تشخیص حالت غیر نرمال ماشین های دوار با داده کاوی در پارامترهای حفاظتی

برای محافظت از ماشین های دوار و جلوگیری از کارکرد آنها در حالت های غیر عادی به صورت سنتی از سیستم های کنترل حفاظتی و داده های فرایندی بهره گیری می شود. در این مقاله روشی پیشنهاد شده است که بتوان از تاثیرات غیر مستقیم حالت های کارکرد غیر عادی با استفاده از شیوه های داده کاوی حالت غیر طبیعی کارکرد ماشین های دوار را تشخیص داد. یکی از حالت های خطرناک کارکرد غیر عادی در کمپرسورها به عنوان یکی از ماشین های دوار با اهمیت در صنایع، وضعیت سرج می باشد. دراین مقاله، با استفاده از داده های واقعی ذخیره شده در طول سه سال متوالی یک کمپرسور سه مرحله ای واحد سرمایش یک پالایشگاه گاز ارتباط میان وضعیت سرج کمپرسور و میزان لرزش نقاط مختلف آن بررسی شده است. با شیوه های داده کاوی اثبات شده است که ارتباط مستقیمی بین حالت سرج و میزان لرزش وجود دارد. همچنین نقاط حساس تر به لرزش در زمان های سرج شناسایی شده است و اثبات شده است که از طریق اندازه گیری این نقاط می توان سرج را تشخیص داد. بنابراین  علاوه بر شیوه های موجود و سنتی قبلی که از داده های فرایندی استفاده می کنند، می توان از میزان لرزش نقاط به عنوان یک سیستم حفاظتی افزونه برای تشخیص سرج  بهره گرفت و از این طریق حفاظت بیشتری از کمپرسور در برابر وضعیت سرج  بعمل آورد. در این مطالعه، ارزیابی شیوه های مختلف داده کاوی نیز صورت گرفته است که نتایج روش نزدیکترین همسایه با تعداد همسایه دو دارای بهترین کارایی بوده است و همچنین اثرات تعداد رکورد موجود در مجموعه داده روی کیفیت و دقت نتایج بررسی شده است.

exploring on rotating machines abnormal state with data mining in protective parameters

challenges: compressors are expensive rotating machines that are used to increase the pressure of gases. compressors are usually driven by an electric motor that is connected to the compressor through a gearbox.in order to protect rotating machines and prevent their operation in unusual situations, protective control systems and process data are traditionally used. one of the dangerous conditions of abnormal operation in compressors, as one of the important rotating machines in industries, is the surge condition. surge control protection system is adjusted based on compressor efficiency curve calculated by manufacturers for each compressor. the main purpose of the control system is to keep the compressor near the efficiency line and prevent it from entering the surge area. that is, the closer the compressor works to the efficiency line, the higher the efficiency, but there is also the risk that it will cross the efficiency line, which in this case has entered the surge region. therefore, while maintaining efficiency, it should not cross the surge area. goil: in this article, a method has been proposed to detect the indirect effects of abnormal operating modes using data mining methods.method: the real data stored during three years of a three-stage refrigerant compressor in a gas refinery are used. the relationship between the surge state of the compressor and the amount of vibration in its different parts has been investigated. the data transferred to the control system from the measuring instruments of precision instruments has been received and stored by the monitoring software. then, a limited number of records have been randomly selected in combination in special situations such as start-up, loading and normal operation in the periods when the compressor was working in normal mode or surge mode. there are 12,640 records in the selected dataset.results: it has been proven with data mining methods that there is a direct relationship between the state of surge and the amount of vibration. also, more sensitive points to vibration during the surges have been identified and it has been proven that by measuring these points, surges can be detected. therefore, in addition to the existing and previous traditional methods that use process data, it is possible to use the amount of vibration of the points as an extension protection system for surge detection. in this way, more protection of the compressor against the state of surge can be achieved.also, various data mining methods have been evaluated, and the results of the nearest neighbor method with the number of neighbors of two have the best performance, and the effects of the number of records in the data set on the quality and accuracy of the results have been investigated.