基于MLP神经网络的海上固井泵故障诊断方法

海上固井泵受到高温高盐环境因素影响,导致故障发生率较高,为了提高海上固井泵的故障检测诊断能力,提出基于MLP神经网络的海上固井泵故障诊断方法。构建海上固井泵的故障传感信息采集模型,采用相关性参数分析方法,进行海上固井泵故障数据特征融合和自适应参数解析,构建海上固井泵故障远程协作诊断的特征分析和数据分析模型,结合海上固井泵故障参数的多元耦合分析结果,通过关联规则挖掘的方法分析海上固井泵的故障特征量,采用MLP神经网络学习方法,实现海上固井泵振动传感信息融合及滤波成分分析,结合关联特征挖掘和模糊信息聚类,建立海上固井泵的故障类别参数融合和信息聚类模型,通过对海上固井泵的振动传感异常特征分析,采用MLP神经网络实现对海上固井泵的故障类型化参数跟踪识别,根据信息聚类结果,实现故障分类检测和诊断。仿真结果表明,采用该方法进行海上固井泵故障诊断的准确率较高,达到了0.97,时间开销平均为3.73 s,提高了海上固井泵的工况稳定性。