潜油柱塞泵MMAGA-RBF故障诊断方法

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1 000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.

基于思维进化算法和BP神经网络的电动潜油柱塞泵故障诊断方法

针对电动潜油柱塞泵在生产过程中具有故障率高、检泵周期短的问题,提出了一种基于思维进化算法(MEA)和反向传播(BP)神经网络的电动潜油柱塞泵故障诊断方法,可有效地诊断出电动潜油柱塞泵发生的故障,从而延长检泵周期.通过搭建实验平台解决了电动潜油柱塞泵在实际生产过程中获取的历史故障数据少、故障数据类型不全面的问题.首先,在实验平台上模拟电动潜油柱塞泵的不同故障状态,利用井下多参数采集模块和井口仪表测量其运行参数.然后,从相关运行参数中提取出故障特征参数,构造故障特征向量及样本集;利用样本集训练和验证MEA-BP故障诊断模型.最后,使用从实际生产中的电动潜油柱塞泵获取的故障数据集进一步验证该故障诊断模型的有效性.实验结果表明:该故障诊断方法能够实现对电动潜油柱塞泵的故障诊断,避免其故障事故的发生,有效延长检泵周期.