一、往復壓縮機診斷技術的研究現狀
一般來說，設備故障診斷技術的發展，大致可分為4個階段：
第一階段：在19世紀，當時機器設備本身的技術水平和復雜程度都很低，因此采用事后維修方式。
第二階段：進人20世紀后，隨著大生產的發展，機器設備本身的技術復雜程度也有了提高，設備故障或事故對生產的影響顯著增加，在這種情況下，出現了定期預防維修方式。
第三階段：從20世紀60年代開始，特別是70年代，設備診斷技術隨著現代計算機技術、數據處理技術等發展，出現了更科學的按設備狀態維修的方式。
第四階段：進人20世紀80年代以后，人工智能技術和專家系統、神經網絡等開始發展，并在實際工程中應用，使設備維修技術達到了智能化高度。雖然這一階段發展歷史并不長，但已有研究成果表明，設備智能故障診斷具有十分廣泛的應用前景。
往復壓縮機是工業上應用量大、面廣的一種重要通用機械，其故障診斷比較復雜，對于其故障診斷技術的研究，一直以來都得到了國內外學者的廣泛關注。例如：在國外，美國學者曾經利用氣缸內側的壓力信號圖像，判斷氣閥故障及活塞環的磨損：捷克學者根據對千余種不同類型的壓縮機，建立了常規性參數數據庫，確定評定參數，以判斷壓縮機的工作狀態等。在國內，有些專家對往復壓縮機的缸蓋振動信號進行過簡單的分析，也有人在缸蓋振動信號對缸內氣體壓力的影響方面進行過研究，并且在此基礎上開發了一套往復壓縮機的監測系統。尤其是近幾年來，人工智能領域的專家系統和神經網絡技術在往復壓縮機故障診斷方面的應用以及一些專家學者在對壓縮機的常規性能參數的監測和控制方面所做的工作，目的都是為了改變目前壓縮機操作人員用耳聽、眼看、憑借經驗判斷故障的局面。
然而，由于往復壓縮機結構復雜、激勵源多等特點，鑒于當前研究現狀以及上述研究資料表明，計算機技術的不完善、人工智能領域的專家系統和神經網絡技術的初步使用，使得故障診斷技術目前還只是處于第三階段的整理完善和向第四階段的過渡時期，至今尚無一套像旋轉機械那樣成熟的、得到人們普遍認可和廣泛應用的診斷系統，以供選擇并獲得往復壓縮機工作狀態的有效特征參數。僅僅光憑經驗或設想去確定和試湊特征參數，然后再進行試驗驗證的方法是不充分的，且不能找出最優特征參數，離實際應用還存在一定距離，這同往復壓縮機在工業中的重要地位是不相稱的。
