一、往复压缩机诊断技术的研究现状
一般来说，设备故障诊断技术的发展，大致可分为4个阶段：
第一阶段：在19世纪，当时机器设备本身的技术水平和复杂程度都很低，因此采用事后维修方式。
第二阶段：进人20世纪后，随着大生产的发展，机器设备本身的技术复杂程度也有了提高，设备故障或事故对生产的影响显著增加，在这种情况下，出现了定期预防维修方式。
第三阶段：从20世纪60年代开始，特别是70年代，设备诊断技术随着现代计算机技术、数据处理技术等发展，出现了更科学的按设备状态维修的方式。
第四阶段：进人20世纪80年代以后，人工智能技术和专家系统、神经网络等开始发展，并在实际工程中应用，使设备维修技术达到了智能化高度。虽然这一阶段发展历史并不长，但已有研究成果表明，设备智能故障诊断具有十分广泛的应用前景。
往复压缩机是工业上应用量大、面广的一种重要通用机械，其故障诊断比较复杂，对于其故障诊断技术的研究，一直以来都得到了国内外学者的广泛关注。例如：在国外，美国学者曾经利用气缸内侧的压力信号图像，判断气阀故障及活塞环的磨损：捷克学者根据对千余种不同类型的压缩机，建立了常规性参数数据库，确定评定参数，以判断压缩机的工作状态等。在国内，有些专家对往复压缩机的缸盖振动信号进行过简单的分析，也有人在缸盖振动信号对缸内气体压力的影响方面进行过研究，并且在此基础上开发了一套往复压缩机的监测系统。尤其是近几年来，人工智能领域的专家系统和神经网络技术在往复压缩机故障诊断方面的应用以及一些专家学者在对压缩机的常规性能参数的监测和控制方面所做的工作，目的都是为了改变目前压缩机操作人员用耳听、眼看、凭借经验判断故障的局面。
然而，由于往复压缩机结构复杂、激励源多等特点，鉴于当前研究现状以及上述研究资料表明，计算机技术的不完善、人工智能领域的专家系统和神经网络技术的初步使用，使得故障诊断技术目前还只是处于第三阶段的整理完善和向第四阶段的过渡时期，至今尚无一套像旋转机械那样成熟的、得到人们普遍认可和广泛应用的诊断系统，以供选择并获得往复压缩机工作状态的有效特征参数。仅仅光凭经验或设想去确定和试凑特征参数，然后再进行试验验证的方法是不充分的，且不能找出最优特征参数，离实际应用还存在一定距离，这同往复压缩机在工业中的重要地位是不相称的。
