ПРОЕКТУВАННЯ СИСТЕМИ ДІАГНОСТУВАННЯ ТЕХНІЧНОГО СТАНУ ГАЗОПЕРЕКАЧУВАЛЬНОГО АГРЕГАТУ НА ОСНОВІ АНАЛІЗУ ІСНУЮЧИХ МЕТОДІВ ОБРОБКИ ВІБРОАКУСТИЧНИХ СИГНАЛІВ
DOI:
https://doi.org/10.32851/tnv-tech.2022.4.2Ключові слова:
газоперекачувальний агрегат, технічний стан, діагностування, перетворення Фур’є, вейвлет-перетворення, штучна нейронна мережа дискретне косинусне перетворення, автокореляційна функція.Анотація
Газотранспортна система України забезпечує транспортування природного газу від родовищ до споживачів, що розташовані як на території України, так і за її межами. Одним з ключових елементів газотранспортної системи України є компресорні станції, завданням яких є підтримання заданого тиску в системі задля безперебійного транспортування природного газу. Головним елементом компресорної станції є газоперекачувальний агрегат (ГПА). Він є складною механічною системою, що складається з багатьох вузлів. У процесі функціонування ГПА, в його вузлах та агрегатах відбувається процес зношення деталей, що, згодом, може призвести до аварії. Для уникнення таких ситуацій періодично проводяться поточні та капітальні ремонти системи. Для моніторингу технічного стану ГПА між ремонтами, задля оптимізації періодичності їх проведення та завчасного попередження про вихід ГПА з номінального стану, розроблено ряд неруйнівних методів контролю технічного стану. Такі методи поділяються на параметричні, що базуються на аналізі робочих параметрів системи (температура та тиск на різних вузлах ГПА, частота обертання турбін, хімічний склад продуктів згорання), та віброакустичні, що базуються на аналізі вібраційних та акустичних коливань, що генерують вузли ГПА. В роботі розглянуто сучасний стан методів обробки віброакустичних сигналів, таких як перетворення Фур’є, вейвлет-перетворення, штучні нейронні мережі, дискретне косинусне перетворення та автокореляційні функції. На базі аналізу запропоновано систему діагностування технічного стану ГПА на базі перетворення Фур’є в поєднанні з вейвлет-перетворенням та штучної нейронної мережі з двома прихованими шарами, завданням якої є розпізнавання технічного стану ГПА по результату вейвлет-перетворення, розділеного на окремі зображення в основних кольорах.
Посилання
Czyżewski, A. Remote Health Monitoring of Wind Turbines Employing Vibroacoustic Transducers and Autoencoders(2022) Frontiers in Energy Research, 10, art. no. 858958, . DOI: 10.3389/fenrg.2022.858958.
García Márquez, F.P., Bernalte Sánchez, P.J., Segovia Ramírez, I. Acoustic inspection system with unmanned aerial vehicles for wind turbines structure health monitoring (2022) Structural Health Monitoring, 21 (2), pp. 485-500. DOI: 10.1177/14759217211004822
Yu, X., Yang, Y., He, Q., Peng, Z. Time-Frequency Bandpass Filter with Nonstationary Signal Decomposition Application (2021) Journal of Physics: Conference Series, 1880 (1), art. no. 012003. DOI: 10.1088/1742-6596/1880/1/012003
Rogovskii, I.L., Zapadlovskij, O.S., Voinash, S.A., Maksimovich, K.Y., Sokolova, V.A., Alekseeva, S.V., Taraban, M.V. Research of vibroacoustic signals in diagnostics of technical condition of engines of beet harvesters combines (2020) Journal of Physics: Conference Series, 1679 (4), art. no. 042032. DOI: 10.1088/1742-6596/1679/4/042032
Mills, A.R., Kadirkamanathan, V. Sensing for aerospace combustor health monitoring (2020) Aircraft Engineering and Aerospace Technology, 92 (1), pp. 37-46. DOI: 10.1108/AEAT-11-2018-0283
Pang, Y., Jia, L., Liu, Z. Discrete Cosine Transformation and Temporal Adjacent Convolutional Neural Network-Based Remaining Useful Life Estimation of Bearings (2020) Shock and Vibration, 2020, art. no. 8240168. DOI: 10.1155/2020/8240168
An, G., Song, K., Li, R., Sun, H., Li, H. Degradation feature extraction method for piezoelectric ceramic of ultrasonic motor based on DCT-SV cross entropy (2019) Journal of Vibroengineering, 21 (6), pp. 1651-1664. DOI: 10.21595/jve.2019.20525
Hoell, S., Omenzetter, P. Sequential projection pursuit for optimised vibrationbased damage detection in an experimental wind turbine blade (2018) Smart Materials and Structures, 27 (2), art. no. 025007. DOI: 10.1088/1361-665X/aa9f8e
Reseach of the characteristics of acoustic processes using wavelet transformation for detecting a diagnostic sign of the technical state of gas pumping units. Zamikhovskiy L., Zamikhovska O., Pavlyk V. TECHNOLOGY AUDIT AND PRODUCTION RESERVES, 2021. № 1/2(57).P. 6-12. DOI: 10.15587/2706-5448.2021.224432. Khalil, A.E.E., Gupta, A.K. Acoustic and heat release signatures for swirl assisted distributed combustion (2017) Applied Energy, 193, pp. 125-138. DOI: 10.1016/j.apenergy. 2017.02.030
Jonak, J., Machrowska, A., Podgórski, J., Bȩc, J. Identification of the operating parameters for the mechanical system using EMD algorithm (2016) MATEC Web of Conferences, 83, art. no. 05001. DOI: 10.1051/matecconf/20168305001
Feng, Z., Shangjun, Y., Yantao, H., Xianfeng, S. Cyclic Wiener filtering algorithm in discrete cosine transform domain for vibration signal (2016) MATEC Web of Conferences, 61, art. no. 02019, . DOI: 10.1051/matecconf/20166102019
Kozlenko, O. Zamikhovska, V. Tkachuk, and L. Zamikhovskyi, "Deep Learning Based Fault Detection of Natural Gas Pumping Unit", 2021. IEEE 12th International Conference on Electronics and Information Technologies (ELIT), 2021, pp. 71-75, doi: 10.1109/ELIT53502.2021.9501066Babanin, O., Bulba, V. Designing the technology of express diagnostics of electric train's traction drive by means of fractal analysis (2016) Eastern-European Journal of Enterprise Technologies, 4 (9-82), pp. 45-54. DOI: 10.15587/1729-4061.2016.76520