（机械电子工程专业论文）基于神经网络的有杆抽油系统故障诊断研究.pdf

中文摘要 论文题目：基于神经网络的有杆抽油系统故障诊断研究 专业：机械电子工程 硕士生：何焱( 签名) 指导教师：吴伟( 签名) 摘要 抽油机泵功图包含有杆抽油系统工作状态的丰富信息，是有杆抽油系统故障诊断的 重要基础资料。因此，泵功图的有效识别对认识和了解抽油系统特性具有十分重要的现 实意义。基于专家系统、神经网络等的智能故障诊断虽然在有杆抽油系统中得到了初步 应用，但其在诊断的准确性、实时性等方面急待提高。因此本文就神经网络在有杆抽油 系统中的故障诊断作进了一步研究。 首先对不同类型的实测泵功图进行图形自动识别，利用网格灰度矩阵法提取泵功图 的故障特征，构建标准的训练样本和测试样本集；然后借助功能强大的m a t l a b 语言系统 及其工具箱构建并训练b p 网络，使其有效完成泵功图故障分类，通过改进现有b p 算法， 提高网络的学习速度及可靠性。 本文系统阐明了神经网络诊断模块的初始化、训练和测试过程，并完成故障诊断系 统软件的设计。诊断结果表明，对于已知的三种典型故障类型，在一定的训练模式下识 别结果的准确性高达8 5 以上，较好地实现了对有杆抽油系统给定工况的诊断识别。本 文通过理论分析与实验研究，深入探讨了神经网络的有杆抽油系统故障诊断的加速训练 及其泛化问题，所得出的结论对工程实际应用具有一定的指导作用。 关键词：有杆抽油系统；泵功图；故障诊断；神经网络；b p 算法； 论文类型：应用研究 i i 英文摘要 s u b j e c t ： a s t u d yo nf a u l td i a g n o s i ss y s t e mf o rr o dp u m p e dw e l lb a s e do nt h en e u r a l n e t w o r k s y s t e m s p e c i a l t y ： m e c h a t r o n i c se n g i n e e r i n g n a m e ：h e y a n ( s i g n a t u r e ) 丝纽 i n s t r u c t o r ：w uw e i ( s i g n a t u r e ) 世u 型丛 a b s t r a c t t h eg r a p ho fp u m p w o r kc o n t a i n sm u c hi n f o r m a t i o nw h i c hi si m p o r t a n tb a s i cd a t af o r f a u l td i a g n o s i sa b o u tt h ew o r kc o n d i t i o no fs u c k e rr o dp u m p i n go i ls y s t e m t h e r e f o r e ， r e c o g n i t i o no ft h eg r a p ho fp u m p w o r kh a st h ee x t r e m e l yi m p o r t a n tp r a c t i c a ls i g n i f i c a n c ew i t h t h eu n d e r s t a n d i n go i lp u m p i n gs y s t e mp e r f o r m a n c e f a u l td i a g n o s i sh a sm a d eg r e a tp r o g r e s s b a s e do ne x p e r ts y s t e ma n dn e u r a ln e t w o r k ，a n do b t a i n e dt h ep r e l i m i n a r ya p p l i c a t i o ni nt h e s u c k e rr o dp u m p i n go i ls y s t e m b u tf o rt h ed i a g n o s i sa c c u r a c y , t i m e l i n e s s ，i tw a i t sf o rt h e e n h a n c e m e n t t h es t u d yi nt h i st h e s i ss h o u l ds e r v ea st h ef u r t h e rr e s e a r c ho nt h ei n t e l l i g e n t d i a g n o s i sw i mt h en e r v en e t w o r ki nt h i sa s p e c t t h eg r a p ho fp u m p w o r kd i r e c t l yi si n p u tt ot h ec o m p u t e rt od i s c e r n c h a r a c t e r i s t i c sa r e e x t r a c t e db yt h eg r a y l e v e lm a t r i xo f t h eg r a p ho f p u m p w o r kt oc o n s t r u c tt h es t a n d a r dt r a i n i n g s a m p l ea n dt e s t i n gs a m p l ec o l l e c t i o n t h eb pn e u r a ln e t sh a sb e e nb u i l tw i t ht h ep o w e r f u l m a t l a b - t o o l b o xt oc l a s s i f yt h ef a u l tt y p e ，a n dt r a i n e dw i t ht h ei m p r o v e db pa l g o r i t h mt o i m p r o v et h es p e e do fl e a r n i n ga n dr e l i a b i l i t yo f t h en e t w o r k t h ec o u r s et oi n i t i a l i z e ，t r a i na n dt e s tf o rn e u r a ln e t w o r kd i a g n o s i sm o d u l e sh a sb e e n i l l u s t r a t e di nd e t a i l t h ef a u l td i a g n o s i ss y s t e ms o f t w a r eh a sb e e nd e s i g n e d t h ed i a g n o s i s r e s u l ts h o w st h a tt h er e c o g n i t i o na c c u r a c yc a nr e a c ha sh i 曲a sa b o v e8 5 ，r e g a r d i n gt h e g i v e nt h r e ek i n do ft y p i c a lf a u l tt y p eu n d e rt h ec e r t a i nt r a i n i n gp a t t e m ，r e a l i z ew e l lt od i s c e r n t h ef a u l tr e c o g n i t i o no ft h es u c k e rr o dp u m p i n go i ls y s t e m t h i sa r t i c l et h r o u g ht h et h e o r e t i c a l a n a l y s i sa n dt h ee x p e r i m e n t a ls t u d y , d i s c u s s e dt r a i n i n ga n dg e n e r a l i z a t i o nc a p a b i l i t yo ft h e n e r v en e t w o r ka b o u tt h ef a u l td i a g n o s i sr e s e a r c h ，h a dt h ec e r t a i nr e f e r e n c ef u n c t i o nt ot h e n e r v en e t w o r kf a u l td i a g n o s i si ns u c k e rr o dp u m p i n go i ls y s t e ma p p l i c a t i o nd e v e l o p m e n t k e yw o r d s ：r o dp u m p i n gs y s t e m ；g r a p h o fp u m p w o r k ；f a u l td i a g n o s i s ；n e u r a ln e t w o r k ； b pa l g o r i t h m ； d i s s e r t a t i o nt y p e ：a p p l i c a t i o ns t u d y i i i 学位论文创新性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成 果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他 人已经发表或撰写过的研究成果：也不包含为获得西安石油大学或其它教育机构的学位 或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做 了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名：4 司么基 日期：2 1 1 ! ，堕 学位论文使用授权的说明 本人完全了解西安石油大学有关保留和使用学位论文的规定，即：研究生在校攻读学 位期间论文工作的知识产权单位属西安石油大学。学校享有以任何方法发表、复制、公 开阅览、借阅以及申请专利等权利。本人离校后发表或使用学位论文或与浚论文直接相 关的学术论文或成果时，署名单位仍然为西安石油大学。 论文作者签名：习左薹 日期：2 塑：些 导师签名日期：如6 f 矿 注：如本论文涉密，请在使用授权的说明中指出( 含解密年限等) 。 第一章绪论 1 1 引言 第一章绪论 石油是工业和人类社会发展的重要资源，也是一种极为重要的战略物质，为了满足 经济发展的需要，世界各主要工业国都在不断地寻找和开采石油，甚至不惜用战争的手 段来争夺石油的控制权和开采权。随着原油开采周期的增加，地层能量逐渐减少，需要 人为地给地层流体补充能量，才能使原油从地下举升到地面，石油由初期的“自喷法采 油”而发展为“人工举升法采油”或“机械采油法”。人工举升法采油分为有杆采油和无 杆采油，凡是利用抽油杆柱上下往复运动驱动井下抽油设备的统称为有杆抽油设备，凡 是不利用抽油杆柱传递能量驱动井下抽油设备的统称为无杆抽油设备。有杆抽油方法是 应用最早也是最为广泛的一种人工举升采油方法，早在石油问世时，就开始采用这一方 法进行石油开采。随着科学技术的不断发展，有杆抽油设备也不断完善。目前，在各种 人工举升采油方法中，有杆抽油仍居首要地位。据有关统计，在委内瑞拉有7 0 以上的 油井、在美国有8 5 以上的油井采都采用有杆抽油：即使在大量采用电潜泵抽油的苏联， 有杆抽油井的比例也超过5 5 ；而在我国采用有杆抽油的比例更高，达至l j 9 1 “。 有杆抽油系统是机械采油技术中最为常用的人工举升方法，而泵功图包含了有杆抽 油系统机、泵、杆工作状态的丰富信息，深井泵工作中的一切异常现象都可以在泵功图 上反映出来，是抽油机井故障诊断的重要基础资料 2 】，因而泵功图技术是目前该生产领 域中一项强有力的油井工况分析手段，也是国内外采油工程技术人员的一个重要研究课 题之一。及时而准确地了解并判断有杆抽油井的工作状况，对发生的故障进行有效处理， 不仅会大大降低原油的生产成本，获得更高的经济效益，而且将有助于进一步提高油井 系统的科学管理水平，对于最大限度地提高抽油效率、降低机械采油成本、提高油井产 量和降低生产成本具有非常重大的现实意义。 针对现有采油工业中抽油机数量大、分布广、故障诊断自动化程度低的特点，需要 一种诊断技术、方法及软件体系结构来提高故障诊断的准确性和多故障同时诊断的能力， 这对避免井下作业的盲目性和提高石油产量具有重要的意义。经过几十年的不断发展进 步，尤其是计算机技术的应用及人工智能方法的自身技术领域的不断发展和完善，有杆 抽油系统的诊断技术得到了快速的发展。 1 2 故障诊断概述 控制系统的故障检测与诊断技术( f d d ，f a u l td e t e c t i o na n dd i a g n o s i s ) 从2 2 世幺e 7 0 年代产生到现在已取得了迅速发展，它是- - r 综合性技术，涉及现代控制理论、信号处 理、模式识别、人工智能、电子技术、数理统计、模糊逻辑等学科理论，与容错控制、 西安石油大学硕士学位论文 鲁棒控制、自适应控制、智能控制有着密切的联系。故障检测就是判断系统是否发生了 故障以及检测出故障发生的时刻，而故障诊断涉及故障分离、故障辨识等内容口】。如果 事先已对设备可能发生的故障模式进行了分类，那么诊断问题就是将设备的现行状态归 入哪一类的问题。因此故障诊断实质上是一类模式识别问题。 故障诊断技术发展至今大致经历了三个阶段：第一个阶段由于当时的机器设备比较 简单，故障诊断主要依靠专家或者维修人员的感觉器官、工作经验以及简单的仪表和示 波器、万用表等就能胜任故障的诊断和排除工作：随着科学技术的发展，传感器技术、 动态测试技术以及信号分析开始应用于诊断领域，设备诊断技术开始进入第二阶段，并 在维修工程和可靠性工程得到了广泛的应用，取得了显著的效益；进入八十年代，由于 机器设备目益复杂化，传统的设备诊断技术已渐渐不能适应对先进设备进行故障诊断的 需要。另一方面，计算机技术、人工智能技术己取得了令人瞩目的发展。诊断技术已进 入了它的第三个发展阶段一智能化阶段【4 j 。 近年来，人工神经网络以其强有力的学习和并行处理能力为故障诊断提供了全新的 理论方法和实现手段。神经网络通过对经验样本的学习，将知识以权值和阈值的形式存 储在网络中，网络的输入是被诊断对象的征兆即特征值，输出则表示发生故障的可能性。 因此，应用人工神经网络技术建立有杆抽油系统故障诊断是一种新途径。因此，基于神 经网络有杆抽油系统故障诊断的研究十分必要且具有很好的工程应用前景。 1 - 3 有杆抽油系统故障诊断技术的国内外发展现状 有杆抽油方法是应用最早，最广泛的一种人工举升采油方法，早在石油工业问世时。 就开始采用这一方法进行采油。据统计，有杆抽油井在机械采油中所占的比例在9 0 以 上，目前仍居于首要位置。由于井下工况恶劣。1 9 8 8 年我国平均每口有杆抽油井年作业 1 2 5 次【”。所以，如何及时、准确地了解有杆抽油系统的工作状况，对提高抽油效率、降 低机械采油成本和提高油井产量都具有非常重要的现实意义。 有杆泵采油系统由于其特殊的工作状况，将会导致井下、地面、油井故障发生。这 些故障必将导致产量和效益的下降，所以及时准确地了解和掌握有杆泵采油系统的工作 状态十分重要。有杆泵采油系统诊断技术的研究一直是国内外石油工业技术人员研究的 课题。有杆抽油系统故障诊断技术始于二十世纪2 0 年代，经过几十年的研究、实践，抽 油机故障的分析与诊断技术有了相当大的发展，目前已基本走向成熟。就其内容与发展 来说，大致可以分为以下五个阶段l lj ： ( 1 ) “五指式动力仪”分析方法 该方法主要依靠操作人员手掌的感觉来分析抽油设备的工作状况。这种方法由经验 丰富的操作人员用手握住光杆，跟随光杆上下几个冲程，以感觉来判断抽油泵的某些故 障。这种原始的方法，只能在很浅的油井上使用，随着泵挂深度的增加以及技术的发展， 这种方法早已被淘汰了。 第一章绪论 ( 2 ) 地面示功图分析法 地面示功图分析法始于二十世纪2 0 年代中期，该方法利用光杆动力仪绘制出光杏丁载 荷位移关系曲线，即光杆示功图，然后对光杆示功图进行解释，以分析、判断油井 与设备故障。光杆动力仪于1 9 2 7 年发明，因它具有操作简单、使用方便的优点，早已成 为世界各国进行有杆抽油系统故障诊断的有效手段，至今仍为许多国家广泛使用。 光杆示功图法，对于冲次较低、泵深较浅的纯油井，可以得出比较准确的判断结论， 而且具有简便的优点。但是，对于泵挂较深、冲次较高、示功图形状比较复杂的井，该 方法就很难判断。 ( 3 ) 井下示功图诊断法 井下示功图诊断法始于二十世纪3 0 年代中期，这种方法是利用井下动力仪随同抽油 泵一起下入井内，在井下直接测量泵功图。这样不仅可以获得抽油泵工作状态的第一手 资料，而且可以消除抽油杆、井壁等许多不定因素给分析、解释带来的困难。井下动力 仪是由美国吉尔伯特( we g i l b e r t ) 和萨金特( s b s u r g e n t ) 在1 9 3 6 年发明的。尽管这 种方法可以直接获得泵功图，但在安装时，必须首先将泵和抽油杆提出，以安装井下动 力仪，然后再下入井中测量，所测数据存储于井下，要分析、观察井下工况时，需要将 动力仪提出，不可能实时观察井下工况。因为这种方法耗资甚巨，工艺也较复杂，作为 其他诊断方法的一种验证是可行和可靠的，但作为一种独立的诊断方法，没有得到推广 应用。 ( 4 ) 计算机诊断法 如何利用井下泵功图来自动诊断泵况和杆柱情况是一件十分棘手，而又十分必要的 工作，人们从二十世纪6 0 年代开始就为此进行了许多的研究。 1 9 6 6 年壳牌石油公司的s g g i b b s 和a b n e e l y 提出有杆抽油系统的计算机诊断技术， 并于1 9 6 7 年9 月2 6 日获得美国专利。其基本理论的是把抽油杆柱看作并下动态信号的传导 线，而抽油泵则为发送器，泵的工作状况以应力波的形式沿抽油杆柱传递到地面，被作 为接收器的动力仪所接受。根据这个原理，建立了带阻尼的波动方程作为描述应力波在 抽油杆柱中传递过程的基本微分方程，以光杆动载荷及位移作为边界条件求解此方程， 可以得到抽油杆柱任意截面处的位移和载荷，从而绘出所需的抽油杆柱任意截面及泵功 图。根据这些泵功图，可以对抽油系统的工作状况做出分析和判断。 1 9 6 6 年以来，美国、加拿大、委内瑞拉、哥伦比亚等国开始推广应用该技术，据1 9 6 8 年统计，已在这些国家1 0 0 0 多口抽油井上应用，均收到显著的效果，已成为这些国家的 油田检测抽油系统工况不可缺少的手段之一。我国是1 9 8 3 年开始引进及应用计算机诊断 技术，在多个油田单位引进，并进行了现场试验和推广。 不过利用计算机诊断技术给出所需截面及泵功图后，还要有技术人员根据井下标准 泵功图来识别其故障，因此，故障识别成功率依赖技术人员的技术与经验。 ( 5 ) 人工智能诊断法1 5 1 西安石油大学硕士学位论文 人工智能诊断法始于上世纪8 0 年代末期，分别以模式识别、专家系统、人工神经网 络技术应用于有杆抽油系统故障诊断。人工智能研究如何用计算机来模拟人的思维和行 为，即由机器来完成某些与人类智能有关的活动( 如判断、推理及学习等) 。将人工智能 的理论和方法应用于设备的故障诊断，发展智能化的故障诊断技术已成为当今故障技术 发展的主流。 人工智能诊断法是以计算机诊断法为基础，辅以人工智能，对来自抽油井的大量数 据、信息进行综合的、介入人工智能的分析，以排除各种无用信息和干扰噪声，力求更 加全面、准确、实用地反映油井系统工作状况。国内于9 0 年代初开始应用该方法，目前 己基本形成应用规模。 1 4 人工智能诊断法在有杆抽油系统中的应用与发展现状 人工智能( a r t i f i e a li n t e l l i g e n c e ，a i ) 是一门综合性很强的交叉科学，诞生于2 0 世纪 中期。以人工智能科学为基础的智能技术的研究范围包括知识表示、推理技术、模式识 别、机器人、人工神经网络、知识工程与专家系统等许多方面。研究如何用计算机来模 拟人的思维和行为，即由机器来完成某些与人类智能有关的活动( 如判断、推理及学习 等) 。将人工智能的推理和方法应用于设备的故障诊断，发展智能化的故障诊断技术已成 为当今故障诊断技术发展的主流。在有杆抽油系统的故障诊断领域，国内外的研究己取 得许多成果。 1 4 1 专家系统的应用与发展 专家系统( e x p e r ts y s t e m ，e s ) 产生于本世纪6 0 年代中期，它是种基于知识的系 统，一种具有特定领域内大量知识与经验的程序系统。到目前为止，已研制成功了许多 实用的专家系统，应用领域也从化学、数学到企业管理、军事策略等各个方面，并且取 得了相当大的经济效益和社会效益。 近年来，有杆抽油系统诊断技术领域已经开始往专家水平方向发展，其技术关键是 实现泵功图的高水平自动识别。专家系统技术应用到石油工业的时间并不长，而在采油 机械故障诊断方面的应用，无论是国内还是国外均还处于探索阶段。 1 9 8 8 年，美国a r c o ( 阿科) 油气公司在p c 机上开发出一套用于有杆泵抽油井故障诊 断的专家咨询程序及专家系统。它提供抽油泵装置的基准数据，将地面实测的泵功图转 换成井下泵功图，然后与标准泵功图进行比较以判断故障类型嘲。 同年，美国c h e v r o n ( 雪佛龙) 公司也推出有杆泵诊断专家系统，运用反向推理机建 立一个可以识别典型泵功图并计算出有关数据的专家系统，然后利用这些数据诊断有杆 抽油系统的故障。目前还只能用于普通a p i 泵的诊断，不能用于特殊井下泵故障的诊断【7 j 。 随后s c h i r m e r p 等人首次运用模式识别技术来分析泵功图的形状，建立可以诊断7 种井下 泵故障的专家系统怔】。 4 第一章绪论 1 9 9 0 年，我国石油大学利用专家系统建造工具m 1 ，采用t u r b op r o l o g 语言、运用反 向链接推理技术在i b m p c 机上开发出一套具有智能型的有杆泵抽油井综合故障诊断技 术，即有杆泵抽油井故障诊断专家系统e s r o f d t 9 】。在形成知识库的内容时，提出了有 杆泵抽油井综合故障诊断技术的概念并首次引入故障树分析技术( f t a ) ，即在对有杆泵 抽油设备井下装置( 抽油杆柱、油管柱和抽油泵) 进行故障分析的基础上建立了有杆泵 抽油设备井下装置( s o p s ) 的故障树。由于知识库只存储了那些受到一种因素影响而发 生油井故障方面的知识，目前它只适用于泵功图图形特征较为明显的那些油井的诊断。 r r d i c k i n s o n 、j e k e a t i n g 、r e l a i n e 和j w j e n n i n g s 等人采用模式识别技术识别井 下泵功图问题，并取得很好的效果，较为普遍的有网格法和矢量法。w l f o l e y 、j g s v i n o s 在2 0 世纪8 0 年代建立第一个分析泵况专家系统，该系统应用统计法、模式识别技术和知 识库以推断抽油系统可能发生的问题。而后h j d e r e k 在走访许多著名专家后研制出有杆 抽油井故障诊断专家系统；j g s v i n o s 研制了用于有杆泵系统设计的专家系统【”j 。 专家系统是运用基于知识的程序设计方法建立起来的计算机系统，它拥有某个特殊 领域内专家的知识和经验，并能像专家那样运用这些知识，通过推理，在那个领域上做 出智能决策。它将领域知识编成一系列产生式规则，可以解决许多系统的故障诊断问题“ 上述科研成果对推动有杆抽油系统诊断技术的进步发展起到了一定作用，目前邑 开发出一些基于规则描述和推理的专家系统，并取得定的效果。但是，现场调研表明，j 由于抽油泵是在近千米到数千米的井下，工况极其恶劣，而且难以检测到抽油泵工作状 态的第一手资料：同时，各个油田又存在其各自的特殊性，再加上其他人为因素的影响， 使开发一个用于实践通用型有杆泵故障诊断专家系统还存在一定差距。 在实际工程应用中仍存在不少问题口j ： a 、知识获取的“瓶颈”。因为在对领域专家知识进行加工处理和规则化时，完全取 决于专家合作程度、经验和适用性等，而构造专家系统的关键就在于知识的获取。 b 、系统脆弱性。即知识和经验不全面，遇到没解决过的问题就无能为力，只有表面 性及经验性知识，缺乏本质与理性的知识，忽视了对知识的理解等深层作用，一旦出现 启发规则未考虑的情况，系统性能急剧下降。 c 、知识库管理困难。当知识库非常庞大时，由于专家系统采用串行方式，推理方法 简单且控制策略不灵活，引起搜索速度下降、规则相互抵触等知识组合爆炸问题，由于 系统不具备联想及自学习能力，对知识库的更新、修改及维护相当麻烦。 d 、推理能力差，智能水平低。 e 、实际应用受限制。传统专家系统的通用性较差，过于依赖具体研究对象。 专家系统应用于泵功图的故障诊断的技术关键是实现泵功图的高水平自动识别。但 是，由于难以系统地收集到各种故障类型的不同形状的泵功图，所以，要构造一个通用、 实用的有杆抽油诊断专家系统，并对之进行评价还存在一定差距。 西安石油大学硕士学位论文 1 4 2 人工神经网络的应用与发展 近年来，人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ，a n n ) 以其强有力的学习和并 行处理能力为故障诊断提供了全新的理论方法和实现手段，已被用于进行井下泵功图实 时诊断。 一个基于人工神经网络的智能系统是通过学习获取知识后建立的，从本质上讲，人 工神经网络的学习是一种归纳学习方式。它通过对大量实例的反复学习，由内部自适应 过程不断修改各神经元之间互连的权值，最终使神经网络的权值分布收敛于一个稳定的 范围，神经网络的互连结构及各连结权值稳定分布就表示了经过学习获得的知识。这同 基于符号的知识表示方法有很大的不同。一个已建立的人工神经网络可用于相关问题的 求解，对于特定的输入模式，神经网络通过前向计算可得出一个输出模式，从而得到输 入模式的一个特定解。从某种意义上来说，对于神经网络而言，它改变的不是知识库， 而是推理机的结构，它也是研究人工智能的一种重要的方法。 专家系统与人工神经网络相比，由于其模式识别能力低，有些只能对单一故障进行 诊断，往往只能识别种主要故障而查不出可能同时出现的其他故障，或者只能对那些 泵功图特征比较明显的油井进行诊断，即使较为先进的专家系统也只能对有限的几种故 障组合进行诊断：并且专家系统知识获取和适应能力较差，推断效率较低，只能解决事 先储存的由专家经验总结出来的故障现象和相对应的故障诊断方法，当遇到新问题、新 情况时，它就显得无能为力了。 而人工神经网络则以其较强的模式识别能力，可以对多种故障的任意组合进行诊断。 并且，神经元网络具有自适应性、自组织、自学习能力和并行处理的特征，在完成训练 样本后，运行速度很快，能从训练样本中自动获取知识。它能克服专家系统当启发式规 则未考虑到就无法工作的缺陷，解决了传统专家系统用于故障诊断中的不足。 随着人工神经网络这一新学科的发展，国内外许多专家学者在使用神经网络解决有 杆抽油井泵功图的故障识别方面作了大量的研究工作。 早在1 9 9 0 年，得克萨斯技术大学的j d r o g e r s 等人首次将人工神经网络理论引入泵功 图识别领域，开发游梁式抽油机泵功图的人工神经网络。他们的早期工作是应用误差反 向传播学习算法训练神经网络学习，采用迭代法对网络进行训练，仅识别出所学习的1 5 帧泵功刚“j 。 1 9 9 2 年由w i l l i a m s ( 威廉姆斯) 电讯公司、，i u s a ( 塔尔萨) 大学以及a a t i o c o ( 阿莫 科) 开采公司联合开发出用人工神经网络进行泵功图自动分析的计算机程序，它可以对 1 1 种不同问题或这些问题的任意组合进行识别。该系统采用三层神经网络，网络采用误 差后传算法进行训练。其构成是输入层有8 0 个节点、中间层有6 0 个节点、输出层有1 1 个 节点。中间层采用正弦感知器，输出层采用s 型感知器。实践证明该_ 6 心n 能够提供精确 有效的泵功图分析，为人工举升系统的操作及检测自动化创造了条件【l2 1 。 6 第一章绪论 1 9 9 3 年由委内瑞拉c o r p o v e n s a 公司和u c e n t r a ld ev e n e z u e l a 联合开发的有杆泵抽 油专家系统也是采用人工神经网络来进行抽油井故障诊断的。g m n a z i 等改进了以前所 用的网络模型，采用正弦型隐层感知机和s i g m o i d 型输出层感知机的三层( h y b r i d n e t w o r k s ) 混合前馈网络模型。系统采用迭代法进行训练，经过2 0 0 0 0 次迭代运算后通过 了对1 1 种故障类型的1 6 7 幅泵功图的学习。随后不久e r m o r t i n e z 等人尝试在油田 ( v e n e z u e l a ) 现场进行三层前馈神经网络的实际应用研究，他们收集了2 1 类1 4 0 1 j 爵泵功 图作为网络的训练集，经过1 0 0 0 0 次学习的神经网络在本油田范围的验证中取得了较满意 的识别效果”“。 1 9 9 6 年我国的潘志型1 4 】【1 5 1 等人为解决以往泵功图神经网络识别模型需要完备训练 集及学习效率低的问题，把自适应谐振网络模型用于泵功图的识别，提高了网络的学习 效率，对华北油田、中原油田两个油田的1 0 0 口现场实测井进行了诊断，基本上都得到了 满意的识别结论。 其中j d r o g e r s 年e i c t m n a z i i 作所取得的成绩引起了国内外许多专家学者的关注，掀 起了神经网络在解决有杆抽油系统泵功图故障识别问题领域的研究热潮。 1 4 3 神经网络专家系统的应用与发展 把神经网络与专家系统结合运用，发挥各自的优点是进行故障诊断的一种新途径。 可以采用模式识别技术将泵功图与预先存入计算机的各种标准泵功图进行对比排队以识 别井下故障，将专家经验的“知识库”输入计算机，建立“推理机”模拟专家推理过程， 使软件有“学习”及补充专家经验的功能，这就是所谓的“诊断专家系统”。美国雪弗龙 石油研究公司已经研制出这种系鲥1 6 。 我国石油开采领域已开始应用具有很强模式识别能力的有杆泵抽油井故障诊断智能 化系统进行泵功图识别。1 9 9 3 年由天津大学和大港油田采油二厂共同开发的抽油机井集 成化智能诊断系统可同时集成多种诊断方法进行综合诊断，智能化、集成化和自动化程 度较甜17 1 。 1 5 论文研究内容及结构 本课题是从油田现场实际生产要求出发的一个科研项目，目的是为了研究利用人工 神经网络实现泵功图的诊断分析并应用于有杆抽油现场，从而为石油装备技术水平的提 高和现代化建设提供一定的理论和实验支持，其主要任务是完成对泵功图的故障诊断。 本文研究重点放在利用神经网络的分类功能，完成对泵功图的识别与故障诊断，即直接 利用不同类型的实测泵功图进行图形的自动识别，利用网格灰度矩阵提取泵功图的故障 特征，构建标准的训练样本和测试样本集：借助功能强大的m a t l a b 语言系统及其工具箱 构建并训练b p 网络，使其有效完成泵功图的故障分类；通过改进现有的b p 算法，提高网 络的学习速度及可靠性。 西安石油大学硕士学位论文 1 5 1 研究内容 为了提高有杆抽油系统的故障诊断技术，主要开展以下几方面的研究： a 、理论分析研究 调查研究有杆抽油系统故障诊断的发展状况，跟踪国内外现状及文献检索：对油田 近几年有杆抽油系统诊断技术应用实施效果进行总体评价。 b 、涉及基础理论的学习与研究： 故障诊断原理与神经网络理论，分析基于神经网络的诊断技术原理 泵功图故障种类类型 泵功图神经网络识别的原理、方法及应用效果 b p 神经网络的模型、算法、训练及技术难点 m a t l a b 语言及其工具箱 c 、算法改造 分析b p 算法存在的问题及改进方法，以及b p 网络的泛化能力及其影响因素等。并 应用改进的b p 算法提高网络性能。 d 、软件设计 利用功能强大的m a t l a b 语言及其工具箱，完成故障诊断系统软件的设计。 e 、试验研究与分析 1 5 2 论文结构 论文的结构如图卜1 ，内容安排如下：第一章绪论主要介绍了课题的目的意义及国 内外研究现状：第二章对涉及的有杆抽油系统的结构组成、模式识别和神经网络的原理 及其操作实现的软件m a t l a b 等理论基础做简要介绍：第三章分析常见有杆抽油系统泵功 图的故障类型及图形分析方法，举例说明泵功图图形的识别与预处理；第四章研究神经 网络样本参数的选择和特征提取，网络结构的建立、学习与训练过程，完成故障诊断程 序的实现及测试；第五章总结论文的主要工作与实验结论、研究展望。 图1 - 1 论文的结构图 第一章绪论 1 6 论文创新点 论文致力于神经网络的实现和应用研究，创新点如下： ( 1 ) 基于k l a t l a b 工具箱实现泵功图的故障特征的自动提取； ( 2 ) 采用改进b p 算法进行神经网络的构建、训练及故障诊断，提高网络的学习速 度及可靠性，从而达到快速、准确地识别泵功图的目的。 西安石油大学硕士学位论文 第二章有杆抽油系统故障诊断的理论基础 2 1 有杆抽油系统的结构 从石油生产来看，一个油田，无论早晚都要进入机械采油阶段。一般情况下，机械 采油期阶段比自喷采油阶段的时间长。凡是利用抽油杆柱上下往复运动进行驱动的抽油 设备统称为有杆抽油设备。有杆抽油井在机械采油井中的比例，美国为8 5 、原苏联为 7 5 、我国为9 1 【“，可见为应用最广泛的抽油设备。当前，机械采油的种类很多，以按 动力传递方式的不同，可分为两大类： ( a ) 有杆泵类地面动力带动抽油机，并借助于抽油杆来带动深井泵的工作。将 地面动力传递给深井泵的是抽油杆。按抽油机构类型的不同，可分为游梁式抽油机和无 游梁式抽油机。目前国内外用得最多的是游梁式抽油机。 ( b ) 无杆泵类不借助于抽油杆来传递动力的抽油设备均属于无杆泵抽油。 有杆抽油机是世界石油工业传统的采油设备，这是迄今在采油工业中占主导地位的 人工举升的采油方式。在我国油田拥有的大量有杆抽油机中，游梁式抽油机又占了主导 地位。 图2 - 1 有杆抽油机的运行现场 2 1 1 游梁式抽油机的工作原理 游梁式抽油机是有杆抽油设备系统的地面装置( 常规游梁式抽油机结构如图2 2 所 示) ，它由动力机、减速器、机架和四连杆机构等部分组成。减速器将动力机的高速旋转 运动变为曲柄轴的低速旋转运动；曲柄轴的旋转运动由四连杆机构变为悬绳器的往复运 动：悬绳器下面接抽油杆柱，抽油杆柱带动抽油泵柱塞( 或活塞) 在泵筒内作上下往复 直线运动，从而将油井内的油举升到地面【l ”。 电动机通过减速器带动游梁和平衡锤作上下往复转动，游梁前端的“驴头”呈圆弧 o 第二章有杆抽油系统故障诊断的理论基础 状，保证安装在其上的钢索总是垂直地牵引抽油杆柱作上下往复运动。平衡锤与“驴头” 的运动方向相反，且双方( “驴头”方包括抽油杆及抽油泵等) 力矩大致相等。一方增加 势能时( 升高) 正好吸收另一方释放的势能，因此只要平衡调得好，电动机所做的功除 了克服机械磨损外全部用来升高抽汲液柱的势能。 游梁式抽油机的基本特点是结构简单、制造容易、维修方便，特别是它可长期在油 田全天候运转，使用可靠。因此，尽管它存在驴头悬点运动的加速度较大、平衡效果较 差、效率较低、在长冲程时体积较大和笨重等缺点，但仍是目前应用最广泛的抽油机【l 。 2 1 2 有杆抽油系统的工作原理 2 减速器 3 平衡锤 4 游粱 5 驴头 6 钢索 t 悬蝇器 8 光杆 g 抽油杆 1 1 套营 1 2 气柱 1 3 涟柱 1 4 深井泵 1 5 活塞 1 6 游动阔 l t 固定阀 1 2 1 3 l t 油层 图2 - 2 有杆抽油系统示意图 由图2 2 可见，有杆抽油系统由三部分组成：一是地面部分杆式抽油机( 有时 也把整个抽油系统简称为抽油机) ，它由电动机、减速箱和连杆机构( 包括曲柄、连杆和 游梁) 组成，将电动机的旋转运动变为往复运动。目前应用最为广泛的是游梁式抽油机； 二是井下部分抽油泵( 包括固定阀、泵筒、活塞和游动阀) ，它是悬挂在套管中油管 的下端，汲排油井中的液体：三是联系地面和井下的中间部分抽油杆柱，它由一种 西安石油大学硕士学位论文 或几种直径的抽油杆和接箍组成，它把地面设备的运动和动力传给井下抽油泵。除以上 三个主要组成部分外，就有杆抽油系统而言，还应包括用于悬挂抽油泵并作为液体通道 的油管柱、油套管环形空间以及井口装置等。 本章以游梁式抽油机介绍有杆抽油系统的工作原理。 当电动机通过皮带驱动减速箱工作时，经减速后，通过四连杆机构( 盐柄、连杆、 横梁和游梁) 把减速箱输出轴的旋转运动变成游梁驴头的往复运动，驴头通过钢丝绳( 毛 辫子) 带动光杆和抽油杆作上下往复直线运动。通过抽油杆再将这个运动传给井下抽油 泵中的柱塞【j 。 当抽油杆带动柱塞向上运动时( 上冲程) ，游动阀在油管内液柱压力下关闭并排出活 塞冲程的一段液体，与此同时，泵桶内压力下降( 即固定阀与活塞之间的空间) ，在环空 间液柱压力的作用下，泵内固定阀打开，井内混合的油气进入泵内活塞所让出来的空问。 同时，由于泵的游动阀关闭，柱塞将它上面油管中的原油举到井口。这就是抽油泵的吸 入过程。当抽油杆带动柱塞向下运动时( 下冲程) ，泵内液体受压缩，压力增高，当此压 力等于环形空间压力时，固定阀靠自重而关闭，在活塞继续下降中，泵内压力继续升高， 当泵内压力超过油管内压力时，泵内液体立即顶开游动阀并进入活塞上部。游动阀关闭 而游动阀打开，泵筒中的原油被排到它上面的油管中。这就是抽油泵的排出过程。这样， 在活塞不断上下运动中，固定阀和游动阀不断地交替开关，完成吸入油气、排出油气， 使油管内液面不断上升，一直到井口排入集油管线。当有杆抽油系统周而复始地工作时， 原油就源源不断地被采出 m l 【2 0 1 。 应用有杆抽油系统的目的就是将地面的电能传递给井下液体，从而举升井下液体。 整个系统工作时，就是一个能量不断传递和转化的过程【1 9 1 ，如图2 - 3 所示。 产刖襄卜酬鍪慷 图2 - 3 有杆抽油系统结构三要素及其组合 2 1 3 抽油泵的工作原理 有杆抽油泵属于一种特殊形式的往复泵，动力从地面抽油杆传递到井下，使抽油泵 的柱塞作上下往复运动，将油井中石油沿油管举升到地面，完成人工举升( 非自动喷油) 采油。 抽油泵的结构和工作原理如图2 4 所示。抽油泵主要是由泵筒、柱塞、固定阀( 吸 入阀或进油阀) 和游动阀( 排出阀或出油阀) 组成。上冲程时，柱塞下面的下泵腔容积 增大，压力减小，固定阀在其上下压差的作用下打开，原油进入下泵腔：与此同时，游动 阀在其上下压差作用下关闭，柱塞上面的上泵腔内的原油沿油管排到地面。同理，下冲 第二章有杆抽油系统故障诊断的理论基础 程时，柱塞压缩固定阀和游动阀之间的原油，关闭固定阀，打开游动阀，下泵腔原油进 入上泵腔。柱塞一上一下，抽油泵完成了一次循环。如此周而复始，返复进行循环i ”。 三h 才l tt 拦 ! d _ _ _肌 _ _ 二坶车 = _ _ e ；：二： 二- 二二： 二_ 二二： 王 挝： 胁 琴冬。 j = 二二二= l 4 5 b 卜泵筒 2 一套首 3 一油管 4 一柱塞 5 一游动阀 6 一固定阔 开始上冲程开始下j 中程 图2 4 抽油泵的工作原理 综上所述，深井泵的工作原理可概括为活塞上行时吸液入泵，排液出井：活塞下行 时，泵内液体转入油管，不排液出井。 2 2 模式识别理论 模式识别( p a t t e r nr e c o g n i t i o n ) 诞生于2 0 世纪2 0 年代，随着4 0 年代计算机的出现， 5 0 年代人工智能的兴起，模式识别在6 0 年代初迅速发展成一门新兴学科。它所研究的 理论和方法在很多科学和技术领域中得到了广泛的重视，推动了人工智能的发展，扩大 了计算机应用的可能性。几十年来，模式识别研究取得了大量的成果，在很多地方得到 了成功的应用【2 ”。 2 2 1 模式识别系统 模式识别是指用计算机的方法来实现人的模式识别过程，更确切地说，就是实现人 对各种事物或现象的分析、描述、理解、判断和综合。其作用和目的就在于面对某一具 体事物时将其正确地归入某一类别。 有两种基本的模式识别方法，即统计模式识别方法和结构( 句法) 模式识别方法， 与此相应的模式识别系统都由两个过程所组成，即设计和实现。设计是指用一定数量的 西安石油大学硕士学位论文 样本( 口q 做训练集或学习集) 进行分类器的设计，实现是指用所设计的分类器对待识别 的样本进行分类决策。 基于统计方法的模式识别系统主要有4 个部分组成：数据获取、预处理、特征提取 和选择、分类决策，如图2 5 所示。 图2 - 5 模式识别系统的基本构成 2 2 2 泵功图故障诊断中常用的模式识别方法 以模式识别技术为基础的人工智能诊断法，主要是以泵功图为诊断依据，着重在提 取泵功图的特征，包括几何、形状、力学等方面的特征，并经欧氏距离、绝对差距离、 费歇分离器、模糊综合评判等分类器进行分类识别，实现抽油系统的计算机自动识别。 美国的r r d i c k i n s o n 和j w j e n n i n g s 于1 9 8 8 年完成了第一个用模式识别技术识别井下 泵功图的软件开发工作，在其软件中，他们采用了网格法、位基傅立叶描述法、曲率基 傅立叶描述法以及特征字符串对比法等四种方法对泵功图进行自动识别，建立了2 8 种油 井工况的参考图库，并用这四种方法分别对7 口油井泵功图进行了诊断分析。这四种方 法所提取的泵功图特征分别为：网格矩阵( 或网格灰度矩阵) 、位基傅立叶级数系数、曲 率基傅立叶级数系数、字符串，而所使