有杆抽油系统故障递阶诊断的故障识别研究

有杆抽油系统工况极其恶劣,发生故障的概率较高。针对有杆抽油系统的特点及其故障诊断目前存在的问
题,提出基于示功图的有杆抽油系统故障递阶诊断法,该方法分为故障分辨和故障识别两个阶段,在基于示功图的有
杆抽油系统故障递阶诊断法的第二阶段故障识别阶段,从故障机理入手,在故障分辨的基础上,将正常样本的统
计信息与搜索树相结合,建立起有杆抽油系统故障识别的搜索树,对故障样本进行故障类型的详细识别。通过实例和
多种典型故障示功图,包括严重故障,验证了该方法能有效识别出有杆抽油系统的单个故障和组合故障。     

基于稀疏自编码神经网络的抽油机井故障诊断

针对传统示功图识别方法对抽油机井进行故障诊断存在人工选取示功图几何特征,识别准确度低等问题,提出一种基于稀疏自编码神经网络的示功图智能识别模型。采用无监督学习方式的稀疏自编码器构建特征学习网络自动提取无标签示功图训练集图像特征,然后采用有标签示功图训练集对softmax分类器进行有监督训练,最后通过稀疏自编码神经网络对学习到的有标签示功图测试集特征进行分类并给出故障诊断结果。结果表明,将稀疏自编码神经网络应用于示功图识别,测试准确度能够达到99.44%,优于其它分类模型。稀疏自编码神经网络直接从像素层面提取所需要的特征,不需要人为选定设计特征,为提高示功图识别准确度提供了帮助,进而解决了抽油机井故障难以准确诊断的难题。     

基于蚁群SVDD和聚类方法的旋转机械故障诊断

摘要：
针对典型故障样本缺乏而使常规机器学习方法无法直接应用的难题,提出了一个基于支持向量数据描述（SVDD）新异类检测与基于Davies Bouldin指数（DBI）的K均值聚类方法相结合的旋转机械故障诊断框架.首先,针对正常状态样本建立SVDD模型,并利用蚁群算法对SVDD模型参数进行优化;然后,当拒绝样本数目累积到设定的阈值时,利用K均值聚类方法对其进行处理而获得能够进行标记的类别,其中,K均值聚类的类型数目由DBI辅助确定;最后,针对所标记的各类样本,分别建立SVDD模型并进行训练,将SVDD分类器按照二叉树形式构建系统状态的完整诊断模型.同时,利用滚动轴承多故障模式样本进行训练测试,以验证所提出算法的有效性.结果表明,所提出算法的训练速度为常规网格搜索算法的近10倍,DBI能够有效确定聚类的数目,对样本状态的识别率达到100%. 关键词：
蚁群支持向量数据描述; K均值聚类; Davies Bouldin指数; 旋转机械; 故障诊断 中图分类号： TP 183
文献标志码： A     

数学描述抽油系统故障时抽油机示功图

抽油设备的工作状况反应在示功图上。由于抽油井的情况较复杂,使实测示功图的形状各不相同,增加了故障分析的难度,分析容易出错。针对这一问题,分析了抽油机采油系统出故障时的示功图。对16种故障的典型示功图形状特征进行数学描述,得到了出故障时示功图特征;对特征相近的功图,给出了结合油井参数进行判断的方法。从而为从示功图的数据上直观且快速准确地判断抽油设备的工作状况提供理论依据。     

基于长短时记忆神经网络的抽油机井故障智能预警

准确预测抽油机井故障对油田生产具有重要意义。针对新疆油田某区块抽油机井故障情况,统计了500口油井的生产数据,明确了结垢、结蜡、杆管腐蚀、杆管疲劳、杆管偏磨五种引发抽油机井故障的主要因素;基于长短时记忆神经网络（Long Short-Term Memory Networks, LSTM）,构建了油井故障智能预警模型;筛选出影响油井故障的14种特征参数进行小波降噪处理,借助自适应矩估计算法对模型进行训练与测试。研究结果表明,模型预测准确率为96.81%,能够为油田提供较为准确的抽油机井故障预警信息。     

泵示功图量油应用研究

本文把抽油机井抽油泵作为容积量油器,以理论示功图为基础,通过封闭曲线的曲率确定有杆抽油系统深井泵的游动阀、固定阀的开启点和关闭点,从而提出了有杆抽油系统单井示功图量油的理论及其数学模型。通过抽吸参数计算每冲次抽油泵的理论产液量,依据柱塞泵示功图的特征对泵内液体的充满程度、气体影响、漏失等进行校正,进而计算出单井的产液量。利用示功图检验产液量操作方便、快捷且直观,准确可靠。     

基于斯皮尔曼相关分析的非线性动态过程特征提取与故障检测

斯皮尔曼相关系数是一种非参数的相关性度量,可以等级化变量之间的相关性。然而,复杂的生产过程存在非线性、动态和多阶段问题,并且历史训练集数据仅包含正常过程的数据,使得斯皮尔曼相关不能直接应用于故障检测。为此,提出一种基于斯皮尔曼相关分析和时间窗等级化方法的故障检测算法。首先,找到样本点所在的时间窗,计算样本在窗内的等级;然后,使用基于斯皮尔曼相关的降维方法将数据映射到低维空间;最后,构造适用于等级化数据的统计量R²作为故障检测的依据,当样本的R²高于所得控制限时,认为样本是故障的,否则是正常的。将所提方法用于数值模拟和青霉素发酵过程实验,结果表明该方法在故障检测方面优于传统的统计方法。     

泵示功图的凡尔开闭点位置研究

针对有杆抽油系统的泵示功图识别及产液量计算问题,以地面示功图为基础,结合抽油泵的工作原理,借助泵示功图,研究一种能较为准确定位抽油泵游动、固定凡尔开闭点的方法,并用其确定以任何形式呈现的泵示功图的凡尔开闭点位置.实际数据检测结果表明,该方法能够满足抽油井产液量计量的要求.     

有杆抽油系统理论示功图的编制

由于抽油井的工作条件十分复杂，影响抽油井的泵系数的因素也很多，使得反映深井泵系统工作状况的示功图形状变化较大，奇形怪状各不相同。为了便于分析，常在实测示功图上绘制出理论示功图进行对比分析。因此理论示功图就成了实测示功图的解释基础。本文介绍了有杆抽油系统理论杀功图的分析及其绘制，它为有杆泵的工况分析提供了必要的参数。     

基于八链码形状匹配的抽油机井地面示功图凡尔开闭点识别

示功图凡尔开闭点的精准识别对抽油机井工况诊断、功图计产具有重要意义。针对目前示功图凡尔开闭点识别研究局限性,结合大数据环境下抽油机井生产特点,为进一步提高示功图凡尔开闭点识别精准性和实用性,提出一种基于八方向链码形状匹配的抽油机井地面示功图凡尔开闭点识别方法。首先对理论示功图和凡尔开闭点物理表示意义进行分析,用自定义的八方向链码对预处理后的地面示功图进行轮廓提取,再建立形状匹配库,在设定的迭代次数内进行轮廓光滑和链码压缩直至形状匹配成功,最后根据匹配形状定位规则定位凡尔开闭点。应用该方法对胜利油田某区块1650个地面示功图进行凡尔开闭点识别,并将定位的凡尔开闭点运用于60口抽油机井11种工况的识别,基于该方法的识别效果比已有的基于四方向链码多边形近似凡尔开闭点识别方法提高了近1%。结果表明精确识别凡尔开闭点有利于提高抽油机井的故障诊断率和产液量功图计算精准率,从而验证了该方法的有效性。     

济阳拗陷长堤地区新生代构造特征及其演化

根据三维地震资料和钻井资料的联合解释,结合平衡剖面技术,对渤海湾盆地长堤地区主要断裂及其伴生构
造的地质特征进行研究。结果表明,长堤地区发育各种不同尺度和性质的断层,绝大多数断层属于生长断层。断裂活
动受到“济阳运动”和“东营运动”的影响,具有幕式活动的特征。长堤地区规模较大的两期不整合界面的形成与断裂
的幕式活动关系密切。沉积地层中形成的多期不整合界面,体现了长堤地区在新生代演化中经历了多旋回断陷作用。
根据对长堤地区重要界面的识别以及结合区域沉降史分析,将其构造演化划分为褶皱隆升、伸展断陷和稳定沉降3 个
主要阶段,其中伸展断陷阶段进一步分为沙三期-沙二期的断陷I 幕,沙一期-东营期的断陷II 幕。长堤地区的油气
圈闭类型主要受到断裂活动的控制,同时也受到其演化的影响。     

断裂及其裂缝发育带在塔中油气勘探中的意义

针对塔中西部Z15 井区储层非均质性强、主要目的层埋藏较深（一般>5 000 m）、地震资料品质差、小断层识
别困难且多产状较陡的难题,总结出易于操作的小断裂解释判别原则：即寒武系盐层顶面有断距、灰岩顶部有挠曲、地
震剖面上断层轨迹有串珠、碳酸盐岩内幕地震同相轴有相变。相对较准确地刻画了研究区4 期断裂的平面和剖面分
布特征,其中第二期近东西向中晚加里东期逆冲推覆断裂和第三期近南北向的晚加里东-早海西期扭张性走滑断裂
是研究区的主要断裂,控制了研究区奥陶系储层和油气藏的分布。并通过多口井的钻探证实,断裂及其控制的裂缝发
育带是高产稳产井的分布区域,其富含油气主要得益于：优质的储层发育;断裂期次早于油气成藏且封盖条件好,油气
保存完整;良里塔格组水体能量弱。围绕断裂及其裂缝发育带的优质储层发育区的钻探为断裂控储控藏研究和寻找
新的油气富集区域开拓了新的思路。     

馈线自动化中的故障寻址技术

配电网络的故障检测与诊断是实现馈线自动化的关键技术之一,其中单相接地故障的正确检测一直未能得到很好的解决。文章在讨论配电网络发生单相接地故障时接地故障相判别方法的基础上,着重分析了单相接地故障的检测方法,提出了基于故障相电流实现接地故障检测的新方法,给出了动作判据算模型,对算法模型的仿真计算结果表明,该方法对接地故障具有很高的选择性能,并可很好地适用于馈线自动化中。文章还简要介绍了馈线保护中短路故障的检测技术。     

模拟电路故障定数的理论和方法

本文研究模拟电路的故障定数问题，这是作者提出的一个新概念，在最近２０年的故障诊断研究中，涉及到故障定位和故障定值，本文首先指出，故障定数、故障定痊和故障定值三者乃是整个故障诊断的三个主题，并给出了模拟电路故障定数的理论和方法。     

有杆抽油系统诊断方法研究与应用

以有杆抽油系统动力学行为分析为基础,将基础理论研究和应用技术有机地结合起来,建立了考虑悬挂系统弹性的直井和定向井有杆抽油系统诊断模型,研究了基于B/S（Brower/Server）模式的有杆抽油系统故障诊断方法,利用Internet技术和Web技术开发了相应的软件系统, 通过浏览器即可实现对有杆抽油系统快速、准确的故障诊断,并给出了诊断算例,诊断结果验证了该系统的有效性。基于B/S模式的有杆抽油系统故障诊断对避免井下作业的盲目性,提高系统效率,降低采油成本,实现油田企业信息化和提高油井的科学管理水平具有重要意义。     

基于改进人工免疫网络的配电网单相接地故障辨识方法

配电网故障辨识有利于线路的全面分析与后续检修,但过渡电阻较高时单相接地故障稳态特征不明显,辨识正确率受到影响.提出了一种基于改进人工免疫网络的单相接地故障辨识方法,利用希尔伯特-黄变换提取故障暂态过程中零序电压的固有模态分量,得到反映波形变化程度的频域特征,进而构造特征向量;采用记忆细胞方差自适应调整环节对人工免疫网络进行改进,以生成能够体现原有特征且均匀分布的记忆细胞来进行故障判断,可以克服训练数据样本少、分布不均匀的问题,并且网络训练速度快.在MATLAB/Simulink中建立仿真模型,测试集的验证结果表明本文辨识方法在小样本训练的情况下能对故障与正常扰动进行识别,训练时间短,不需要人为设置阈值;同时,在中性点接地方式变化、信号存在噪声以及系统拓扑结构变化时,该方法适应性依然良好.     

基于故障树与BAM神经网络的智能故障诊断方法

在研究故障树分析(FTA)和双向联想记忆(BAM)神经网络在故障诊断中应用的基础上,提出了一种融合FTA和BAM的故障诊断方法。故障树存贮了系统关于顶事件发生的全部知识,利用FTA得到系统所有的故障模式,进而归纳出BAM的学习样本,即故障树中故障现象(监测点状态组合)和底事件发生与否之间的对应。BAM通过联想记忆矩阵并行联想,得到诊断结果,扩展综合故障诊断能力。用上述方法进行仿真分析,结果表明该方法用于解决此类问题是有效的。     

基于不变矩的示功图故障诊断方法研究

以抽油机井示功图为例,提出了基于不变矩的示功图故障诊断方法。首先对示功图进行二值化和细化处理。接着计算示功图不变矩。最后将不变矩作为特征向量来诊断抽油机井的故障类型。结果表明,该方法可以有效地分析出抽油机井的常见故障。     

基于GM-ELM的有杆泵抽油井故障诊断

为了解决有杆泵抽油井故障诊断问题,提出了基于灰度矩阵极限学习机(gray matrix-extreme learning machine,GM-ELM)故障诊断方法.首先用灰度矩阵对有杆泵抽油井进行故障特征提取;然后用数理统计的方法建立灰度矩阵的特征向量,将故障特征向量作为故障诊断模型的输入值;最后建立GM-ELM模型对有杆泵抽油井故障进行诊断.仿真结果表明该方法与GRNN(general regression neural network)方法、LS-SVM(least squares support vector machine)方法、BPNN(back propagation neural network)方法相比具有更高的故障诊断准确率.