基于神经网络的杆泵抽油系统故障诊断导论.doc

基于神经网络的杆泵抽油系统故障诊断 PAGE \* MERGEFORMAT10 基于神经网络的杆泵抽油系统故障诊断 工程问题描述 杆泵抽油法是当前国内外应用最广泛的传统的机械采油技术，目前世界上有80%到85%的采油井都采用此种采油方式。常规的钢抽油杆工作时在油管中上下反复运动，在这种交变载荷的作用下经常会发生疲劳断裂事故，接箍外结蜡严重，泵效低，能耗高。随着油井供液能力变差，泵挂深度逐年加深，井下管柱更为复杂，管杆偏磨严重，产出液腐蚀性强，矿化度高，化学腐蚀及电化学腐蚀同时存在。如此恶劣的外界环境致使杆泵抽油系统及其容易出现故障，而每年只是有杆泵抽油井故障诊断检修就得耗费数以亿计的资金。因此，如何有效地诊断杆泵抽油系统的故障，是当前杆泵抽油系统维修领域的一个紧迫问题。 2、神经网络的输入与目标向量的设计 神经网络输入向量的确定实际上就是特征向量的提取。对于杆泵抽油系统来说：机械磨损（X1）、化学腐蚀（X2）、抽油杆组合不合理（X3）、最大拉应力破坏（X4）、管杆偏磨（X5）、油的采出高度（X6）、油含水量（X7）、泵内井液充满度不足（X8）、结蜡（X9）、油井供液不足（X10）等特征向量最能体现杆泵油系统的整体运行情况。因此根据以上提到的特征参数确定该神经元网络的输入向量个数为10。即该神经元网络的输入是一个10维向量，对样本数据进行归一化处理。如表1.1给出了已经40组输入向量数据。（归一化数据见附录1）。 表1.1 训练样本数据 序号X1X2X3X4X5X6X7X8X9X10类型179.561566.301357.284357.814756.223550.389059.936353.571450.389050.3890无 故 障271.605455.162747.736953.041054.632246.145776.909554.632247.206545.6153376.751464.710055.162756.753953.041046.145756.753949.328246.676147.2065480.091963.118854.632256.223554.632246.145762.588449.328246.676146.6761582.213671.075055.162753.571453.571447.736958.345156.753947.736946.8963686.456968.422956.223556.223554.632249.858663.649251.449848.267348.2673773.196660.466850.919451.980252.510646.145754.632251.980245.615345.0849884.865665.240554.632255.693155.162745.615355.162757.284345.084944.0240974.787859.936348.797751.980255.162748.267378.500759.405948.797745.61531075.848772.666253.041048.267346.145740.311245.084941.372063.118842.43281172.135859.405948.267347.736944.024039.780843.493644.554539.780840.31121268.953359.936346.145744.024046.676143.493641.372041.902444.554539.78081389.108971.605459.936356.753951.980255.693176.909558.345150.389050.38901491.761067.362158.875556.753951.449857.814761.527651.980250.389050.9194149.858650.919447.736947.206557.814762.588457.814750.389046.676148.2673双 凡 尔 漏 失248.267348.267352.510651.449845.615352.5106