本文選題：潛油柱塞泵 + 特征參數(shù)�。� 參考：《哈爾濱工業(yè)大學(xué)學(xué)報(bào)》2017年09期

【摘要】：針對(duì)潛油柱塞泵無法使用傳統(tǒng)地面示功圖方法進(jìn)行故障診斷的問題,提出了一種適用于該抽油機(jī)的故障診斷方法.該方法首先利用多變異位自適應(yīng)遺傳算法(MMAGA)對(duì)RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行參數(shù)尋優(yōu),然后從潛油直線電機(jī)的運(yùn)行參數(shù)和油井井口的儀表參數(shù)等綜合數(shù)據(jù)中,提取出反映油泵運(yùn)行狀態(tài)的特征參數(shù),并將其作為故障診斷模型的輸入向量,從而實(shí)現(xiàn)潛油柱塞泵故障工況的診斷.結(jié)果表明:MMAGA-RBF故障診斷方法能夠在較少的訓(xùn)練樣本下達(dá)到較高的綜合診斷準(zhǔn)確率,在訓(xùn)練樣本集達(dá)到1 000組以上時(shí),其綜合誤判率可低于4%,相對(duì)于普通遺傳算法優(yōu)化的模型,其泛化能力更強(qiáng).MMAGA-RBF故障診斷方法符合潛油柱塞泵的工況特點(diǎn),能夠達(dá)到其綜合診斷準(zhǔn)確率的要求.
[Abstract]:Aiming at the problem that the submersible piston pump can not use the traditional ground dynamometer to diagnose the fault, a fault diagnosis method suitable for the pumping unit is put forward in this paper. In this method, the parameters of RBF neural network are optimized by MMAGA, and then the parameters of the submersible linear motor and the instrument parameters of the well head are integrated into the data, such as the operating parameters of the submersible linear motor and the instrument parameters of the well head. The characteristic parameters reflecting the operating state of the oil pump are extracted and used as the input vector of the fault diagnosis model to realize the fault diagnosis of the submersible piston pump. The results show that the fault diagnosis method of: MMAGA-RBF can achieve higher diagnostic accuracy with fewer training samples. When the training sample set reaches more than 1 000 groups, the synthetic misjudgment rate can be lower than 4 parts, compared with the model optimized by common genetic algorithm. Its generalization ability is stronger. MMAGA-RBF fault diagnosis method accords with the working condition characteristics of submersible plunger pump and can meet the requirements of its comprehensive diagnostic accuracy.
【作者單位】： 哈爾濱理工大學(xué)電氣與電子工程學(xué)院;大慶油田采油工程研究院;哈爾濱工業(yè)大學(xué)電氣工程及自動(dòng)化學(xué)院;
【基金】：黑龍江省自然科學(xué)基金(E201305)
【分類號(hào)】：TE933.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫祖臣;3H-8/450型高壓三柱塞泵通過技術(shù)鑒定[J];石油鉆采機(jī)械;1984年06期

2 徐志龍;;介紹兩種美國(guó)高壓三柱塞泵[J];石油礦場(chǎng)機(jī)械;1984年02期

3 范平;5ZBⅡ 37/170型五柱塞泵通過技術(shù)鑒定[J];石油機(jī)械;1989年04期

4 孔慶悌;;柱塞泵柱塞密封潤(rùn)滑與冷卻的典型系統(tǒng)介紹[J];石油礦場(chǎng)機(jī)械;1991年03期

5 李學(xué)富;高壓柱塞泵柱塞的氧-乙炔焰噴焊工藝應(yīng)用研究[J];石油鉆采機(jī)械;1983年04期

6 王江萍,王瑋,趙小宏,孫厚福,王定坤,朱榮乾;五柱塞泵機(jī)組振動(dòng)試驗(yàn)測(cè)試與振動(dòng)特性分析[J];石油礦場(chǎng)機(jī)械;2001年01期

7 張國(guó)友;馮定;游艇;;壓裂用大功率五缸柱塞泵的研制[J];石油機(jī)械;2007年02期

8 錢暉,丁希軍,馬建忠;激光熔覆金屬陶瓷柱塞的研制[J];石油機(jī)械;2000年12期

9 史改芳;楊玉強(qiáng);南曉春;馬琳萍;;提高柱塞泵站系統(tǒng)可靠性研究[J];石油化工安全環(huán)保技術(shù);2007年02期

10 佘慶東;;液壓式柱塞泵拔閥器[J];國(guó)外油田工程;2010年06期

相關(guān)會(huì)議論文 前1條

1 馮昆明;;劉峁塬區(qū)域Φ25實(shí)心柱塞泵采油技術(shù)試驗(yàn)效果評(píng)價(jià)[A];低碳經(jīng)濟(jì)促進(jìn)石化產(chǎn)業(yè)科技創(chuàng)新與發(fā)展——第九屆寧夏青年科學(xué)家論壇石化專題論壇論文集[C];2013年

相關(guān)重要報(bào)紙文章 前1條

1 曹百禹;我大型機(jī)組故障診斷技術(shù)發(fā)展迅速[N];中國(guó)石油報(bào);2008年

相關(guān)博士學(xué)位論文 前1條

1 劉遠(yuǎn)紅;基于局部線性嵌入的潛油柱塞泵故障診斷方法研究[D];哈爾濱工業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 李本法;油田柱塞泵狀態(tài)監(jiān)測(cè)與故障預(yù)警系統(tǒng)的研究[D];大連理工大學(xué);2016年

2 向威;天然氣井氣舉裝置中柱塞傳感器的研究[D];武漢工程大學(xué);2016年

3 高娜;地面多缸柱塞泵自補(bǔ)償密封研究[D];東北石油大學(xué);2014年

4 徐靜;3500五缸柱塞泵液力端的設(shè)計(jì)與研究[D];中國(guó)石油大學(xué)（華東）;2013年

5 李俊亮;液壓自封柱塞泵的結(jié)構(gòu)優(yōu)化設(shè)計(jì)[D];中國(guó)石油大學(xué);2007年

6 鄭龍燕;3ZB-265型柱塞泵殼體的應(yīng)力分析及優(yōu)化[D];山東大學(xué);2013年

7 于海濤;基于局域波法的往復(fù)機(jī)械關(guān)鍵部件故障診斷的研究與應(yīng)用[D];電子科技大學(xué);2015年

8 李族;鉆井泵滾動(dòng)軸承的振動(dòng)信號(hào)分析和故障診斷[D];東北石油大學(xué);2010年

9 李丹;神經(jīng)網(wǎng)絡(luò)信息融合故障診斷方法及其在輸油管道中的應(yīng)用[D];河北科技大學(xué);2011年

10 蘇近;煤層氣集輸故障診斷平臺(tái)設(shè)計(jì)和壓縮機(jī)故障診斷研究[D];大連理工大學(xué);2013年

，

本文編號(hào)：2104664