潜油柱塞泵MMAGA-RBF故障诊断方法

作     者：于德亮 李妍美 丁宝 赵鹏舒 孙浩 YU Deliang;LI Yanmei;DING Bao;ZHAO Pengshu;SUN Hao

作者机构：哈尔滨理工大学电气与电子工程学院哈尔滨150001 大庆油田采油工程研究院黑龙江大庆163000 哈尔滨工业大学电气工程及自动化学院哈尔滨150001 

出 版 物：《哈尔滨工业大学学报》 (Journal of Harbin Institute of Technology)

年 卷 期：2017年第49卷第9期

页      面：159-165页

核心收录：

学科分类：0820[工学-石油与天然气工程] 08[工学] 082002[工学-油气田开发工程] 

基　　金：黑龙江省自然科学基金(E201305) 

主　　题：潜油柱塞泵 特征参数 故障诊断 RBF MMAGA 

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.