神经网络信息融合技术在故障诊断中的应用

在简述多传感器信息融合技术和BP诊断神经网络的基本概念后 ,详细讨论了基于神经网络多传感器信息融合的柴油机故障诊断技术 ,给出了测试系统框图和数据处理模式。在4 135柴油机上进行的 10种故障状态和 7种神经网络输入特征的故障监测和诊断实验表明 ,压力信息与振动信息的融合诊断效果比单一压力信息或单一振动信息要好 ,融合诊断的正确识别率比单一信息分别提高了 1 6%和 2 8 3% ,神经网络多源信息融合技术对复杂机械故障状态有较好的可诊断性和准确性。     

基于数据融合技术的钻井过程故障诊断

提出一种基于数据融合技术的钻井过程故障诊断方法.系统采用三层结构,特征层利用BP神经网络对单个测点的多个钻井参数进行故障模式识别;决策层利用D-S证据理论对多个测点的初步识别结果进行融合,得到证据融合决策诊断结果,提高了系统决策的准确性和合理性,使诊断系统适用于多变量、多参数、多过程的复杂钻井过程系统.     

钻机远程在线监测及故障诊断系统研究

为了实现对野外钻机的有效监测,提前预防设备故障的发生,开发了钻机远程在线监测及故障诊断系统。介绍了系统的工作原理及总体构架,给出了各个子系统的硬件配置和功用说明,描述了系统实现的主要功能,如振动、温度等数据采集与存储、仪表和电控状态监测、数据的远程在线传输、振动信号分析和智能故障诊断。该系统以钻井现场为采集平台,将计算机技术、传感器技术、信息融合技术、远程通信技术、数据库技术与设备诊断技术相结合,实现钻机主设备的全运行周期的监测与管理。该系统监测模块灵活方便、通信模块安全可靠、诊断模块功能强大,可满足分散钻机远程在线监测及故障诊断的需求。     

基于信息融合理论的柴油机故障诊断技术

应用多传感器信息融合理论与不确定性决策理论,研究了基于神经网络和D-S证据理论相结合的信息融合的故障诊断方法。以传感器检测数据为输入,以神经网络输出构造基本概率赋值函数,对不同传感器的检测证据按D-S证据理论进行融合,得到待识别目标的诊断可信度。通过对柴油机振动监测数据、燃油压力波动信息以及两者融合信息的故障诊断结果的比较,表明基于神经网络和D-S证据理论相结合的多传感器信息融合方法用于复杂机械的故障诊断是可行和有效的。     

基于多源异构信息融合的机械故障诊断方法

针对振动信号或红外图像等单类型传感器信息难以准确表征机械设备的健康状态,存在诊断不确定性的问题,提出基于改进卷积神经网络(CNN)的多源异构信息数据级融合诊断方法。首先采用变分模态分解(VMD)和希尔伯特变换(HT)方法将振动信号处理成与红外图像同维的时频图像,并将其与红外图像进行数据级融合,得到多通道融合信号,然后将该信号输入到多通道卷积神经网络中进行训练以构建融合诊断模型,最后通过转子系统故障诊断实例验证了所提方法的正确性。研究结果表明:CNN、SAE和DBN等特征学习方法可以自适应逐层提取特征,提取的特征包含更多有用的诊断信息,优于人工提取特征;多源异构数据对不同故障类型敏感性不同,具有互补性,融合诊断正确率更高,可实现对设备健康类型更精准的判断;多源信息融合诊断方法可以很好地保留原始输入信息,对实验室转子系统故障实现精确诊断;该方法可以减少数据需求量,在小样本背景下具有良好的诊断性能;该方法对噪声敏感性低,在噪声环境下具有较好的鲁棒性和抗噪性。研究结果可为旋转机械的故障诊断提供一定的参考。     

基于D-S证据理论的石油钻机安全信息融合模型研究

为提高石油钻机安全监控系统的可靠性和准确性,提出了一种基于D-S证据理论的钻机安全信息融合模型。首先对石油钻机的多种运行状态进行模型化和数字化处理,并建立多源信息融合模型。其次根据融合信息结果和专家决策规则,利用D-S证据理论信息融合算法对钻机设备的安全状态进行实时判断。最后通过实际油井数据建立仿真算例,验证了该信息融合模型的可行性和有效性。     

基于RBF网络的抽油机减速器故障诊断

针对振动频谱复杂、受频率分辨率限制,使得传统振动频谱法诊断正确率不高等问题,提出用径向基函数(RBF)神经网络来进行抽油机减速器故障诊断。介绍了径向基函数神经网络的结构、算法以及实现;通过对减速器振动时域信号及其频谱进行分析,总结归纳出具有典型特征的诊断样本,组织构造相应的神经网络。分析研究结果表明,RBF神经网络易于实现减速器故障的自动诊断,并能提高故障诊断的准确性。     

融合多源信息的液压动力单元故障诊断方法

针对液压动力单元中元件数量繁多、联系复杂,以及难以精确进行故障诊断的问题,提出了融合多源信息的贝叶斯网络故障诊断新方法,建立了液压动力单元单一故障失效模式的贝叶斯网络拓扑结构,开发了融合多源信息的故障诊断网络。利用Noisy-OR/MAX计算了故障诊断网络的条件概率参数;针对两故障并发模式,将观测信息节点加入已建立的单一故障模式诊断网络,辅助诊断液压动力单元的两故障并发失效。实例诊断结果表明:对单一失效的诊断,观测节点对诊断结果的影响不大,正确率均接近100%;对于两失效同时发生的情况,未考虑观测信息的模型出现了漏诊和误诊的问题,正确率不到50%,而考虑观测信息的模型能够正确诊断出所有两失效并发的情况,正确率达到100%。研究结果可为水下生产系统的故障诊断奠定基础。     

基于BP神经网络的螺杆泵井故障诊断方法

将神经网络原理应用于地面驱动螺杆泵采油系统的故障诊断,采用改进的BP神经网络,根据螺杆泵井的故障特点,通过理论研究,选取能够表征油井生产状态的状态变量作为神经网络的输入向量,归纳出常见的螺杆泵井故障形式作为目标输出。同时采集了大量现场数据,并进行分类整理,构成了网络的训练样本。通过对网络进行训练,获得具有一定泛化能力的网络。利用VB与Matlab编制的相应软件进行螺杆泵井的故障诊断,获得了正确的诊断结果,证明该方法具有一定的实用性。     

基于CAN总线的液压车装钻机监控系统

针对液压车装钻机自动化、数字化、智能化、信息化要求不断提高及其状态监测与控制系统分散等现状,采用集成控制的方法,基于控制器局域网构建了液压车装钻机的分布式监测与控制系统,设计了监控系统的总体结构和设备状态监测子系统,并利用嵌入式技术,采用无线数据传输模块构成无线网络传输系统。该系统具有集成度高、抗干扰能力强、可扩展性好等特点,便于车装钻机实现在线故障诊断报警,也便于通过无线局域网实现远程监控与故障诊断。     

Fuzzy System for Prognosis of Tank Failure Based on Neural Network

A system for prognosis of tank failures was set up based on the results of analysis on fault phenomena. An algorithm incorporating fuzzy mathematics with the BP neural network was used to solve this prognosis model, and the availability of this model was also analyzed. This neural network-based fuzzy system for prognosis of tank failures has been put into operation at Huangdao oil terminal. The application results have shown that this system is effective for real-time prognosis of various potential tank failures and timely adoption of mitigative measures to avoid major tank accidents, which would have great significance for safeguarding the safe operation of the oil terminal.     

基于分层模糊系统的石油钻井参数预测模型

确定钻井过程中工程参数的异常变化是石油钻井事故预警系统的重要内容。针对钻井过程高度复杂和输入变量众多的特点,建立了一种基于分层模糊系统的工程参数预测模型,通过参数预测模型输出与其实际值的误差来判断参数是否异常。通过模糊曲线法对预测模型的众多输入变量进行合理筛选,利用ANFIS学习算法对预测模型的结构以及隶属函数、模糊规则等参数进行训练和优化。引入动态论域概念解决模糊化时参数基准缓变产生的问题。实验表明,这种预测模型具有良好的预测稳定性,满足实时性要求,并可充分利用经验知识,准确反映工程参数的变化趋势。用钻具掉落的事故数据进行检验,结果显示该模型能够及时发现参数的异常变化,从而为事故预警奠定基础。     

钻井泵故障诊断方法的探索与实践

钻井泵是石油钻井中循环系统的关键设备，其工作状态的好坏直接影响到钻井工作的安全、效率、质量和成本。为了保证钻井泵的正常工作和钻井生产的正常进行．提高钻井泵的现代化维修和管理水平．亟待研制适用于现场使用的、科学先进的钻井泵实时故障诊断系统。文章在分析了目前石油钻井泵故障诊断研究工作现状的基础上，结合现场的需要和自己的研究工作，认为研究工作的重点应放在钻井泵动力端上．应致力于研制先进实用的整个泵的故障诊断系统。文章介绍了作者在钻井泵振动故障诊断系统研制开发方面的工作情况和取得的初步结果。     

层次分析法在螺杆泵井故障诊断中的应用

目前螺杆泵井存在故障形式多、诊断困难等问题，制约了螺杆泵采油系统的经济效益及系统效率的提高。为解决这一问题，结合层次分析法和模糊数学理论，提出了一种螺杆泵井层次分析故障诊断法。该方法通过建立螺杆泵井某一故障形式的评价指标体系、构造层次结构、构造判断矩阵以及隶属度函数，求得该种故障形式的评价值。通过对比不同故障形式的最终评价值来判断螺杆泵井真实的故障情况。经实际油井验证，该方法具有一定准确性，对目前油田中螺杆泵井故障诊断、提高螺杆泵井系统效率具有一定的指导意义。     

油气层综合解释系统的开发与应用

以人工神经网络技术和模糊隶属度统计方法为理论基础，在SUN工作站环境下开发了油气层综合解释系统。该系统用于识别岩心、岩屑、井壁取心、测井、气测和钻井等6大类46个参数。对于其中的定性参数，通过模糊统计确定参数不同属性属于油层、气层、水层和干层的隶属度，作为定性参数定量化的依据。在建立的动态神经网络模型中，不同的储集层流体性质以10种输出元输出模式表示。在应用过程中可通过选择不同的输入参数和中间层神经元数日调整神经网络结构，以适应不同的地质情况和对实际资料的要求。通过在辽河油田曙光、大洼等多个地区的实际应用，系统取得了良好的应用效果。     

钻机旋转系统的自适应PID控制策略

钻井过程中钻头的黏滑振动会导致钻头失速,引起钻机旋转系统发生故障,从而降低钻井渗透率,增加钻井成本。为此建立了钻机扭转特性模型,并提出了自适应PID控制策略用于抑制黏滑振动。首先对系统进行输入状态线性化控制,补偿钻机非线性特性引起的黏滑运动;其次设计自适应PID控制,使其在旋转系统参数大范围的变化和不确定的情况下,自适应控制保证系统输出的跟随控制及最优工作状态,同时PID控制加快系统动态响应速度,缩短系统调节时间。针对钻机扭转特性模型及钻头和岩石间摩擦扭力模型进行仿真试验,结果表明,自适应PID控制可有效抑制钻头的黏滑振动,改善钻机旋转系统工作的动态及静态响应特性,提高系统的稳定性和可靠性。     

共振解调和模糊识别技术在钻井泵轴承故障诊断中的应用

在钻井生产现场,由于工作条件恶劣及振源多,背景噪声强烈,因而用理论计算所得到的故障特征频率与实测信号经一般频谱分析后得到的响应信息缺乏一一对应关系.为了解决钻井泵轴承故障特征难以提取的问题,采用共振解调技术来提取深埋于正常振动信息中轴承的故障信息,在此基础上进行频谱分析.但由于实际轴承的几何尺寸有误差,再加上现场各种因素的干扰,使这样得到的频谱图上的频率值与计算所得故障特征频率值仍有出入.进一步采用模糊"择近原则"来识别各种故障特征频率,从而较好地实现了钻井用往复泵轴承的故障诊断.