基于RS-LVQ的同井注采系统故障诊断研究

针对有杆泵同井注采系统的非常规结构,提出了一种反推计算方法,建立并求解了其故障诊断模型;然后应用不变矩特征法提取注入泵功图的7个不变矩特征,建立了基于RS-LVQ的有杆泵同井注采系统井下故障诊断系统。在保持分类能力不变的前提下,应用SOM神经网络对原始特征数据进行离散化处理,并应用RS理论对其进行属性约简;建立LVQ故障诊断子系统后,输入约简决策表进行学习训练。实例分析结果表明:SOM神经网络解决了决策系统中连续属性值的离散化问题;RS属性约简不仅可以提高诊断效率,而且简化了故障模式识别的LVQ网络结构;LVQ作为后端,因其有很强的非线性映射能力,保证了诊断结果的精度。因此,该诊断系统能够正确而且高效地对有杆泵同井注采系统进行故障诊断。     

神经网络有杆泵诊断专家系统

人工神经网络技术的出现为抽油机井智能化诊断提供了一条崭新的途径。在简要介绍神经网络有杆泵诊断专家系统原理基础上，叙述了用于诊断系统的神经网络ＢＰ学习算法，以及应用现有的实测示功图和井声曲线图作为样本，对神经网络进行训练，最后应用这种算法建成有杆泵诊断专家系统。     

有杆抽油系统故障诊断的人工神经网络方法

将人工神经网络用于有杆抽油系统故障的自动识别.对江苏油田的实测示功图数据进行了预处理,利用Matlab6.5进行编程,应用相同的数据对BP神经网络模型和自组织竞争神经网络模型的识别效率进行了对比.结果表明,由自组织竞争神经网络建立的模型对测试数据的正确识别率更高,识别效果稳定.因此,将自组织竞争神经网络应用于示功图的自动识别问题对实现有杆抽油系统故障诊断的自动化以及实现真正意义上的数字油田提供了一种有效途径.     

两层分采有杆抽油系统井下故障诊断方法

两层分采有杆抽油系统的抽油泵由上、下泵构成,系统的工况诊断需要分别获得井下上、下泵示功图,现有的测试手段无法直接检测.提出了2层分采有杆抽油系统示功图分解方法,阐述了系统示功图的分解原理、动载荷确定和分解步骤,将复杂的分采系统井下故障诊断转化为上、下泵单独工作时的2套常规有杆抽油系统的井下故障诊断,结合系统故障诊断模型求解得到上、下泵各种工况下的载荷,绘制出上、下泵井下示功图,用于完成故障诊断.现场实例计算表明,诊断结果能较好地反映系统的实际工况,可以满足工程设计要求.     

人工神经网络有杆抽油系统故障诊断专家系统

基于人工网络有杆抽油系统故障诊断专家系统是将人工神经网络与传统专家系统的相结合的智能诊断系统，把传统的基于符号的推理变成基于数值运算的推理，以提高专家系统的执行效率并解决其自学习问题。将大量由专家解释过的有杆抽油的泵示功图进行数字化和规范化处理后作为训练样本对人工神经网络进行训练并建立诊断知识库。实时采集待诊断井的泵示功图并做数字化和规范化处理，调用知识库，用人工网络进行故障识别和推理变成基于 解     

基于示功图的油井工况智能分析

油井工况智能诊断是数字化油田发展的一个重要方面,其重点是通过智能诊断技术提高油井故障诊断的准确性和多故障同时诊断的能力.结合延长油田定边采油厂油田数字化研究项目,研究基于示功图的油井工况智能分析技术.通过实时采集有杆泵抽油机的示功图.应用人工神经网络技术进行模式动态识别,提取特征参数,并根据油井自身参数建立油井故障诊断模型,可对油井工况进行快速、准确地识别和智能分析.     

基于实际井眼轨迹的有杆泵抽油系统泵工况诊断方法

井下泵工况的诊断是油田抽油杆系统的重要研究内容,根据基于实际井眼轨迹的抽油杆柱三维动力学振动方程,通过有限差分法进行时间和空间上的离散,并以实测近地面示功图为井下动态参数诊断的边界条件,迭代计算抽油杆柱任意截面一个周期内的载荷位移变化关系,实现对有杆抽油系统快速、准确的诊断,并利用井下实测功图数据来验证诊断结果的正确性。结果表明,利用本文方法诊断的泵示功图具有很好的精度,误差小于5%。     

有杆泵同井注采系统工况诊断方法研究

与常规的单泵系统相比,有杆泵同井注采系统结构更加复杂,井下工况更加恶劣,现有技术不再适应其井下故障诊断的需要,严重影响了油田的产量和经济效益。鉴于此,根据现场实际工况,从Gibbs模型出发,提出了一种反推计算方法,建立并求解动载模型,进一步结合实测悬点示功图,绘制采出泵和注入泵示功图。现场18口井的应用中,对注入泵故障的判断结果与检泵结果符合度为91.3%,验证了计算模型的正确性。该诊断方法为有杆泵同井注采系统的现场应用提供了必要的理论指导。     

有杆泵抽油井故障诊断智能系统进展

专家系统和人工神经网络是人工智能的两个方面。本文综述了国内外有杆泵抽油井故障诊断的专家系统及诊断技术，还介绍了人工神经网络在示功图识别以及判断有杆泵抽油井故障中的应用。由于人工神经网络具有较强的模式识别能力，判断成功率较高，今后其应用将会越来越多。     

应用人工神经网络识别示功图

示功图包含了有杆抽油系统工作态状的丰富信息，正确，迅速地识别示功图所反遇原工况尤为重要，应用三层BP人工神经网络模型，利用“形心距”方法提取示功科30个特征点，用21种不同的示功图作为BP神经网络的训练样本，训练过的网络对四种实附工况进行了识别。     

有杆泵抽油井计算机预测技术

本文应用有阻尼波动方程,借助于微型计算机对有杆泵抽油井性能进行了预测分析。在各种工况下,均可由计算机绘出光杆示功图及井下示功图,并由此推算出各种性能参数。预测结果与实测结果十分接近。应用此项技术可对各类抽油机进行性能分析和对有杆泵抽油系统进行参数优选。     

有杆泵采油装置的智能诊断

所谓有杆泵采油装置的智能诊断,就是对泵的各种工作状况(如游动阀漏失、固定阀漏失、气体影响、供液不足、抽油杆断脱、活塞脱出工作筒等)的多种特征加以提取,结合油井生产参数(冲程、冲次、泵径、泵挂、产量、动液面等),根据采油工程师对示功图的分析和油井管理经验,模拟专家分类过程,进行推理分析,判断油井故障,提出增产挖潜措施。文中提出了一套有杆泵采油装置系统故障诊断模型,并利用专家系统技术分析了有杆系采油井生产中常见的问题。     

故障诊断技术用于小井眼无油管抽油系统

小井眼无油管空心泵抽油系统的故障诊断专家系统是将人工神经网络与传统专家系统相结合的智能诊断系统, 它可将小井眼无油管空心泵抽油系统的泵示功图进行数字化和规范化处理, 并作为训练样本对人工神经网络进行训练, 建立诊断知识库。用人工神经网络进行故障识别和推理, 解释诊断结果并做出检修决策。     

自适应神经网络示功图识别

井下示功图的自动识别是建造有杆抽油工况诊断专家系统的一个技术关键。由于现场难以系统地收集齐全的示功图，因而给示功图识别器的构造带来较大的困难。本文基于自适应谐振理论，提出一种基于竞争学习和自稳机制的自组织神经网络示功图识别模型。该模型较之于前馈示功图网络模型，解决了以往示功图神经网络识别模型需完备训练集（各种类型及其同类型中各种形状的示功图）及学习效率非常缓慢的问题。在有杆抽油示功图基础学习上，通过无监督学习算法，神经网络还能适用于不同油田区域的示功图自动识别工作。     

神经网络在示功图类型识别中的应用

示功图是判断油井生产状况的重要依据。神经网络能够反映任意非线性的映射关系,从而可以应用于图形识别。主要讨论了BP神经网络判定示功图类型的实现过程,阐述了BP神经网络的算法结构、示功图特征的提取,并给出了部分算例结果。     

有杆抽油井泵示功图的定量分析方法

本文根据有杆抽油泵的工作原理,对泵示功图上凡尔开、闭点的位置与凡尔漏失量、泵充满度以及泵效等之间的关系进行了理论分析;提出了一种泵示功图的定量分析方法.并编制了相应的定量分析软件.计算机定量分析结果与油田实测数据吻合较好.     

分采分输泵工况诊断

分采分输有杆抽油系统采用特殊的分采泵,利用空心杆和空心杆－油管环空分别作为下部油层与上 部油层的油流通道,实现了两层分采、分层计量,为两油层的动态分析和生产管理提供了重要的基础数据。文章针 对地面测试示功图唯一,如何模拟上、下两泵工况的这一技术难题,将分采泵分解为上部空心泵和下部管式泵,结 合各油层生产数据,使一口油井变成了两口油井,分别预测其地面示功图,获取地面动载荷示功图,将上泵与下泵 动载荷示功图采用不同的劈分系数合成光杆示功图,求取在相同位移时与实测示功图动载荷绝对误差最小的劈分 系数,进而将实测示功图的动载荷按上下泵分配系数劈分,与对应的上、下泵静载荷结合,得到上、下泵光杆示功 图,结合各自条件按波动方程模拟井下泵工况。实例井计算表明该方法具有可靠性和实用性。     

利用示功图计算油井产量的方法及应用

机械采油是国内外各油田的重要开采手段。在我国的油田生产中，除少量的自喷井外，其余的采油井均采用机械采油的方法。而在机械采油工艺上，绝大多数油井采用游梁式抽油机、抽油杆、抽油泵组成的有杆泵抽油系统。示功图作为有杆泵采油技术的重要诊断手段，不仅技术成熟，而且应用广泛；除了常见的油井泵况诊断之外，示功图还有许多其它的用途，本文所揭示的就是示功图的另一方面应用：利用示功图计算油井产量。     

抽油机井示功图矩特征识别方法

应用计算机模式识别技术进行抽油机井示功图识别的关键，是根据示功图的形状特征，选择和提取能够最有效地反映示功图形状信息的特征不变量，从而实现快速准确地识别示功图的目的。本文引入“矩”这一特征不变量、提取了能够详细描述示功图形状的１２个特征，并在分类器设计中采用“以形状判别为主，以参数判别为辅”的分类决策规则，通过编程更好地提高了示功图模式识别的准确性。实际应用证明，识别准确率达到９０％以上。     

助力深抽有杆泵井工况诊断模型

针对有杆泵井抽油杆柱加装助力深抽装置后,抽油杆柱受力状况发生变化,影响示功图形状和特征以及油井工况诊断精度的问题,开展杆柱动力学分析、Ｇｉｂｂｓ 模型修正和功图识别方法研究,建立了助力深抽有杆泵井泵功图求解的数学模型和综合了矢量法与基于规则诊断法的泵功图工况特征识别模型,并编制了计算软件。 经 ９ 口油井的实际应用,工况诊断正确率达到 １００％,表明助力深抽有杆泵井工况诊断模型正确可行、应用可靠,能够为工程技术人员及时发现、分析、处理油井故障提供技术支持。