基于BP神经网络与示功图分析的抽油机故障诊断系统

摘要

在当前世界石油生产中，特别是油田开发后期，有杆泵抽油方式占有很大比重。油田生产往往是在野外进行，地理位置分散，自然环境恶劣，井下工况复杂，造成抽油机的故障诊断不及时和故障处理不及时，严重影响油田的产量和经济效益。因此抽油机的故障诊断一直是油田生产领域的一个难题。及时分析抽油机工况，给出可靠的故障诊断结果和建议，对提高油田生产效率和经济效益有着及其重要的意义。
　　在采油工艺技术中，通常以示功图作为分析抽油机井下工况的主要依据。本文设计并实现了基于示功图分析的抽油机故障诊断系统，旨在对抽油机常见的故障做出诊断和故障程度的判断。论文主要完成了以下内容:
　　首先，论文在介绍了故障诊断系统的发展以及抽油机和抽油泵工作原理的基础上，重点对示功图的形成过程、典型故障示功图的图形特点和形成原因做出了分析。
　　其次，详细介绍了人工神经网络，尤其是BP网络的基本理论及应用，研究了BP网络结构的建立原则、网络样本的处理方法、网络样本的训练方式。论文以抽油机的常见故障为基础，建立了对其进行故障诊断的11-21-14三层网络结构。针对BP神经网络的不足，探讨了几种改进的BP算法，并详细分析了这些改进算法在故障诊断中的应用效果。
　　最后，论文介绍了整体系统的实现。抽油机故障诊断系统是采用LabVIEW和Matlab混合编程实现的，整个系统具有示功图提取数据功能、报警功能和诊断结果分析功能。同时在测试系统时，给出了实验过程和实验结果。
　　实验证明，本系统可行性好，故障识别准确度高，且对故障程度进行了简单的判断，可在实际应用中进一步验证。

目录

声明

摘要

第1章 绪论

1．1 课题来源

1．2 课题研究的背景及意义

1．3 抽油机的故障诊断技术的发展和国内外现状

1．4 系统总体设计方案

1．4．1 系统的结构和组成

1．4．2 系统主要功能和工作过程

1．5 论文主要研究内容

第2章 示功图分析的理论基础

2．1 油田采油方式

2．2 有杆泵抽油原理

2．2．1 抽油机工作原理

2．2．2 抽油泵工作原理

2．3 示功图

2．4 典型故障示功图特征

第3章 人工神经网络理论

3．1 神经网络的基本概念

3．2 人工神经网络的组成与结构

3．2．1 神经元模型

3．2．2 人工神经元的工作过程

3．2．3 人工神经网络系统的特性

3．2．4 神经网络的学习方式

3．3 BP神经网络

3．3．1 BP算法的学习过程

第4章 BP神经网络的建立与故障诊断

4．1 神经网络结构、输入和输出神经元个数的确定

4．2 数据及训练样本的处理

4．3 样本数目的确定

4．4 隐含层神经元个数的选取

4．5 传递函数的选取

4．6 BP网络算法的一些改进

4．7 改进算法的性能分析

4．8 改进算法训练分析

4．9 本章小结

第5章 故障诊断系统实现

5．1 LabVIEW软件平台

5．2 LabVIEW与数据库的连接

5．3 LabVIEW与MATLAB混合编程

5．3．1 MATLAB Script节点

5．3．2 利用Active与MATLAB连接

5．4 故障诊断的计算分析

5．5 故障的识别

5．6 前面板的设计

第6章 总结与展望

参考文献

致谢