تشخيص حالت غير نرمال ماشين هاي دوار با داده كاوي در پارامترهاي حفاظتي

براي محافظت از ماشين هاي دوار و جلوگيري از كاركرد آنها در حالت هاي غير عادي به صورت سنتي از سيستم هاي كنترل حفاظتي و داده هاي فرايندي بهره گيري مي شود. در اين مقاله روشي پيشنهاد شده است كه بتوان از تاثيرات غير مستقيم حالت هاي كاركرد غير عادي با استفاده از شيوه هاي داده كاوي حالت غير طبيعي كاركرد ماشين هاي دوار را تشخيص داد. يكي از حالت هاي خطرناك كاركرد غير عادي در كمپرسورها به عنوان يكي از ماشين هاي دوار با اهميت در صنايع، وضعيت سرج مي باشد. دراين مقاله، با استفاده از داده هاي واقعي ذخيره شده در طول سه سال متوالي يك كمپرسور سه مرحله اي واحد سرمايش يك پالايشگاه گاز ارتباط ميان وضعيت سرج كمپرسور و ميزان لرزش نقاط مختلف آن بررسي شده است. با شيوه هاي داده كاوي اثبات شده است كه ارتباط مستقيمي بين حالت سرج و ميزان لرزش وجود دارد. همچنين نقاط حساس تر به لرزش در زمان هاي سرج شناسايي شده است و اثبات شده است كه از طريق اندازه گيري اين نقاط مي توان سرج را تشخيص داد. بنابراين  علاوه بر شيوه هاي موجود و سنتي قبلي كه از داده هاي فرايندي استفاده مي كنند، مي توان از ميزان لرزش نقاط به عنوان يك سيستم حفاظتي افزونه براي تشخيص سرج  بهره گرفت و از اين طريق حفاظت بيشتري از كمپرسور در برابر وضعيت سرج  بعمل آورد. در اين مطالعه، ارزيابي شيوه هاي مختلف داده كاوي نيز صورت گرفته است كه نتايج روش نزديكترين همسايه با تعداد همسايه دو داراي بهترين كارايي بوده است و همچنين اثرات تعداد ركورد موجود در مجموعه داده روي كيفيت و دقت نتايج بررسي شده است.