基于智能型的BP神經(jīng)網(wǎng)絡(luò)的示功圖故障診斷研究.pdf

1、眾所周知，石油資源是我們?nèi)祟?lèi)賴(lài)以生存和發(fā)展的物質(zhì)基礎(chǔ)。原油生產(chǎn)過(guò)程中普遍使用抽油機(jī)，但大多數(shù)抽油機(jī)工作在無(wú)人值守的狀態(tài)下，井下工況復(fù)雜，負(fù)荷隨著抽油過(guò)程不斷發(fā)生變化，導(dǎo)致抽油機(jī)經(jīng)常發(fā)生故障，影響到油田的產(chǎn)量和效益。本文針對(duì)目前抽油機(jī)故障診斷準(zhǔn)確率不高、智能性不強(qiáng)的問(wèn)題，提出了一種基于智能型的BP神經(jīng)網(wǎng)絡(luò)的示功圖故障診斷研究方法。
　　首先，本文對(duì)抽油機(jī)示功圖故障診斷的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了簡(jiǎn)單介紹。從中國(guó)石油天然氣集團(tuán)公司的油氣生產(chǎn)

2、物聯(lián)網(wǎng)系統(tǒng)（A11）項(xiàng)目中學(xué)習(xí)到了正常示功圖和20種主要故障示功圖類(lèi)型。將從系統(tǒng)中得到的20種抽油機(jī)示功圖故障類(lèi)型圖作為BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的教師信號(hào)。
　　其次，在對(duì)相關(guān)基本原理學(xué)習(xí)的基礎(chǔ)上，結(jié)合油田實(shí)際采油過(guò)程，建立了抽油機(jī)示功圖故障診斷模型。該模型分為三個(gè)步驟：第一步是利用相應(yīng)的傳感器進(jìn)行基礎(chǔ)數(shù)據(jù)采集。第二步是由每個(gè)抽油機(jī)配備的示功儀繪制示功圖。第三步是示功圖故障診斷方法解析，也是本文的主要研究?jī)?nèi)容。
　　最后，重點(diǎn)進(jìn)行示

3、功圖故障診斷方法解析，本文將其分為三個(gè)階段：第一個(gè)階段是選取形狀不變矩和傅里葉描述子相結(jié)合的新方法進(jìn)行示功圖特征參數(shù)提取，二者結(jié)合，提高了運(yùn)行速度、降低了計(jì)算量，對(duì)圖形旋轉(zhuǎn)、尺度及平移的不變性表現(xiàn)穩(wěn)定；第二個(gè)階段是進(jìn)行示功圖故障診斷分類(lèi)識(shí)別，針對(duì)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的缺點(diǎn)，采用迭代學(xué)習(xí)控制優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值，使得該算法綜合性能好，縮短了訓(xùn)練時(shí)間、提高了訓(xùn)練速度，并具有識(shí)別準(zhǔn)確率高、泛化能力強(qiáng)的特點(diǎn)，克服了傳統(tǒng)方法需要人工提取特征和網(wǎng)絡(luò)易

4、陷入局部最小的缺點(diǎn)；第三個(gè)階段是將識(shí)別結(jié)果與專(zhuān)家診斷法的診斷結(jié)果及斜率診斷法的診斷結(jié)果進(jìn)行對(duì)比，若診斷結(jié)果一致則可確定故障類(lèi)型，若不一致，則需要重新進(jìn)行識(shí)別判斷。得出最終的診斷結(jié)果。利用MATLAB軟件進(jìn)行模型訓(xùn)練仿真實(shí)驗(yàn)。從測(cè)試過(guò)程和結(jié)果看出本文診斷方法性能具有一定優(yōu)勢(shì)，相同測(cè)試樣本情況下，識(shí)別時(shí)間相對(duì)支持向量機(jī)識(shí)別方法提高約9ms，診斷的準(zhǔn)確率也有大幅提高。本文提出的方法非常適于油田大量示功圖的實(shí)時(shí)故障診斷。彌補(bǔ)了現(xiàn)有的診斷方法的不