小波神经网络在抽油机井故障诊断中的应用.pdfVIP

维普资讯 大 庆 石 油 学 院 学 报 第 28卷 第 5期 2004年 1O月 JOURNAIOFDAQING PETRO1EUM INSTITUTE VoI．28 No．5 Oct． 2004 小波神经网络在抽油机井故障诊断中的应用 张正辉 ，刘 娟。，张正刚。 (1．大庆油田有限责任公司第三采油厂．黑龙江 大庆 163113； 2．大庆石油管理局 物资装备总公司，黑龙江 大庆 I63453； 3．大庆石油学院 电气信息工程学院，黑龙江 大庆 I63318) 摘 要：针对抽油机井故障特点 ．构造了三层小波神经网络 ．采用带有动量项且学习速率 自适应调整的BP算法训练 小波神经网络；利用与学习样本和激励函数相联系的方法设置了网络参数的初值，研究了基于小波神经网络的抽油机井 故障诊断方法．应用此方法 ．对某厂的30口故障抽油机井的进行诊断，正确率在 95 以上． 关 键 词：小波神经网络 ；抽油机井 ；故障诊断 中图分类号 ：TE933．1 文献标识码：A 文章编号：1000—1891(2004)05—0043—03 抽油机井的故障检测是每隔一个月人工到现场测量各种参数，然后根据这些参数计算 ，画出每 口抽油 机井的功图，再 由功图判断是否发生故障 ．不但浪费人力、物力和财力，而且诊断故障不及时，有可能月 初发生的故障到月末才被发现．将小波分析理论与传统神经网络理论相结合，用小波函数代替传统神经 网络中的Sigmoid函数，构成小波神经网络．选取适 当的母小波 (MotherWavelet)，通过对母小波进行伸 缩和平移，并将其作为神经网络的基函数，从而获得拓扑结构与传统 BP网络相似的小波神经网络．应用 小波神经网络，可根据抽油机井的电流曲线诊断抽油机井的故障． 1 小波神经网络的结构、学习算法及其参数的初始化 1．1 小波神经网络的结构 小波神经网络 (WNN)是小波分析理论与人工神经网络理论相结合的产物，具有小波变换 良好的时频 局部化特性和神经网络强大的学习功能，可使网络训练避免局部最优且加快收敛速度，具有很强的学习和 泛化能力L2一．文中采用紧致型小波神经网络，其网络方程的实现可表示为 一 肌 {{，一】L[l 、(一，)／J])』， ，… ㈩ 式中： (f)(走一1，2，…，m)为第k个输入变量；Y(f)(i一1，2，…，)为第 个输出变量 ；P为隐层单元数； 由输入层第k个单元到隐层第 个单元的权函数为小波函数 [(走一bj)／a]，其中n，b分别为小波函数 的尺度和位移 ； 为隐层第 个单元到输出层第 i个单元的连接权 ；(·)为非线性 Sigmoid函数 ； n， 和b，分别为网络的训练参数；gt(x)取为 Mexicanhat小波网络，其表达式为gt(x)一(1一 )exp(一 ／ 2)；网络结构见图 1． 1．2 小波神经网络的学习算法 采用带有动量项 ，且学习速率 自适应调整的BP算法训练小波神经网络，训练时采用批量处理．取优 化 目标函数为 J一专∑∑[(f)一：(f)]， (2) 式中： (f)为输入样本 z第 i个输出节点的期望输出；Y(f)为输入样本 z第 i个输出节点的实际输出．N 收稿 日期 ：2004—03—19；审稿人：王金东；编辑 ：任志平 作者简介 ：张正辉(1976一)，男．助理工程师．主要从事油 田仪表设备方面的研究 维普资讯 大 庆 石 油 学 院 学 报 第 28卷 2004年 为样本数 ；采用梯度下降法 ，对式 (2)极小化 ，调整网络参数 ．各梯度项 一为 oJ