基于LMBP算法的油田用抽油杆悬点载荷预测.pdfVIP

428 化 工 机 械 2011焦 基于 LMBP算法的油田用抽油杆悬点载荷预测 周瑞芬 姜 民政 董康兴 (东北石油大学机械科学与工程学院) 摘 要 利用大庆油田所测抽油杆悬点载荷数据库数据 ，采用改进 的 LMBP神经 网络算法建立 了抽油 杆悬点载荷与抽油杆冲程、抽油杆冲次、抽油杆直径 、抽油泵直径、沉没度 、泵挂深度和油井含水率7个 影响因素的预测模型，通过模型的训练 ，获得 了较高的训练精度 ，说 明用该方法预测抽油杆 的悬点栽荷 是可行 的。 关键词 抽油杆 悬点载荷 LMBP神经网络 预测模型 中图分类号 TQ050．1 文献标识码 A 文章编号 0254—6094(2011)04-0428-04 抽油杆是有杆抽油中三抽设备的关键部件之 载荷预测模型。 一 ，其作用是将地面抽油机输出的能量传递给井 1 LMBP算法简介 底的抽油泵并把井下的原油提升到地面。在抽油 BP神经网络是 由具有非线性传递 函数神经 杆柱中如果有一根抽油杆失效，就会使整个抽油 元构成的采用误差反向传播算法的前馈网络。其 杆柱不能正常工作 ’，抽油杆失效多 以疲 劳失 网络拓扑结构如图 1所示。理论上已经证明具有 效为主，而疲劳失效均是多次应力循环损伤积累 阈值 ，至少一个 s型隐含层加上一个线性输出层 的结果。抽油杆失 效严重影 响了油 田的原油产 的BP网络 ，具有可逼近任意非线性连续映射 的 量 ，增加了油井维护费用 ，使得吨油成本居高不 能力 ，适合于非线性系统 的建模 ，是 目前使用 下，准确预估抽油杆的寿命 ，需要对抽油杆的实际 较多的一种神经网络模型。 受力情况进行分析。 抽油杆上下往复运动时，杆柱承受周期变化 的拉伸载荷，它在抽油机施加的定常周期力下 ，抽 油杆柱各部位的响应是一个复杂问题，油井的油 质 、含砂量 、含气量及液位程行等都将造成负荷的 复杂性 ，杆柱与管壁的碰磨也是不可测的随机因 素 ，这给分析计算带来一定的困难 ，此外，还 有环境因素 (如腐蚀的影响)也是使抽油杆柱失 输入层 中间层(隐含层) 输 出层 效的原因之一 。因此 ，抽油杆不仅承受拉应力 ，还 图 1 神 经 网络 结构 图 承受弯曲应力 ，其所受载荷是随机的 。为准确 预测抽油杆的悬点载荷 ，提高抽油杆柱的寿命 ，笔 BP算法的神经网 有网络收敛速度慢 、学习 者基于 LMBP人工神经网络的载 荷预测方法 ，对 速率不易确定的弱点 ，很难用 于实际计算。目前 影响抽油杆悬点载荷的众多因素作相关分析 ，依 常用的改进算法有附加动量算法、变速率算法 、共 据主要因素通过人工神经网络建立了抽油杆悬点 轭梯度算法 、高斯 一牛顿算 法及 Levenberg．Mar． } 黑龙江 自然科学基金项 目(E200633)。 } 周瑞芬 ，女 ，1972年 2月生 ，副教授 。黑龙江省大庆市 ，163318。 第 38卷 第 4期 化 工 机 械 429 quardt算法 (简称 LM算法 ) 等，其中 LM算法 可 导出Levenberg—Marquardt算法 ： 收敛速度最快 、鲁棒性最好的。 +，= 一[，( )_，( )+ ，]一．，( )( )