钻井泵液力端故障诊断新方法

往复泵液力端故障原因及故障与征兆间对应关系复杂,为了全面地利用获取的振动信号资源,得到更全面、准确的诊断结果,将分析得到的幅值域的峭度指标、峰值指标、脉冲指标、裕度指标、波形指标和歪度等6个参数,频域的重心频率、均方根频率、频率标准差等3个参数以及32个小波包分频带能量值作为神经网络输入的备选特征向量,由此形成了液力端综合振动信号特征参数的神经网络诊断系统。为了对网络的性能进行比较,分别构建了BP网络和RBF网络。将上述特征输入向量作不同组合,分别输入该网络并进行训练诊断和效果对比,由此求得了最优诊断系统组合。利用此神经网络诊断系统,对现场实际使用的钻井泵液力端进行了多次的测试分析和调试,证明这种方法对钻井泵液力端的故障诊断是行之有效的,可取得较高的诊断准确率。