式中，所述获取单元102，获取所述压缩机的振动参数，包括：所述获取单元102，具体还被配置为在所述压缩机的壳体表面设置所需进行故障诊断的一个以上测试点，测量得到每个所述测试点的振动幅值，作为所述压缩机的振动参数。

具体地，获得压缩机的各测试点如i#位置的振动幅值A

诊断单元104，被配置为根据所述油液信息，确定所述压缩机的故障区域。该诊断单元104的具体功能及处理参见步骤S120。

在一些实施方式中，所述诊断单元104，根据所述油液信息，确定所述压缩机的故障区域，包括：

所述诊断单元104，具体还被配置为在所述压缩机内部润滑油中各元素的浓度变化参数中，若有至少一个所述元素的浓度变化参数超过设定浓度，则确定至少一个所述元素为异常元素。该诊断单元104的具体功能及处理还参见步骤S210。

具体地，各元素的浓度或含量能够测量得到。例如：根据每个元素的浓度变化曲线，能够得出每个元素的初始浓度与当前浓度之间的变化量，若该变化量超出设定的标准浓度，则确定该元素为异常元素X

所述诊断单元104，具体还被配置为将所述异常元素所属涂层在所述压缩机内部零件上的涂覆区域，确定为所述压缩机的故障区域。该诊断单元104的具体功能及处理还参见步骤S220。

具体地，根据异常元素X

所述诊断单元104，还被配置为根据所述振动参数，确定所述压缩机的故障位置。该诊断单元104的具体功能及处理还参见步骤S130。

在一些实施方式中，所述诊断单元104，根据所述振动参数，确定所述压缩机的故障位置，包括：

所述诊断单元104，具体还被配置为在一个以上所述测试点的振动幅值中，若有至少一个所述测试点的振动幅值超过设定幅值，则确定至少一个所述测试点为故障点。该诊断单元104的具体功能及处理还参见步骤S310。

所述诊断单元104，具体还被配置为将所述故障点在所述压缩机的壳体表面所处位置，确定为所述压缩机的故障位置。该诊断单元104的具体功能及处理还参见步骤S320。

具体地，各测试点的振动幅值能够测量得到。将每个位置的振动幅值与其初始幅值进行比较，若幅值差值超出设定的标准幅值，则确定该位置为故障位置。

所述诊断单元104，还被配置为根据所述故障区域和所述故障位置，确定所述压缩机的故障零件的磨损程度。该诊断单元104的具体功能及处理还参见步骤S140。

具体地，基于压缩机油液分析信息、振动信息进行复合诊断，分别确定压缩机i个位置测点的振动幅值、油液元素含量，并分别计算其对严重磨损的模糊隶属度，基于极大-乘积实现2种隶属度合成，快速实现故障位置定位，采用两种装置复合诊断，提高诊断结果的置信水平。

由此，通过采取了压缩机油液分析信息、振动信息进行复合诊断，解决了单一利用振动信息进行分析无法进行磨损故障状态评价、以及单一利用油液信息进行分析无法进行磨损位置的准确判断，达到了故障准确判断与快速定位的效果，能够实现压缩机故障位置的快速定位。

在一些实施方式中，所述诊断单元104，根据所述故障区域和所述故障位置，确定所述压缩机的故障零件的磨损程度，包括：

所述诊断单元104，具体还被配置为根据所述故障位置处测试点的当前振动幅值、以及所述故障位置处测试点的设定幅值，确定所述故障位置处零件的磨损程度。该诊断单元104的具体功能及处理还参见步骤S410。其中，当前幅值，如1#位置1的振动幅值A

具体地，基于振动信息，根据振动幅值确定各位置对严重磨损的模糊隶属度μ

公式(1)和公式(2)中，A'为压缩机严重磨损时的平均幅值，A'

所述诊断单元104，具体还被配置为根据所述故障区域处异常元素的当前含量、以及所述故障区域处异常元素的设定含量，确定所述故障区域处零件的磨损程度的等权重分析值，并确定所述故障区域处零件的磨损程度。该诊断单元104的具体功能及处理还参见步骤S420。

具体地，根据得到的油液分析指标(如异常元素及其所处位置)，确定压缩机i#位置的摩擦零件(即元素X

公式(3)中，C

基于等权重进行油液分析，得到压缩机各磨损位置的模糊隶属度μ

这样，根据振动与油液等权重评价，提高判断准确性。

所述诊断单元104，具体还被配置为对所述故障位置处零件的磨损程度、以及所述故障区域处零件的磨损程度进行极大-极小复合处理，得到所述压缩机的零件的磨损程度。该诊断单元104的具体功能及处理还参见步骤S430。

具体地，基于极大-极小复合：

D

所述诊断单元104，具体还被配置为将所述压缩机的零件的磨损程度，与所述故障区域处零件的磨损程度的等权重分析值进行比较，确定所述故障位置和所述故障区域中的零件中的严重磨损零件的磨损程度，作为所述压缩机的故障零件的磨损程度。该诊断单元104的具体功能及处理还参见步骤S440。

具体地，将零件D

这样，根据可获得磨损位置及磨损零件D

在一些实施方式中，还包括：所述诊断单元104，还被配置为根据所述压缩机的故障零件的磨损程度，对所述压缩机的磨损状态进行评估。

具体地，建立磨损程度评价规则表，完成磨损程度的精确评价及故障机理确定。对不同位置及不同排量压缩机进行修正补偿，提高了诊断的准确率。

由此，通过先确定故障位置，通过油液分析获得油样中金属颗粒磨损状态，从而评价故障磨损的状态及演变，能够实现故障演变程度精确评价。同时，可确定故障位置的磨损机理，复合故障位置振动信息可明确具体部位的故障机理。

在一些实施方式中，所述诊断单元104，根据所述压缩机在所述故障位置处的零件的磨损程度，对所述压缩机的磨损状态进行评估，包括：所述诊断单元104，具体还被配置为根据所述压缩机在所述故障位置处的零件的磨损程度在设定的磨损状态评价参数中所处区域，对所述压缩机的磨损状态进行评估。

其中，所述诊断单元104，具体还被配置为在所述压缩机的故障位置和排量中的至少之一发生变化的情况下，根据发生变化后的故障位置和排量中的至少之一，对所述压缩机在所述故障位置处的零件的磨损程度进行加权补偿处理后，再根据加权补偿处理后的所述压缩机在所述故障位置处的零件的磨损程度，对所述压缩机的磨损状态进行评估。

具体地，进行磨损状态评估，建立max min(D

M

公式(6)中，k

则磨损状态评估表为：

其中，a、b、c、d分别取值0、0.3、0.6、1。针对不同排量压缩机时，同样需要进行修正：

N

公式(7)中，p

由于本实施例的装置所实现的处理及功能基本相应于前述图1至图4所示的方法的实施例、原理和实例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。

经大量的试验验证，采用本发明的技术方案，通过基于压缩机油液分析信息、振动信息进行复合诊断，分别确定压缩机i个位置测点的振动幅值、油液元素含量，并分别计算其对严重磨损的模糊隶属度，基于极大-乘积实现2种隶属度合成，快速实现故障位置定位，采用两种方法复合诊断，提高诊断结果的置信水平。

根据本发明的实施例，还提供了对应于压缩机故障诊断装置的一种压缩机。该压缩机可以包括：以上所述的压缩机故障诊断装置。

利用振动信号进行时域、频域及时频域分析，通过压缩机壳体表面的振动信号处理，只能获得故障特征并进行故障类型判断，振动信号中不包含对于故障演变状态信息，因此无法实现压缩机故障状态的准确描述，同时对于机械的磨损原因难以评价。

压缩机作为空调、制冷、发动机及液压泵等的核心部件，实现其故障诊断的识别是至关重要的。基于振动信息和油液信息的相互关联性，从两种不同角度对故障部位及演变程度进行复合诊断，不仅可以实现两种方法的相互印证，提高诊断结果的置信水平，还可以在一定程度上避免由于单一方法导致的漏诊，进一步提高诊断的可靠性。

在一些实施方式中，本发明的方案提出了一种压缩机故障诊断方法，基于压缩机油液分析信息、振动信息进行复合诊断，分别确定压缩机i个位置测点的振动幅值、油液元素含量，并分别计算其对严重磨损的模糊隶属度，基于极大-乘积实现2种隶属度合成，快速实现故障位置定位，采用两种方法复合诊断，提高诊断结果的置信水平；同时建立磨损程度评价规则表，完成磨损程度的精确评价及故障机理确定；对不同位置及不同排量压缩机进行修正补偿，提高了诊断的准确率。其中，i为正整数。

本发明的方案，采取了压缩机油液分析信息、振动信息进行复合诊断，解决了单一利用振动信息进行分析无法进行磨损故障状态评价、以及单一利用油液信息进行分析无法进行磨损位置的准确判断，达到了故障准确判断与快速定位的效果，能够实现压缩机故障位置的快速定位。

本发明的方案，先确定故障位置，通过油液分析获得油样中金属颗粒磨损状态，从而评价故障磨损的状态及演变，能够实现故障演变程度精确评价；同时，可确定故障位置的磨损机理，复合故障位置振动信息可明确具体部位的故障机理。

下面结合图6和图7所示的例子，对本发明的方案的具体实现过程进行示例性说明。

图6为本发明的压缩机故障诊断方法的一实施例的流程示意图。图7为本发明的压缩机的振动测点的一实施例的位置示意图。

如图6所示，一种基于振动与油液信息复合原理的压缩机故障诊断方法，包括：

步骤1、对压缩机内部润滑油进行光谱分析仪监测，获得压缩机内部润滑油中各元素(如镍、铁、铝等元素)的浓度变化曲线，如获得压缩机内部润滑油中元素X

例如：根据每个元素的浓度变化曲线，能够得出每个元素的初始浓度与当前浓度之间的变化量，若该变化量超出设定的标准浓度，则确定该元素为异常元素X

进而，根据异常元素X

步骤2、获得压缩机的各测试点如i#位置的振动幅值A

例如：各测试点的振动幅值能够测量得到。将每个位置的振动幅值与其初始幅值进行比较，若幅值差值超出设定的标准幅值，则确定该位置为故障位置。如通过将振动加速度传感器贴在壳体表面获得各测点的振动幅值。

步骤3、基于振动信息，根据振动幅值确定各位置对严重磨损的模糊隶属度μ

公式(1)和公式(2)中，A'为压缩机严重磨损时的平均幅值，A'

根据步骤2和步骤3，能够获得故障位置。

步骤4、根据步骤1得到的油液分析指标，确定压缩机i#位置的摩擦零件(即元素X

公式(3)中，C

根据步骤4，利用油液信息可获得i#位置振动幅值A

步骤5、基于等权重进行油液分析，得到压缩机各磨损位置的模糊隶属度μ

根据步骤5中振动与油液等权重评价，提高判断准确性。

步骤6、基于极大-极小复合：

D

其中，

根据步骤6可获得磨损位置及磨损零件D

步骤7、进行磨损状态评估，建立max min(D

M

公式(6)中，k

本发明的方案中，位置加权系数k

则磨损状态评估表为：

本发明的方案中a、b、c、d分别取值0、0.3、0.6、1。针对不同排量压缩机时，同样需要进行修正：

N

公式(7)中，p

根据步骤7获得D

由于本实施例的压缩机所实现的处理及功能基本相应于前述图5所示的装置的实施例、原理和实例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。

经大量的试验验证，采用本发明的技术方案，通过基于压缩机油液分析信息、振动信息进行复合诊断，分别确定压缩机i个位置测点的振动幅值、油液元素含量，并分别计算其对严重磨损的模糊隶属度，基于极大-乘积实现2种隶属度合成，快速实现故障位置定位，同时建立磨损程度评价规则表，完成磨损程度的精确评价及故障机理确定。

根据本发明的实施例，还提供了对应于压缩机故障诊断方法的一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行以上所述的压缩机故障诊断方法。

由于本实施例的存储介质所实现的处理及功能基本相应于前述图1至图4所示的方法的实施例、原理和实例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。

经大量的试验验证，采用本发明的技术方案，通过基于压缩机油液分析信息、振动信息进行复合诊断，分别确定压缩机i个位置测点的振动幅值、油液元素含量，并分别计算其对严重磨损的模糊隶属度，基于极大-乘积实现2种隶属度合成，快速实现故障位置定位，对不同位置及不同排量压缩机进行修正补偿，提高了诊断的准确率。

根据本发明的实施例，还提供了对应于压缩机故障诊断方法的一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行以上所述的压缩机故障诊断方法。

由于本实施例的处理器所实现的处理及功能基本相应于前述图1至图4所示的方法的实施例、原理和实例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。

经大量的试验验证，采用本发明的技术方案，通过基于压缩机油液分析信息、振动信息进行复合诊断，分别确定压缩机i个位置测点的振动幅值、油液元素含量，并分别计算其对严重磨损的模糊隶属度，基于极大-乘积实现2种隶属度合成，快速实现故障位置定位，可确定故障位置的磨损机理，复合故障位置振动信息可明确具体部位的故障机理。

综上，本领域技术人员容易理解的是，在不冲突的前提下，上述各有利方式可以自由地组合、叠加。

以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。