两层分采同步抽油系统故障诊断模型的数值分析法

建立两层分采同步抽油系统的故障诊断模型 ,研究在实心抽油杆与空心抽油杆的界面处空心泵对应力波的影响 ,给出抽油杆柱不同杆段的波动方程的显示差分格式 ,提出一种故障诊断模型的反问题计算法。用此算法可在缺少一个边界条件的情况下求解故障诊断模型 ,获得抽油系统各个工况下抽油杆柱任意截面的受力状态 ,从而绘制出两层分采同步抽油系统的空心泵示功图和管式泵示功图。将此算法与模式识别技术相结合可对两层分采同步抽油系统的故障进行诊断。     

两层采同步抽油系统故障诊断模型的数值分析法

建立两层分采同步抽油系统的故障诊断模型，研究在实心抽油杆与空心抽油杆的界面处空心泵对应力波的影响，给出抽油杆柱不同杆段的波动方程的显示差分格式，提出一种故障诊断模型的反问题计算法。用此算法可在缺少一个边界条件的情况下求解故障诊断模型，获得抽油系统各个工况下抽油杆柱任意截面的受力状态，从而绘制出两层分采同步抽油系统的空心泵示功图和管式泵示功图。将此算法与模式识别技术相结合可对两层分采同步抽油系统的故障进行诊断。     

有杆泵抽油系统常见井下故障探讨

针对有杆泵抽油系统故障发生时的特点及原因进行分析探讨,得出有杆泵抽油系统井下设备失效是出现故障的主要原因,并在此基础上结合油田的特点阐述了改进的措施及取得的效果。     

基于动力学方程的水基动力无杆抽油机井下故障诊断方法研究

水基动力无杆抽油机是一种新型的抽油装置,对其开展故障诊断工作具有重要的意义。分析了水基动力无杆抽油机动力缸受力情况,建立了动力缸运动学方程,研究了动力缸运动方程中的参数变化与井下典型故障的映射关系,提出了运用动力缸运动方程组合系数的变化进行水基动力无杆抽油机故障诊断的方法。研究结果表明在不同工作状态下,动力缸运动方程系数的变化与井下故障有明确的对应关系,可以做到对于水基动力无杆抽油机几个典型故障的定性诊断,并能在一定程度上对于故障类型做出判断。研究结果对于水基动力无杆抽油机的故障诊断工作有工程实践意义,并对后续研究工作的参考价值。     

基于BP神经网络的全贯流电机泵故障诊断

BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络,可用于数据的运算分类及预测,在故障诊断分析方面应用广泛。全贯流电机泵特点是电机的转子代替了水泵的叶轮外壳,电机泵的电机故障特点比普通电机多且复杂。目前,全贯流泵故障诊断的研究较少,但BP神经网络算法对电机故障诊断分析的研究应用成熟。运用BP神经网络算法尝试对全贯流泵可能存在的故障进行模拟诊断分析与研究,得到了较好的效果。     

基于贝叶斯分类的核电站泵类设备振动故障诊断方法

传统方法在诊断设备振动故障时,仅提取了振动信号时域特征作为故障向量,导致故障诊断准确率较低、诊断时间较长,故设计了基于贝叶斯分类的核电站泵类设备振动故障诊断方法,在采集泵类设备振动信号后,重构振动信号低频部分并提取信号的时域和频域向量。将提取结果作为贝叶斯分类器的条件属性变量,计算变量归于故障类别的信息熵,选择最高信息熵对应的故障类别作为诊断结果。结果表明：该方法在提高故障诊断准确率的同时缩短了诊断时间。     

泵机系统故障诊断方法探讨

1.引言 泵机是油码头的主要生产设备,其状态的好坏与企业的经济效益和国家财产及人民的生命安全息息相关。因此,泵机系统故障的现场诊断具有重要的意义。 泵机系统的故障包含着较复杂的因素,其主要故障类型包括:对中不良、不平衡、滚动轴承故障等。大量试验研究表明:上述各种故障均通过不同的振动特征反映出来。因此,采用什么方法分析和提取何种特征参量是泵机故障诊断的关键。 2.泵机系统故障的特征识别     

基于小波包-模糊神经网络的发动机泵机组故障诊断

提出了利用小波包分解、神经网络和模糊诊断的方法进行发动机泵机组故障诊断;运用小波包频带能量分解,可以在不丢失振动信息的情况下降低信号的维数,提高神经网络的识别能力;运用了神经网络使故障诊断具有自适应、自学习能力,对发动机泵机组的各类故障进行分类和训练,得到了满意的效果.     

基于故障树分析的橡胶压块机液压系统故障诊断及搜索策略

针对橡胶压块机液压系统结构复杂、故障不易发现的特点,利用故障树分析法,综合考虑故障诊断中的搜索代价、故障发生概率等因素求解液压系统故障搜索策略,并成功地应用于橡胶压块机泵电机组憋停的故障诊断中,提高了故障诊断的快速性和准确性。     

基于声振耦合分析的离心泵故障诊断

离心泵故障诊断一般采用接触式传感器采集的振动信号作为分析依据,但由于某些泵组的结构复杂、工况特殊,有时难以采用接触式传感器采集任意位置的振动信号。故本文采用了非接触式的传声器采集故障泵组的声音信号,并与振动信号进行耦合分析,从而利用噪声信号诊断出故障位置,为离心泵故障诊断技术提供了一个新的思路与方法。