基于改进BP神经网络的螺杆泵转速预置模型研究

在螺杆泵的采油过程中,因受到多方面因素的影响,而不能对转子的转速进行准确、实时的调整,为了解决这一问题,提出了一种基于改进BP神经网络的螺杆泵转速预置模型。首先,利用基于L-M算法的BP神经网络方法,预测了螺杆泵当前条件下的最优转速;然后,将所预测的螺杆泵最优转速传递给转速调整模块;最后,通过PID控制调节电机转速,构成了转速预置模型,该模型可以根据实时测得的原油温度、原油黏度、泵端压差、容积效率等数据来预置该条件下螺杆泵的最优转速。仿真实验结果表明:该模型对螺杆泵各工况下的最优转速预测平均相对误差为0.96%。研究结果表明:该模型对螺杆泵转速实时预置具有较好的效果,可为潜油螺杆泵采油系统中转速的实时调整打下基础,有利于提高螺杆泵的使用效率和经济使用寿命。