呼吸阀是减少油气挥发损耗、保障石油储罐安全的重要机械设备。由于呼吸阀长期工作在易腐蚀、易氧化、易划损的环境中,致使其极易出现漏气、生锈、卡死等故障。因此,开展呼吸阀异常状态监测的研究具有重要的研究意义。本文以石油储罐呼吸阀为研究对象进行实时监测和定期故障诊断,实现石油储罐呼吸阀故障状态的及时更新,保证呼吸阀持续稳定运行,降低因呼吸阀故障造成储罐损坏的概率,保障生产安全。首先,提出了以呼吸阀阀盘运动的平稳性作为呼吸阀故障诊断的依据,构建了基于单片机的石油储罐呼吸阀监测系统方案,建立了该监测系统的测试平台,设计了以PCB电路板为载体的监测系统硬件部分和相应软件驱动,完成了实时监测、数据采集、实时存储、电源集成、数据预处理和阈值报警功能模块的设计,实现了阀盘位移、储罐内压力、环境温湿度和空气污染浓度的实时监测。然后,分析了呼吸阀的非故障、漏气、生锈、卡死等四种典型状态,提出了故障呼吸阀阀盘运动的特征信号分析方法。基于采集的位移信号推导得到阀盘运动时在垂直方向的加速度信号,使用该信号进行时域、频域和时频域中的特征提取。在时域中提取的信号特征分别是最大值、最小值、方差、峰峰值、均方根值等5个有量纲参数指标和峭度、脉冲因子、裕度因子等3个无量纲参数指标。在频域中提取的故障特征是频率标准差。在时频域中,分别选用CEEMD分解和小波包变换两种方法对故障信号进行分解和特征提取,并进行对比分析。结果表明,小波包变换具有更好的信号分解效果,分解效率更快。因此,在时频域中提取的故障特征是小波包分解后的第三层频带能量值。最后,开展了基于多传感器的呼吸阀故障诊断方法研究。采用多传感器融合技术中的特征级融合方式和数据级融合方式,将多传感器信号的特征值合并到特征向量中。将该向量作为呼吸阀故障诊断模型的输入,搭建了粒子群算法优化最小二乘支持向量机的故障诊断模型,实现了呼吸阀故障状态的准确识别。该论文有图59幅,表8个,参考文献83篇。