基于RBF神经网络的往复泵泵阀故障诊断研究.pdfVIP

2011年 第 4O卷 石 油 矿 场 机 械 第 1期 第 24页 OIL FIELD EQUIPMENT 文 章编 号 ：100卜3482(20l1)01-0024—04 基于 RBF神经网络的往复泵泵阀故障诊断研究 王长忠 ，李伟平 ，吴正军 (1．大庆职业学 院，黑龙江 大庆 163000；2．大庆油 田采油六厂 ，黑龙江 大庆 163000) 摘要 ：根据小波包分析，获得 了各频带能量的分布规律 ，构造 了泵阀状态特征向量，训练 了RBF神 经 网络 。大量的现场试验证 明，构造 的故障特征 向量与 RBF神经网络配合使用 的方法可 以明显提 高泵阀故障诊断的准确率。 关键词 ：往复泵；故障诊断；故障特征 向量；RBF神经网络 中图分类号 ：TE926．03 文献标识码 ：A FaultDiagnosisApproachBasedonRBF NeuralNetwork for ValvesofRecipr0catingPumps WANGChang—zhong 。LIW ei～ping 。WU Zheng—jun (1．DaqingVocationalCollege，Daqing 163000，China； 2．No．6OilProductionPlant，DaqingOilyield，Daqing163000，China) Abstract：Accordingtowaveletanalysis，theenergyregularityofeachfrequencybandisfound，the characteristicvectorsforvaluesofpumpsareconstructed，theRBF neuralnetwork istrained． Throughalotofpractices，boththecharacteristicvectorsandtheRBF neuralnetworkareproved toraisethediagnosisrateforvalvesofreciprocatingpumps． Keywords：reciprocatingpump；faultdiagnosis；faultcharacteristicvector；RBF neuralnetwork 三缸往复泵是石油矿场 中广泛应用的一种关键 有泵 阀关闭、机构不平衡等惯性载荷冲击等造成的 设备 ，由于工况 比较恶劣，泵阀非常容易发生故障， 瞬态激励响应 ，各缸之间相互干扰，因此所测得的振 是往复泵的薄弱环节。目前对往复泵泵阀故障诊断 动信号含有大量的噪声信号 ，而故障信号是被湮灭 的主要方法是分析其振动信号 ，根据振动信号 的相 在各种噪声信号之中。如何有效提取故障特征以及 关特征来判断泵 阀状态。由于往复泵结构复杂，激 如何利用故障特征实现智能诊断是 目前研究的2个 振源类型多 ，振动信号中既有各种随机振动成分 ，又 关键 问题 。 -— + “-+- + “+ ”+ “+ ”+ ”+ 一—-+-“+ 一—— ” 参考文献 ： 油矿场机械，2006，35(4)：44—46． [1] 李树 国，史 倬 ，王立伟．CYI15型捞油车的研制与应 [42 檀朝东，张佳 民，师 国臣，等．发展低矮抽油机和柔性杆 用 1』．石油机械 ，2001，29(5)：29—30． 配套技术 的几 点思考 [J]．石 油矿场机械，2009，38 [2] 王春华 ，祝立群 ，张永功，等．新型固定式捞油机[J]．油 (10)：