基于CNN-LSTM的钻井泵液力端故障诊断方法研究 |
| |
作者姓名: | 单代伟 朱骅 张芳芳 |
| |
作者单位: | 1. 四川宏华石油设备有限公司;2. 成都理工大学油田气藏地质及开发工程国家重点实验室 |
| |
摘 要: | 钻井泵液力端工作环境复杂,容易发生故障,传统故障诊断方法难以满足钻井现场需求。针对五缸式钻井泵,开展了基于深度神经网络的钻井泵液力端故障诊断研究,设计了CNN-LSTM故障诊断模型结构,研究了LSTM对故障诊断模型性能影响。结果表明,提出的CNN-LSTM模型实现了钻井泵液力端多种工况下9类故障快速准确诊断,通过引入LSTM结构,将故障诊断准确率提升了7.85%,达到了97.67%。因此提出的CNN-LSTM故障诊断模型可为钻井现场提供一种高效准确的钻井泵液力端故障诊断方法。
|
关 键 词: | 钻井泵液力端 故障诊断 振动信号 CNN-LSTM |
|