目录 第1章概述11.1研究目的和意义11.2国内外研究现状11.3本文的组织安排3第2章抽油机故障诊断原理42.1抽油机的工作原理42.2抽油机的主要故障52.3本章小结6第3章神经网络技术73.1神经网络简介73.2神经网络三要素93.3BP神经网络123.4本章小结19第4章抽油井故障诊断系统的研究及实现204.1系统总体设计204.2系统开发工具-MATLAB 的简要介绍214.3基于神经网络的抽油井故障诊断系统基本原理224.4 基于神经网络的故障诊断模型的实现224.5 本章小结28总结29参考文献30致谢31第1章概述1.1研究目的和意义有杆泵抽油法是当前国内外应用最广泛的传统的机械采油技术。目前，世界上 80%到 85%的采油井都采用这种采油方式。常规钢抽油杆工作时在油管中上下反复运动，在这种交变载荷的作用下经常会发生一些故障：疲劳断裂事故，接箍外积蜡严重，泵效低，能耗高等。因而每年仅有杆泵抽油井故障诊断，检修就得耗费数以亿计的资金。所以有杆泵井的故障诊断不仅具有巨大的社会效益，更具有巨大的经济效益。抽油井故障诊断技术的研究，一直是国内外采油工程技术人员的一个重要课题。经过几十年的研究和实践，抽油机井故障的分析与诊断技术有了相当大的进展。其中利用泵示功图对抽油井的各种工作状况进行分析和判断是其基本切入点，随着计算机图像处理技术和模式识别技术的进展，利用计算机诊断是未来的主导趋势。人工神经网络是近年来发展起来的十分热门的交叉学科。它涉及生物、电子、计算机、数学、物理等学科，有着十分广泛的应用背景和前景。神经网络技术的出现，为故障诊断问题提供了一种新的解决途径。本文即是研究将神经网络运用到抽油井的故障诊断中。1.2国内外研究现状自从抽油井在油田服役以来，有杆泵抽油井的故障诊断先后经历了从靠感觉分析到靠仪器测量分析，从仪器测量分析到计算机处理分析，并向智能化诊断不断迈进的发展过程。近几十年来诊断技术得到了飞速的发展，特别是计算机诊断技术的出现，使其进入了一个崭新的阶段。有杆泵抽油系统故障诊断技术经历了如下几个发展阶段：1.2.1“五指式动力仪”分析方法这种方法主要依靠操作人员手掌的感觉来分析抽油设备的工作状况。由经验丰富的操作人员用手握住光杆，跟随光杆上下运动几个冲程，凭感觉来判断抽油泵的某些故障。这种原始的方法只能在很浅的油井上使用，随着泵挂深度的增加，以及技术的发展，这种方法早己被淘汰了。1.2.2计算机诊断法1966年以来，美国、加拿大、委内瑞拉、哥伦比亚等国开始推广应用该技术。我国是1983年开始引进及应用计算机诊断法的。据统计，1988年全国诊断98261井次，调参数改9387井次，增产原油143.7万吨。不过，利用计算机诊断技术给出问题所在，还要由技术人员根据井下实际情况其故障，因此故障识别成功率依赖于技术人员的技术与经验。1.2.3人工智能诊断技术人工智能研究如何用计算机来模拟人的思维和行为，即由机器来完成某些与人类智能有关的活动(如判断、推理及学习等)。将人工智能的理论和方法应用于设备的故障诊断，发展智能化的故障诊断技术己成为当今故障诊断技术发展的主派。在抽油井的故降诊断领域，对智能故障诊断技术的研究己取得许多成果。1988年HJDerek等1在走访许多著名专家后研制出有杆泵抽油井故障诊断专家系统，它是将地面实测的泵示功图转换成井下泵示功图，然后与标准泵示功图进行比较以判断故障类型。同年，JGSvinos等推出了一种由Basic语言编制的有杆泵诊断专家系统，该系统有5个模块，用产生式法则建立规则库，运用反向推理机建立了一个可以识别典型泵示功图并计算出有关数据的专家系统，然后利用这些数据诊断有杆抽油系统的故障。随后PSchirmer等人首次运用模式识别技术来分析泵示功图的形状，建立了可以诊断7种井下泵故障的专家系统。1991年，我国的张嗣伟运用故障树分析技术也建立了一个有杆泵抽油诊断专家系统。近年来，人工神经网络理论的发展，为故障诊断技术开拓了一条新的研究途径。由于神经网络具有分布并行信息处理、联想记忆、自适应、自学习和容错性等功能，因而可以将神经网络用于解决知识表示、获取和并行推理等问题。信息的分布式存储是神经网络能够解决专家系统中知识获取这个“瓶颈”问题的关键所在。神经网络专家系统与传统的计算机局域式信息处理方式不同，它是用大量神经元的互连及对各互连接权值的分布来表示特定的概念或知识。在进行知识获取时，它只要求专家或用户提供训练样本，通过特定的学习算法对样本进行学习，经过不断修改权值分布来达到训练要求，网络就记忆学习到了专家求解问题的启发式知识和经验。在神经网络中，允许输入信息偏离学习样本，只要输入模式接近某一学习样本的输入模式，则输出亦会接近学习样本的输出模式，这种性质使得神经网络专家系统具有联想记忆的能力。用神经网络建立专家系统不需要组织大量的产生式规则，也不需要进行树搜索，机器可以自组织、自学习。与传统专家系统相比，神经网络专家系统在知识获取、并行推理、适应性学习、容错能力等方面都具有明显的优越性。1990年，JDRogers 等人首次将人工神经网络理论引入神经网络识别领域，他们应用误差反向传播学习算法训练神经网络，能够识别出所学习的 15 幅泵示功图。1993年，GMNari等改进了以前所用的网络模型，采用正弦型隐层感知机和 Sigmoid 型输出层感知机的三层混合前馈网络模型，实现了对11种故障类型的识别。ERMartinez 等13尝试在油田现场进行三层前馈神经网络的实际应用研究，他们收集了21类140幅泵示功图作为网络的训练集，经过 10000次学习的神经网络在本油田的验证中取得了较满意的识别结果。1996 年，我国的潘志坚等人为解决以往泵示功图神经网络识别模型需完备训练集及学习效率低的问题，把自适应谐振网络模型用于泵示功图的识别，提高了网络的学习效率。对华北油田、中原油田两个油田的100口现场实测井进行了诊断，基本上都得到了满意的识别结论。由上述研究，我们可以看出，人工神经网络具有较强的模式识别能力，判断成功率较高的优点，其应用越来越多，其中又以 BP 神经网络的应用最为广泛。BP 神经网络由于本身具有理论上可以逼近任意非线性映射的特点和优点，使得它在解多数参数复杂的实际问题上具有广阔的应用前景。所以有必要利用 BP 神经网络在抽油机井装置的故障诊断方面进行探讨和研究5。1.3本文的组织安排神经网络具有较强的模式识别能力，其判断成功率较高，这在一定程度上满足了对复杂的、非平稳的、有“干扰”的抽油系统示功图进行识别的要求。因此，本论文主要对基于神经网络的故障诊断技术理论与应用进行研究，并由此建立抽油井故障诊断系统。本文的主要研究工作和篇章结构概括如下：第1章，绪论部分，介绍了被课题的研究目的和意义，以及国内外的研究现状。第2章，介绍了抽油机的故障诊断原理。论述了抽油井的工作原理及主要故障类型。第3章，论述了神经网络技术。首先对神经网络做了简介，然后对神经网络的三要素作了详细分析，最后对神经网络中最常用的BP网络做了介绍，并针对其不足，给出了几种改进的BP算法。第4章，实现了一个抽油井故障诊断系统，将神经网络应用于抽油井的故障诊断，给出了系统的设计与实现过程。第2章抽油机故障诊断原理在当前的油井开采中有杆采油占了绝大部分，使得有杆采油系统成为可以影响石油的产量和效益的重要因素，有杆采油系统的维护与维修也变的非常重要，对有杆抽油泵井故障的诊断，可避免作业的盲目性，减少抽油井维修的巨资耗费。这对提高石油产量具有重要的意义，成为石油石化和机械等学科研究的重点。2.1抽油机的工作原理抽油机隶属于有杆抽油系统，是井下作业的关键设备，它安装在油管柱的下部，沉没于井液以下，其内的抽油杆可以有效地将抽油机的动力传递到油井下部，从而到达抽汲井内液体的目的，目前抽油机在我国各大油田的使用率很高，几乎占了80%6。抽油机主要由泵筒、柱塞、固定凡尔和游动凡尔四部分组成。泵筒即为缸套，其内装有带游动凡尔的柱塞。柱塞与泵筒形成密封，用于从泵筒内排出液体。固定凡尔为泵的吸入阀，一般为球座型单流阀，抽油过程中该阀位置固定。游动凡尔为泵的排出阀，它随柱塞运动。柱塞上下运动一次称一个冲程，也称一个抽汲周期，其间完成泵进油和排油的过程，如图2-1所示。油管抽油杆柱塞泵筒游动凡尔固定凡尔P图2-1 抽油机的基本结构2.1.1上冲程过程抽油杆柱向上拉动柱塞，柱塞上的游动凡尔受油管内油液柱压力而关闭。此时，柱塞下面的下泵腔容积增大，泵内压力降低，固定凡尔在其上下压差作用下打开，原油吸入泵内。与此同时，油管内逐渐被油液所充满，柱塞上面的油液沿油管排到地面。原来作用在固定凡尔上的油管内油液柱重力将从油管转移到柱塞上，从而引起抽油杆柱的伸长和油管柱缩短。抽油机驴头上承受的静载荷为抽油杆柱重量与柱塞以上的液柱重量之和。所以，上冲程是泵内吸入油液，而井口排出油液的过程。造成吸液进泵的条件是泵内压力(吸入压力)低于沉没压力。2.1.2下冲程过程抽油杆柱带动柱塞向下运动。柱塞压缩固定凡尔和游动凡尔之间的液体：当泵内压力增加到大于泵沉没压力时，固定凡尔先关闭，当泵内压力增加到大于柱塞以上液体压力时，游动凡尔被顶开，柱塞下面的油液体通过游动凡尔进入柱塞上部，使泵排出油液。由于有相当于冲程长度的一段光杆从井外进入油管，将排挤出相当于这段光杆体积的油液。原来作用在柱塞以上的油液体重力转移到固定凡尔上，因此引起抽油杆柱的缩短和油管的伸长。所以，下冲程是泵向油管内排油的过程，造成泵排出液体的条件是泵内压力高于柱塞以上的液柱压力。2.2抽油机的主要故障目前常规抽油机工作现状是：油井供液能力变差，泵挂深度逐年加深，井下管柱更为复杂，管杆偏磨严重。产出液腐蚀性强，矿化度高，化学腐蚀及电化学腐蚀同时存在。目前大多数老油田开发己经进入高含水期，例如胜利油田有的区块综合含水己达 94，含水量增大造成井液润滑性降低，摩擦系数增大，磨损加快。另外地层出砂现象日趋严重，同油田开发初期相比目前的出砂量是开发初期的7至8倍，这样高的含砂量对井下设备的损坏是非常严重的。同时油稠问题突出，随着原油的不断开采，轻组分原油被大量采出，地层中剩余的原油含蜡量比例不断上升，有的区块含蜡量甚至已高达 20，油稠导致摩擦阻力不断增大，工作负荷逐渐加重。油井供液不足导致沉没度不够，泵内井液充满度不足，结果导致了液击和气蚀现象。由上述抽油机的使用现状，可以清楚地看到目前抽油机的工作条件更加恶劣了，其零部件的失效也更加频繁，通过实际广泛的调查，抽油机存在的主要失效情况如下。2.2.1磨损泵筒与柱塞是抽油泵井的两个核心部件，二者构成一对移动摩擦副，摩擦副之间的正常磨损是不可避免的。2.2.2双凡尔漏失由于机械磨损或化学腐蚀，使凡尔球座之间或柱塞与泵筒之间存在较大的间隙。在压力差的作用下，油液会从压力较高的一侧泄漏到压力较低的一侧。从而造成上、下冲程始末、泵腔内压力P的缓慢变化，柱塞缓慢加载或卸载，凡尔推迟开启和提前关闭。2.2.3抽油杆断脱随着采出程度的提高,油田在开发过程中不断地出现一些新的矛盾和技术难题,诸如抽油杆组合不合理、最大拉应力破坏、偏磨造成抽油杆损坏等使抽油杆断裂;由于油田采出程度较高,含水上升快,腐蚀、结蜡造成的影响、供液不足造成的影响等使抽油杆断裂;这日益成为影响油井正常生产的难题。2.2.4抽油机零部件的机械破坏油井井眼是细长型的，因此井下采油装置的结构特点是直径受限，而长度宽松。抽油泵上游动凡尔罩上方与抽油杆相连，下方与柱塞相连，内装出油阀球与阀座，