往复式压缩机在石油、化工、机械等领域都起到关键性的作用,然而由于往复式压缩机结构复杂、易损件多等原因,在运行和生产过程中不可避免的要发生一些故障,严重时还可能会造成人员伤亡的事故,因此在第一时间发现并排除压缩机故障是非常必要的。本文在这个前提下提出了基于改进的模糊自适应谐振理论神经网络算法的压缩机故障诊断方法,并设计了往复式压缩机实时监测与故障诊断平台。首先本文分析了往复式压缩机经常发生的故障,并对各类故障附带的故障现象做了深入的分析和研究,总结出各故障类与故障现象之间的对应关系。然后针对往复式压缩机的故障特点提出了一种基于Fuzzy ART神经网络算法的压缩机故障诊断方法。以往在处理大样本数据分类时Fuzzy ART神经网络会发生连接权值“饱和”问题。针对这一缺陷,本文提出了一种改进的Fuzzy ART神经网络算法,不仅避免了连接权值“饱和”问题,同时保证了网络的稳定性。接着对DF-5/10-40型往复式活塞压缩机运行参数进行特征参数的提取与归一化,运用改进的Fuzzy ART神经网络对煤层气增压站压缩机故障的实例数据进行故障诊断仿真。与普通的Fuzzy ART神经网络诊断结果进行比较,验证出改进的Fuzzy ART神经网络故障诊断精度较传统算法明显提高,更适合投入到实际运行和生产使用中以准确排除故障,提高生产质量。最后以改进的Fuzzy ART神经网络算法为核心,在.NET平台上设计了往复式压缩机实时监测与故障诊断平台,实现了往复式压缩机重要热力性能参数的在线监测与压缩机的故障诊断。