压缩机是一种依靠压缩气体而为系统提供动力的机械，其用途广泛、品种繁多，已在冶金、矿山、建材、航天等行业得到广泛应用，尤其在石油、化工等工业中，已成为不可少的关键设备。压缩机一旦发生故障，会导致整个生产线停工，造成很大的财产损失，甚至危害人身安全。因此，有必要对压缩机设备的运行状况进行在线监测和故障诊断，及时发现和排除故障，以保证生产的顺利进行。目前对压缩机采用的维修手段大多还是故障维修和定期维修，前者具有滞后性，后者具有很大的盲目性。
本文针对螺杆压缩机的工作特点，以N I公司的Labview软件为开发平台，采用对各静态参数进行在线实时监测和越限报警，对轴承振动信号利用现代信号分析的新技术，对振动信号采用功率谱分析、相关分析、趋势分析、基于EMD和小波包结合的信号包络提取分析以及基于向量机的智能诊断分析技术，据此搭建了一套基于虚拟仪器的压缩机故障诊断系统。
2故障诊断系统总体结构本系统分为信号采集和信号分析两部分。信号采集部分利用压力、温度和振动传感器采集被测参数，经信号调理过后送数据采集卡采集，采集卡采集的数据送入计算机进行分析，被测参数有静态量和动态量，静态量参数有：级进气温度、级排气温度、级进气温度、级排气温度、冷却水进水温度、冷却水温度、冷却水出水温度、润滑油温度、箱罩内温度、级进气压力、级排气压力、级进气压力和级排气压力，动态量参数为轴承的振动信号；信号分析部分是一Labview监控诊断平台，对各静态量实时显示和监控，对振动信号进行多手段分析和处理。系统总体结构如所示。
3软件结构及各功能模块3 1软件总体结构整个监控系统分为3层：初始主界面层、参数设置层和监控诊断层。参数设置层用来设置机组号和监测参数，监控诊断层对采集进来的信号进行分析诊断，整体结构如所示。
3 2界面和功能模块在Labview中开发的程序都被称为V I（V iew In strum ent），所有的V I都包括Front panel（前面板）和Block diagram （后面板程序）两部分。
3 2 1参数设置子V I点击初始界面的点击进入按扭后，系统进入监控参数设置界面，设置监测机组号、温度和压力监控参数，该程序建立了一个全局变量，用来保存和传递设定参数。前面板如所示。
参数设置界面3 2 2监视诊断子V I在前面板上分为4个功能区：静态量参数监测区、轴承实时振动信号显示区、功率谱和相关分析显示区和功能菜单区。
静态量监视区能对各参数实时显示和监测，并能在监视对象超过设定值时报警；轴承振动信号实时显示区能对两测点的轴承振动信号实时显示；功率谱和相关分析显示区能对轴承振动信号的功率谱图和相关分析结果显示；菜单功能区是各种对轴承振动信号分析手段和方法，主要有：功率谱分析、相关分析、趋势分析、基于EMD /H S和小波包结合的信号包络提取分析和基于向量机的轴承故障智能诊断分析。
本系统对压缩机的动态量分析主要是针对轴承的振动信号，因为根据研究，压缩机的绝大部分故障都能通过轴承的振动信号体现出来。趋势分析主要是运用小波分析手段对轴承振动信号进行分析，提取振动信号的趋势项，用来反映压缩机工作状态趋势和判断是否存在故障。
基于EMD /HS和小波包结合的信号包络分析是考虑到在实际情况中，测得的轴承信号可能是调制信号，用传统的傅里叶分析手段存在很大的缺陷，这里运用EMD /HS法，把振动信号进行分解成若干个IMF分量，在利用H ilbert变换提取信号包络，但由于EMD分解过程中，存在端点效应，很容易产生虚假成分，这里运用小波包预先对信号进行降噪，再进行EMD /HS分析，实验表明，这种方法效果明显。
支持向量机（ Support Sector M ach ine ，简称SVM）是V apnik等人根据统计学理论提出的一种学习方法，它在解决模式识别的小样本问题中表现出了独特的优势和良好的应用前景，已用于模式识别和特征提取等领域。SVM可以采用少量的时域故障数据样本训练故障分类器，不必进行信号预处理来提取特征量，便可实现多故障的识别和诊断。这几种分析手段都分别编成功能子V I，当监视诊断界面响应菜单操作时动态调用这些子V I.
4模拟试验通过设定模拟信号来验证本测试系统的可行性，试验结果如、5、6所示。显示的是各静态量和轴承实时振动信号监测结果，可以看到当所监测到某一静态量参数超过设定值时，该值会不停闪烁，达到报警目的；显示的是菜单功能中对轴承振动信号功率谱和相关分析结果；显示的是菜单功能中对轴承振动信号向量机分析结果。可以看出，该监测诊断系统可有效的对压缩机状态进行实时监测和故障诊断，设计界面友好，诊断方法可行。
5结束语Labview是一种图形化的编程语言和开发环境，功能强大，可以灵活的搭建数据采集、数据分析和数据显示存储系统，灵活直观，可大幅度减少系统设计和开发时间。本文研制的监测系统能对压缩机工作状态进行实时监测，能对其状态趋势和轴承故障进行诊断并判断故障所在，通过对该系统的进一步完善可应用于实际设备的状态监测和故障诊断。
