针对基于单一分类器的柴油发动机常见故障识别效果不够理想,泛化性较差等问题,结合实验数据探索了一种随机森林(Random Forest,RF)分类器,提出小波包分解和随机森林相结合的柴油发动机故障诊断方法。首先,对缸盖振动信号进行小波包分解,并利用分解所得的小波包重构系数计算各频带能量特征;然后,对小波包频带能量特征进行归一化处理,得到特征向量;最后,特征向量作为输入参数输入到随机森林算法中,训练得到分类模型,对柴油机常见故障进行识别。实验结果表明,随机森林方法相比于单一分类器可以更准确的识别出柴油机的运行状态,该方法在柴油发动机在线监测与故障诊断领域中具有良好的应用前景。

提出了一种基于支持向量机的往复压缩机示功图识别方法。根据不同故障在示功图上反映的不同特征,进行故障特征提取。针对实际故障发生情况,构造了基于决策树的多分类支持向量机故障识别模型。使用不同核函数对计算机模拟与往复压缩机试验台实测的故障示功图进行识别,结果表明,该方法能有效应用于往复压缩机示功图故障识别。

往复式压缩机是流程工业安全生产的关键机组,由于缺乏有效的安全监控和故障预知手段,往复式压缩机存在故障率高、安全事故频发的特点.为有效降低往复式压缩机故障停机时间并减少安全事故,在对压缩机运动部件结构、功能和故障机理分析的基础上,针对往复式压缩机振动激励源多和故障关联性强的特点,开发了基于多传感器信息融合和正向推理的往复式压缩机智能诊断专家系统,通过提取敏感特征参数并建立和故障类型相关的独立诊断规则,实现了自动故障诊断.建立的往复式压缩机智能诊断专家系统已应用于国内多家石油炼化企业.实践证明：往复式压缩机智能诊断专家系统在机组异常时能够自动报警并给出故障诊断结论,提高了设备预知维修水平,保证了往复式压缩机运行的安全性、可靠性.

针对气阀故障异常自动检测迫切需求，针对气阀故障在温度数据的表现特点，即同类气阀正常工作时温度波动一致，故障时温度波动存在差异，采用主成分分析（ PCA）从气阀阀盖温度数据中提取故障特征参数，建立基于径向基函数的故障异常监测模型，实现了故障异常自动检测，并可进一步对故障气阀进行自动定位，为故障早期快速报警奠定了基础。

目前压缩机气阀的设计大多数是按照已有设备进行经验设计，定量设计研究比较少。本文结合使用CFD软件模拟的方法对压缩机气阀弹簧刚度进行优化设计。文中首先对压缩机的吸气过程进行了三维的瞬态模拟，其中阀片运动规律由编写的UDF函数定义，最终得出气缸内部的流体状态以及气阀的运动规律，结果更加实际准确。在此基础上对一组弹簧刚度进行模拟，得出气阀运动规律与弹簧刚度的关系，在兼顾压缩机的寿命与效率的情况下，得出最优的弹簧刚度。这对于压缩机气阀的设计等具有指导性的意义。

对活塞杆实际部件进行模型简化,在弹性梁弯曲振动理论的基础上,推导出活塞杆自激振动频率的存在;然后通过试验获取往复压缩机的活塞杆沉降位移信号,对得到的信号进行小波降噪,滤除其中的噪声信号,获得活塞杆实际自激振动频率,最后和理论值相比较,验证了活塞杆自激振动频率的存在。为提取诊断活塞杆类故障的特征参数提供参考。