分层有杆抽油系统井下故障诊断技术

大庆油田开发研制的分层有杆抽油系统，从根本上解决了层间干扰问题，实现了两层同步开采，提高了抽油效率。为确保分层有杆抽油系统的推广应用，必须对该系统进行故障诊断技术的研究，从而及时、准确地了解抽油系统的工作状况，以便对其进行相应地调试与维修。本论文从研究基于神经网络的专家系统理论及其应用入手，对建立分层有杆抽油系统井下故障诊断专家系统所涉及到的各种问题进行了比较系统与深入的讨论。 论述了BP神经网络的拓扑结构和算法，总结了BP算法的缺点和不足。重点论述了影响网络泛化能力的各方面因素，并说明了获得具有高质量和有代表性地训练样本的方法。 随着分层有杆抽油系统的推广应用，就需要对此新型有杆抽油系统的静态和动态特性进行分析，建立系统的预测模型，并通过本文提出的显式差分法求解此模型，可得到抽油杆柱各个截面上的受力状态，绘出任意截面的示功图，以便对该系统及其有关参数进行设计计算和选择，并为对该系统进行故障诊断提供理论依据。 对分层有杆抽油系统进行故障诊断的关键是获得井下泵示功图。因此本文提出一种迭代法与差分法相结合的数值分析方法，用来求解分层有杆抽油系统故障诊断模型，分别得到偏心阀抽油泵、管式泵的示功图，并将神经网络应用于示功图的识别。为了实现分层有杆抽油系统故障诊断的智能化，本文提出了一种基于MATLAB语言工具箱的地面示功图预处理方法。此方法可以实现计算机对实测示功图的识别，获得用于求解故障诊断模型的两个边界条件，即载荷与时间和位移与时间的关系曲线。 一 本文所建立的分层有杆抽油系统的井下故障诊断专家系统由知识预处理 模块、们心阂抽油泵神经网络诊断模块、管式泵神经刃络诊断惧块、知识后处 理模块、系统控制模块及附件组成。借助MAFLAB语言工具箱建造BP口络， 并采用带有自适应学习率和动量因子的改进BP算法对其进行训练。系统地阐 明了神经冈络诊断模块的初始化、训练和测试过程，并提出一种由典型工况模 式生成用干初始化网络的数据文件的归一化处理方法。最后，完成了故障诊断 专家系统软件的设计。