[發明專利]一種壓裂泵凡爾故障的診斷方法和裝置

在審

• 申請號: 202110391390.X
• 申請日: 2021-04-13
• 公開（公告）號: CN113065602A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 劉紅奇;吳義軒;潘靈永;朱秋凝;劉濤;李哲;程榮竟
• 申請（專利權）人: 華中科技大學;中石化四機石油機械有限公司;武漢智能裝備工業技術研究院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06N3/04;G06N3/08;F04B51/00
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 王穎翀

本發明公開了一種壓裂泵凡爾故障的診斷方法和裝置，屬于深度學習和智能制造領域，所述方法包括：S1：采集壓裂泵在不同凡爾故障過程中的振動信號和壓力波動信號；S2：計算振動信號和壓力波動信號對應的時域特征和頻域特征，以構成初始樣本向量；S3：利用主成分分析法對初始樣本向量進行降維得到主要特征成分，獲取主要特征成分對應的目標樣本向量以構建凡爾故障樣本庫；S4：將凡爾故障樣本庫中的目標樣本向量輸入深度學習模型進行訓練得到目標深度模型；利用目標深度模型進行壓裂泵的凡爾故障診斷得到凡爾故障分類結果。本發明避免人工挑選特征的繁瑣過程，能夠快速提取凡爾故障特征并提高故障診斷正確率。

技術領域

本發明屬于深度學習和智能制造領域，更具體地，涉及一種壓裂泵凡爾故障的診斷方法和裝置。

背景技術

壓裂泵是油氣田開發壓裂裝備的“心臟”，由于工作壓力大、工作介質含砂石等因素，造成凡爾工作壽命相對較短且不穩定，給設備運行安全保障帶來挑戰，人工檢泵成為保障設備運行的必須手段。而據不完全統計，有效檢泵率不超過60％，存在顯著人力資源浪費和設備運行安全難以保證等問題。若不能及時排查出故障，會進一步導致凡爾座損壞甚至損壞泵體本身。因此，針對壓裂泵凡爾的故障診斷具有重要的研究意義和工程應用前景。

目前，針對頁巖氣開采中使用的壓裂泵凡爾故障診斷研究仍然處于探索階段，與常規旋轉機械設備故障診斷相似，基本原理是根據機械設備振動、功率、聲音等信息來分析設備的健康狀況。國內針對高壓隔膜泵的單向閥故障診斷相關研究較多，熊鵬博等提出了一種基于多時域特征與SVM的單向閥故障診斷方法，但需要人工挑選特征且采用的模型為淺層模型；吳漫等提出基于VMD-SVD的單向閥微弱故障診斷方法，但是特征提取過程比較復雜，依賴于專家經驗。

總之，傳統凡爾故障診斷過程中故障信號采集困難、故障特征提取過程復雜和診斷準確率低。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種壓裂泵凡爾故障的診斷方法和裝置，其目的在于利用特征融合和深度神經網絡能夠避免人工挑選特征的繁瑣過程，快速提取凡爾故障特征，提高故障診斷正確率，由此解決傳統凡爾故障診斷過程中故障信號采集困難、故障特征提取過程復雜和診斷準確率低的技術問題。

為實現上述目的，按照本發明的一個方面，提供了一種壓裂泵凡爾故障的診斷方法，包括：

S1：采集壓裂泵在不同凡爾故障過程中的振動信號和壓力波動信號；

S2：計算所述振動信號和所述壓力波動信號對應的時域特征和頻域特征，以構成多個初始樣本向量；

S3：利用主成分分析法對所述初始樣本向量進行降維得到主要特征成分，獲取所述主要特征成分對應的目標樣本向量，以構成凡爾故障樣本庫；

S4：將所述凡爾故障樣本庫中的所述目標樣本向量輸入深度學習模型進行訓練得到目標深度模型；利用所述目標深度模型進行所述壓裂泵的凡爾故障診斷得到凡爾故障分類結果。

在其中一個實施例中，所述S1包括：

S11：利用安裝于多測點的加速度振動傳感器采集所述振動信號；

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信號。

在其中一個實施例中，所述S2包括：

采用滑動窗方法截取所述振動信號和所述壓力波動信號，再分別計算對應的時域特征和頻域特征，以構成所述由多個初始值組成的初始樣本向量。

在其中一個實施例中，所述S3包括：

S31：將所述初始樣本向量拼接成樣本特征矩陣，并對所述樣本特征矩陣進行標準化；