潜油柱塞泵MMAGA－RBF故障诊断方法-哈尔滨工业大学学报.PDF

第４９卷　 第９期 哈　 尔　 滨　 工　 业　 大　 学　 学　 报 Ｖｏｌ４９ Ｎｏ９ 　 　 ２０ １７年９月 ＪＯＵＲＮＡＬ ＯＦ ＨＡＲＢＩＮ ＩＮＳＴＩＴＵＴＥ ＯＦ ＴＥＣＨＮＯＬＯＧＹ Ｓｅｐ． ２０１７ ＤＯＩ：１０．１１９１８／ ｊ．ｉｓｓｎ．０３６７⁃６２３４．２０１６１０１２３ 　 　 　 　 　 　 － 潜油柱塞泵ＭＭＡＧＡ ＲＢＦ故障诊断方法 １，２ １ ３ １ １ 于德亮 ，李妍美 ，丁　 宝 ，赵鹏舒 ，孙　 浩 （１．哈尔滨理工大学 电气与电子工程学院，哈尔滨 １５０００１；２．大庆油田采油工程研究院，黑龙江 大庆 １６３０００； ３．哈尔滨工业大学 电气工程及自动化学院，哈尔滨 １５０００１） 摘　 要：针对潜油柱塞泵无法使用传统地面示功图方法进行故障诊断的问题，提出了一种适用于该抽油机的故障诊断方法． 该方法首先利用多变异位自适应遗传算法（ＭＭＡＧＡ）对ＲＢＦ神经网络进行参数寻优，然后从潜油直线电机的运行参数和油井 井口的仪表参数等综合数据中，提取出反映油泵运行状态的特征参数，并将其作为故障诊断模型的输入向量，从而实现潜油 － 柱塞泵故障工况的诊断． 结果表明：ＭＭＡＧＡ ＲＢＦ故障诊断方法能够在较少的训练样本下达到较高的综合诊断准确率，在训 － 练样本集达到１０００组以上时，其综合误判率可低于４％，相对于普通遗传算法优化的模型，其泛化能力更强． ＭＭＡＧＡ ＲＢＦ 故障诊断方法符合潜油柱塞泵的工况特点，能够达到其综合诊断准确率的要求． 关键词：潜油柱塞泵；特征参数；故障诊断；ＲＢＦ；ＭＭＡＧＡ － － － 中图分类号：ＴＰ２７７ 文献标志码：Ａ 文章编号：０３６７ ６２３４（２０１７）０９ ０１５９ ０７ Ｔｈｅ ＭＭＡＧＡ⁃ＲＢＦ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｍｅｔｈｏｄ ｆｏｒ ｓｕｂｍｅｒｓｉｂｌｅ ｐｌｕｎｇｅｒ ｐｕｍｐ １，２ １ ３ １ １ ＹＵ Ｄｅｌｉａｎｇ ，ＬＩ Ｙａｎｍｅｉ ，ＤＩＮＧ Ｂａｏ ，ＺＨＡＯ Ｐｅｎｇｓｈｕ ，ＳＵＮ Ｈａｏ （１．Ｃｏｌｌｅｇｅ ｏｆ Ｅｌｅｃｔｒｉｃａｌ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈａｒｂｉｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ １５０００１，Ｃｈｉｎａ； ２．Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｏｉｌ Ｐｒｏｄｕｃｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｄａｑｉｎｇ Ｏｉｌｆｉｅｌｄ Ｃｏｍｐａｎｙ，Ｄａｑｉｎｇ １６３０００，Ｈｅｉｌｏｎｇｊｉａｎｇ，Ｃｈｉｎａ； ３．Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ａｕｔｏｍａｔｉｏｎ，Ｈａｒｂｉｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ １５０００１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｓ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｇｒｏｕｎｄ ｉｎｄｉｃａ