有桿抽油系統(tǒng)故障智能診斷及其應(yīng)用研究.pdf

1、近年來在石油工業(yè)開采中,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,對故障進行快速有效地診斷。
　　 本文以有桿抽油井故障診斷系統(tǒng)為研究對象,深入分析有桿抽油系統(tǒng)工作原理,在數(shù)字信號分析及小波包分解的基礎(chǔ)上,先通過對齒輪振動信號實例仿真,驗

2、證應(yīng)用小波包進行能量特征向量提取的可行性；然后應(yīng)用極差正規(guī)法對采集到的示功圖數(shù)據(jù)進行歸一化預(yù)處理,并利用驗證后的小波包分解方法對示功圖進行能量特征向量提??；在對比分析RBF網(wǎng)絡(luò)與BP網(wǎng)絡(luò)函數(shù)逼進性能的基礎(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)場實測示功圖數(shù)據(jù)為例,對抽油井系統(tǒng)故障進行了診斷,以六種工況下的故障類型為例進行識別,故障識別率達到97％