有桿抽油系統(tǒng)故障智能診斷及其應(yīng)用研究.pdf

1、近年來(lái)在石油工業(yè)開(kāi)采中,有桿采油占據(jù)著主導(dǎo)地位。由于油井井下工況十分復(fù)雜,環(huán)境極其惡劣,所以故障發(fā)生率很高。雖然目前出現(xiàn)了許多診斷方法,但依靠單一的神經(jīng)網(wǎng)絡(luò)或?qū)＜蚁到y(tǒng)不能很好地完成診斷,為此本文提出一種基于小波包與神經(jīng)網(wǎng)絡(luò)相結(jié)合的有桿抽油系統(tǒng)故障智能診斷方法,對(duì)故障進(jìn)行快速有效地診斷。
　　 本文以有桿抽油井故障診斷系統(tǒng)為研究對(duì)象,深入分析有桿抽油系統(tǒng)工作原理,在數(shù)字信號(hào)分析及小波包分解的基礎(chǔ)上,先通過(guò)對(duì)齒輪振動(dòng)信號(hào)實(shí)例仿真,驗(yàn)

2、證應(yīng)用小波包進(jìn)行能量特征向量提取的可行性；然后應(yīng)用極差正規(guī)法對(duì)采集到的示功圖數(shù)據(jù)進(jìn)行歸一化預(yù)處理,并利用驗(yàn)證后的小波包分解方法對(duì)示功圖進(jìn)行能量特征向量提??；在對(duì)比分析RBF網(wǎng)絡(luò)與BP網(wǎng)絡(luò)函數(shù)逼進(jìn)性能的基礎(chǔ)上,選擇了具有較高精度逼近能力的RBF網(wǎng)絡(luò)；最后將小波包分解與RBF網(wǎng)絡(luò)有機(jī)相結(jié)合,構(gòu)建了RBF網(wǎng)絡(luò)模型,利用所建模型,以某油田現(xiàn)場(chǎng)實(shí)測(cè)示功圖數(shù)據(jù)為例,對(duì)抽油井系統(tǒng)故障進(jìn)行了診斷,以六種工況下的故障類型為例進(jìn)行識(shí)別,故障識(shí)別率達(dá)到97％