[發(fā)明專利]一種壓裂泵凡爾故障的診斷方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110391390.X
• 申請(qǐng)日: 2021-04-13
• 公開（公告）號(hào): CN113065602A
• 公開（公告）日: 2021-07-02
• 發(fā)明（設(shè)計(jì)）人: 劉紅奇;吳義軒;潘靈永;朱秋凝;劉濤;李哲;程榮竟
• 申請(qǐng)（專利權(quán)）人: 華中科技大學(xué);中石化四機(jī)石油機(jī)械有限公司;武漢智能裝備工業(yè)技術(shù)研究院有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/00;G06N3/04;G06N3/08;F04B51/00
• 代理公司: 華中科技大學(xué)專利中心 42201
• 代理人: 王穎翀

1.一種壓裂泵凡爾故障的診斷方法，其特征在于，包括：

S1：采集壓裂泵在不同凡爾故障過程中的振動(dòng)信號(hào)和壓力波動(dòng)信號(hào)；

S2：計(jì)算所述振動(dòng)信號(hào)和所述壓力波動(dòng)信號(hào)對(duì)應(yīng)的時(shí)域特征和頻域特征，以構(gòu)成初始樣本向量；

S3：利用主成分分析法對(duì)所述初始樣本向量進(jìn)行降維得到主要特征成分，獲取所述主要特征成分對(duì)應(yīng)的目標(biāo)樣本向量，以構(gòu)成凡爾故障樣本庫；

S4：將所述凡爾故障樣本庫中的所述目標(biāo)樣本向量輸入深度學(xué)習(xí)模型進(jìn)行訓(xùn)練得到目標(biāo)深度模型；利用所述目標(biāo)深度模型進(jìn)行所述壓裂泵的凡爾故障診斷得到凡爾故障分類結(jié)果。

2.如權(quán)利要求1所述的壓裂泵凡爾故障的診斷方法，其特征在于，所述S1包括：

S11：利用安裝于多測(cè)點(diǎn)的加速度振動(dòng)傳感器采集所述振動(dòng)信號(hào)；

S12：利用分別安裝在吸入管和排出管的壓力傳感器采集所述壓力波動(dòng)信號(hào)。

3.如權(quán)利要求1所述的壓裂泵凡爾故障的診斷方法，其特征在于，所述S2包括：

采用滑動(dòng)窗方法截取所述振動(dòng)信號(hào)和所述壓力波動(dòng)信號(hào)，再分別計(jì)算對(duì)應(yīng)的時(shí)域特征和頻域特征，以構(gòu)成所述由多個(gè)初始值組成的初始樣本向量。

4.如權(quán)利要求1所述的壓裂泵凡爾故障的診斷方法，其特征在于，所述S3包括：

S31：將所述初始樣本向量拼接成樣本特征矩陣，并對(duì)所述樣本特征矩陣進(jìn)行標(biāo)準(zhǔn)化；

S32：利用主成分分析法對(duì)標(biāo)準(zhǔn)化后的樣本特征矩陣進(jìn)行分析得到特征值，從多個(gè)所述特征值中選取所述主要特征成分，并為其匹配對(duì)應(yīng)的特征向量作為所述目標(biāo)樣本向量，并構(gòu)成所述凡爾故障樣本庫。

5.如權(quán)利要求4所述的壓裂泵凡爾故障的診斷方法，其特征在于，所述S31包括：

將n個(gè)所述初始樣本向量拼接成n×m維的樣本特征矩陣，每個(gè)所述初始樣本向量包括m個(gè)特征數(shù)據(jù)；利用公式將所述樣本特征矩陣進(jìn)行標(biāo)準(zhǔn)化；

其中，m為特征指標(biāo)的數(shù)目，n為評(píng)價(jià)對(duì)象的個(gè)數(shù)，第j個(gè)特征指標(biāo)的樣本均值和樣本標(biāo)準(zhǔn)差分別為和x_ij為第i個(gè)評(píng)價(jià)對(duì)象的第j個(gè)特征指標(biāo)的取值。

6.如權(quán)利要求5所述的壓裂泵凡爾故障的診斷方法，其特征在于，所述S32包括：

S321：利用R＝(r_xy)_m×m和計(jì)算所述樣本特征矩陣對(duì)應(yīng)的相關(guān)系數(shù)矩陣R；其中，r_xy為第x個(gè)特征指標(biāo)與第y個(gè)特征指標(biāo)的相關(guān)系數(shù)，r_xx＝1，r_xy＝r_yx；

S322：計(jì)算所述相關(guān)系數(shù)矩陣R對(duì)應(yīng)的多個(gè)特征值；

S323：為各個(gè)所述特征值匹配對(duì)應(yīng)的貢獻(xiàn)率并從大至小依次排列，選擇前若干個(gè)所述特征值對(duì)應(yīng)的特征向量作為所述目標(biāo)樣本向量。

7.如權(quán)利要求1-6任一項(xiàng)所述的壓裂泵凡爾故障的診斷方法，其特征在于，所述S4包括：

S41：將所述凡爾故障樣本庫中的特征劃分為訓(xùn)練特征集和測(cè)試特征集；

S42：將所述訓(xùn)練特征集輸入所述深度學(xué)習(xí)模型，以對(duì)所述深度學(xué)習(xí)模型進(jìn)行訓(xùn)練得到所述目標(biāo)深度模型；將所述測(cè)試特征集輸入所述目標(biāo)深度模型以測(cè)試所述目標(biāo)深度模型的故障檢測(cè)性能；

S43：利用所述目標(biāo)深度模型進(jìn)行所述壓裂泵的凡爾故障診斷得到所述凡爾故障分類結(jié)果。

8.一種壓裂泵凡爾故障的診斷裝置，其特征在于，包括：

信號(hào)采集模塊，用于采集壓裂泵在不同凡爾故障過程中的振動(dòng)信號(hào)和壓力波動(dòng)信號(hào)；

預(yù)處理模塊，用于計(jì)算所述振動(dòng)信號(hào)和所述壓力波動(dòng)信號(hào)對(duì)應(yīng)的時(shí)域特征和頻域特征，以構(gòu)成初始樣本向量；

特征提取模塊，用于利用主成分分析法對(duì)所述初始樣本向量進(jìn)行降維得到主要特征成分，獲取所述主要特征成分對(duì)應(yīng)的目標(biāo)樣本向量，以構(gòu)成凡爾故障樣本庫；

故障診斷模塊，用于將所述凡爾故障樣本庫中的所述目標(biāo)樣本向量輸入深度學(xué)習(xí)模型進(jìn)行訓(xùn)練得到目標(biāo)深度模型；利用所述目標(biāo)深度模型進(jìn)行所述壓裂泵的凡爾故障診斷得到凡爾故障分類結(jié)果。