文献综述（或调研报告）：
- 引言
往复式压缩机是石油化工行业的关键设备，对于一个石化企业来说，做好对压缩机的健康监测与诊断十分重要。但由于其工况较一般机器更为恶劣，如长期工作在高温高压、腐蚀性强的环境中，压缩机在运行中的故障率非常高。一旦因故障造成停车事故，会造成企业的重大经济损失，以后的维修工作也会花费许多。并且，压缩机所用介质大多为易燃易爆的气体，一旦发生故障，压缩介质极易泄漏，引发火灾等重大事故。所以，建立有效的压缩机健康状态监测系统是十分必要的。
随着计算机技术和数字信号处理技术的发展，设备监测及故障诊断技术逐渐在各种行业被应用，不断催生出各种优秀的方法。广泛应用的方法可大概归为如下几类：直观检测法、常规热力性能参数监测、振动监测、噪声监测、气缸动态压力监测和油液分析。直观检测法是一种比较原始的诊断方法，依赖于检测人员的经验，通过耳听、眼看的方式，随着机器自动化的程度不断提高，这种方式已无法适应实际工程的要求；常规热力性能参数监测是通过热力性能参数（如排气温度、进排气压力等），直观反映其运行状态，但及时性较差；噪声监测是利用机组噪声信号中的设备运行信息，进行特征提取，了解设备运行状态，进行诊断；气缸动态压力监测；油液分析是通过光谱分析、铁谱分析等方法分析润滑油性能的变化，间接反应压缩机零部件的磨损情况[1]。
现阶段，对于旋转机械故障诊断方向的研究理论已较为成熟，但针对往复式机械方向的研究却少有涉及。究其原因，还是因为其结构复杂，对特征提取造成了很大困难。大量的研究表明，往复式机械没有一套完整的类似旋转机械的成熟诊断系统，往往是通过经验值来估计特征参数，再利用实验验证。此方法不能保证所选特征参数为最优解，且实验验证不充分，很难在实际情况中运用[16]。所以，建立一套可行的诊断系统，对往复式压缩机减少事故，提高经济效益有着重要意义。
- 同步压缩变换方法
往复式压缩机的振动信号是典型的非平稳信号，利用单一的时域分析和频域分析往往不能取得很好的效果，所以需要同时参考信号时域和频域特征，即时频域分析法。时频域分析法包括短时傅里叶变换、小波以及局域波分析等方法，其中小波分析和局域波分析法在往复式机械故障中的应用比较成熟且广泛。姚利斌[24]利用小波分析法提取了往复式压缩机振动信号的故障敏感特征参数，并利用小波降噪技术对信号进行消噪处理，从而实现往复式压缩机气阀、活塞和十字头等部位的故障诊断。于海涛[25]研究并改进了局域波法并利用它提取往复式压缩机的故障特征参数，实现了对往复式压缩机关键部位的故障诊断和监测。
如今，较为普及的时频分析算法，包括STFT, CWT等，都存在一定缺陷：或假设为理想状态，或存在模拟实际的估算，不符合工程实际。例如STFT及CWT都是假设在分析窗内信号具有恒定的频率，这在处理局部调频信号时往往不尽如人意。并且，它们的时频分辨率不高，无法准确地提取故障特征。变换后的时频能量聚集在信号的特征频率周围，使能量发散，降低了分辨率[8]。
同步压缩小波变换（Synchrosqueezed wavelet transforms）是一种基于WT（或STFT）的后处理压缩算法，最早由I.D.女士提出[5]。SST通过后处理的压缩算法，极大程度提高了可读性。其步骤简单来说，就是首先对信号进行小波变换，然后利用小波变换系数进行同步压缩，再对同步压缩变换系数进行积分抽取，最后进行重构。陈小旺等[4]基于同步压缩小波变换，对时变工况行星齿轮箱进行了故障诊断，提取出了特征频率；刘义亚[20]等通过同步压缩小波变换，对滚动轴承进行了故障诊断，并与传统的STFT进行对比，发现其消除了传统时频分析的能量分散问题，可更容易地提取出特征。
虽然SST作为一种新兴算法，可以很容易地看出信号的时频特征，方便了特征提取，同时基于STFT与WT的线性变换机制，也使其能支持信号重构。不过，正因如此，它也夹带了一般时频分析的不足。WT与STFT基本原理都为，构造一组基，进行内积变换。然而，它们所构造的基，频率（或尺度）都视为恒定，假设信号在分析窗内的频率是不变的，这与实际工程不相符。再有，SST对于强噪声信号的处理存在一定的缺陷，实际工程信号会受多种因素影响，夹杂噪声，使算法周边不收敛[5]。总之，以上两个问题，在应用同步压缩变换进行故障诊断的过程中，还有待解决。沈微[13]等提出了一种基于SST的自适应降噪方法，有效地降低了噪声对信号处理的影响。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
