基于BP-神经网络的潜油电泵

基于BP神经网络的潜油电泵故障诊断研究赵明洋上海海事大学物流工程学院控制理论与控制工程专业（学号：201130210092）摘要：产品故障诊断的知识管理一直是众多学者研究的热点问题。在胜利油田潜油电泵检修原因统计数据的基础上,依据产品故障的表象给出了样本标准值;同时对潜油电泵的故障类型进行了分类和分级,并介绍了利用BP神经网络对潜油电泵进行故障诊断知识处理的过程。关键词:潜油电泵;故障诊断;BP神经网络引言潜油电泵是一种多级离心泵,在油井中潜油电机将机械能传递给潜油泵,潜油泵内的叶轮高速旋转,将原油从井中抽送至地面集油系统,潜油泵作为一种重要的机械采油设备,在国内外油田中得到了广泛的应用和发展[1]。潜油电泵的使用过程中受到油井温度、含气量、含砂量、腐蚀结垢等工作环境的影响,使其使用寿命及效果受到一定的影响;同时由于影响潜油电泵故障的因素多且复杂,电泵不同部件的故障表现也多种多样,使潜油电泵的故障诊断非常复杂。本文拟采用人工神经网络的方法,对潜油电泵的故障进行合理分类和精确诊断,有效积累产品的故障诊断知识,延长潜油电泵的使用寿命,节约产品维修成本,提高企业经济效益。1.故障现象样本值的评定标准为方便人工神经网络的处理,结合胜利油田泵业有限责任公司2002年～2006年电泵检修原因统计数据,根据潜油电泵不同部件故障现象的表象和严重程度,对故障现象样本值给出了评定标准,具体见表1。表1不同部件故障现象所对应样本值的评定标准发生故障的部件故障等级（样本值）电机未损坏(0.0)进井液(0.3)腐蚀(0.6)烧坏(0.9)离心泵未损坏(0.0)泵盘轴紧(0.3)盘不动轴(0.6)泵轴断(0.9)保护器未损坏(0.0)进水(0.3)腐蚀(0.6)全部损坏(0.9)分离器未损坏(0.0)进水(0.3)腐蚀(0.6)全部损坏(0.9)防倒块未损坏(0.0)进水(0.3)腐蚀(0.6)全部损坏(0.9)油管未损坏(0.0)漏(0.9)动力电缆未损坏(0.0)烧断(0.9)电机引线未损坏(0.0)烧断连接包未损坏(0.0)烧断2.故障现象的分类和分级根据笔者对统计数据的分析和整理,将潜油电泵的故障分为电泵故障、井液腐蚀、电缆故障3大类,并依据故障的严重程度分为不同的等级,其中电泵故障分为二级;井液腐蚀分为六级;电缆故障分为四级。a.电泵故障。油井结垢、积砂、结蜡或形成其他沉积物,使得叶轮堵塞或受卡,引起卡泵;有腐蚀性物质如砂子与液体一同进入泵内,会大大加快泵的磨损程度伴有离心泵或分离器的腐蚀。因此离心泵故障(包括卡泵和分离器腐蚀)按严重程度分为电泵故障一级和二级。b.井液腐蚀。由于潜油电泵的运行环境比较恶劣,井液腐蚀是潜油电泵损坏的主要因素之一,井液腐蚀会使壳体穿孔,造成潜油电泵各部件(包括电机、保护器、管、动力电缆、引线电缆等)的损坏。井液腐蚀可按严重程度分为六级:将只有电机腐蚀的井液腐蚀定为一级;除电机腐蚀外兼有保护器腐蚀定为二级;保护器兼有防倒块腐蚀定为三级;保护器兼有动力电缆腐蚀定为四级;油管腐蚀兼有动力电缆腐蚀定为五级;油管、保护器、引线同时有腐蚀定为六级。c.电缆故障。因高温、高压气体、腐蚀和正常老化,或者电流过大,使电缆芯线产生高温,因而造成电缆烧断。按电缆故障严重程度分为:按照连接包烧断与其伴随的其他故障严重程度分为电缆故障一级和二级;动力电缆烧断伴有电机故障定为电缆故障三级;动力电缆烧断同时伴有电机引线烧断定为电缆故障四级。为便于模型处理,对每个故障等级的表象给出了相应的样本值(见表2)。表2不同故障分级对应的样本值部件故障等级电机离心泵保护器分离器防倒块油管动力电缆电机引线连接包电泵故障一级样本值0.00.60.00.60.00.00.00.00.0电泵故障二级样本值0.00.90.00.30.00.00.90.00.0井液腐蚀一级样本值0.60.00.00.00.00.00.00.00.0井液腐蚀二级样本值0.30.00.30.30.00.00.00.00.0井液腐蚀三级样本值0.30..00.60.00.60.00.00.00.0井液腐蚀四级样本值0.00.00.30.00.00.00.90.00.0井液腐蚀五级样本值0.00.30.00.00.00.90.90.00.0井液腐蚀六级样本值0.30.00.30.00.00.90.00.90.0电缆故障一级样本值0.00.30.00.00.00.00.00.00.9电缆故障二级样本值0.00.00.00.00.60.00.00.00.9电缆故障三级样本值0.30.00.00.00.00.00.90.00.0电缆故障四级样本值0.00.00.30.00.00.00.90.90.03.利用BP神经网络进行故障诊断知识处理神经网络作为一种自适应的模式识别技术,不需要预先给出有关模式的经验知识和判别函数,而是通过自身的学习机制自动形成所要求的决策区域。基于神经网络的故障诊断的做法是:网络的输入节点对应故障征兆,输出节点对应着故障原因。首先利用故障样本对网络进行训练,确定网络的结构(中间层的传递函数和神经元数目)和参数(神经元之间的连接权值和阈值);网络训练完毕后,就可实现征兆集到故障集的非线性映射过程。3.1网络构建针对潜油电泵的特点,可将不同故障分级对应的样本值作为故障征兆,即输入点,将故障类型作为输出点,通过BP神经网络的训练,实现潜油电泵故障的自动诊断。为方便BP神经网络的处理,对应潜油电泵的12种故障模式,将输出节点表示为12个四位的二进制数,见表3。表3输出节点的二进制表示故障等级二进制表示电泵故障一级样本值1001电泵故障二级样本值1010井液腐蚀一级样本值0001井液腐蚀二级样本值0010井液腐蚀三级样本值0100井液腐蚀四级样本值1000井液腐蚀五级样本值0011井液腐蚀六级样本值0101电缆故障一级样本值1110电缆故障二级样本值1101电缆故障三级样本值1011电缆故障四级样本值0111由于三层网络可以很好地解决模式识别问题,因此本文中的故障诊断模型采用三层神经网络[2]。三层网络中,隐含层的神经元个数n2和输入层的神经元个数n1之间有以下近似关系为n2=2n1+1由于网络的输入层神经元个数为9个,输出层神经元个数为4个,经计算,隐含层的神经元个数为2×9+1=19,即19个,但本程序经过多次的运行调试隐层的神经元的个数为50个时，效果更好，故采用之。网络的输入向量范围是[0,1],隐含层神经元的传递函数采用正切函数tansig,输出层神经元传递函数采用S型对数函数logsig,原因是输出模式为0～1,正好满足网络的输出要求。代码如下:threshold=[01;01;01;01;01;01;01;01;01];net=newff(threshold,[50,4],{‘tansig’,‘logsig’,’trainlm’;})3.2网络训练网络训练是不断修正权值与阈值的过程,经过训练后使网络的输出误差达到最小,从而满足应用需求。训练函数trainlm是利用Levenberg-Marquardt算法对网络进行训练的,训练参数设置如下:net.trainParam.epochs=1000;net.trainParam.goal=0.001;LP.lr=0.1;net=train(net,P’,T’);其中P’,T’分别是网络的输入向量和目标向量。用的是程序中的lijianmingtr4.m训练的。训练16次后达到要求,训练结果为:TRAINLM,Epoch0/1000,MSE0.405909/0.001,Gradient2.59975/1e-010TRAINLM,Epoch16/1000,MSE0.000148548/0.001,Gradient0.0630729/1e-010TRAINLM,Performancegoalmet.训练结果如图1所示。024681012141610-410-310-210-110016EpochsTraining-BlueGoal-BlackPerformanceis0.000148548,Goalis0.001图13.3网络测试抽取3组新数据作为网络的测试输入数据:第一组,离心泵盘不动轴,分离器进水,动力电缆腐蚀较严重;第二组,离心泵盘轴紧、油管微漏、动力电缆烧断;第三组,保护器进水、动力电缆烧断、引线将被烧断。训练程序见程序中的lijianmingsim4.m向量矩阵:X=0.00.80.90.00.00.00.20.00.00.00.00.90.80.00.00.00.40.00.00.00.80.00.03.00.08.00.0训练结果为:Y=sim(net,X’)Y=1.00001.00000.00110.99960.99841.00000.98030.00000.00000.00070.00641.0000故障模式分别为:(1)电泵故障二级;(2)井液腐蚀五级;(3)电缆故障四级。由此可以判定,网络可以满足潜油电泵故障检测的要求。4．结束语本文在胜利油田潜油电泵检修原因统计数据的基础上,采用BP人工神经网络方法,对潜油电泵进行故障诊断知识处理,较好地满足了企业对产品维修知识管理的需求,为企业产品知识管理系统的构建奠定了良好的基础。参考文献:[1]梅思杰.潜油电泵技术(上册)[M].北京:石油工业出版社,2004:59.[2]科技产品研发中心.Matlab6.5辅助神经网络分析与设计[M].北京:电子工业出版社,2003:63-67.[3]周开利，康耀红神经网络模型及其Matlab仿真程序设计[M].清华大学出版社,2005:69-100.[4]李刚,宋福根基于BP神经网络的潜油电泵故障诊断知识管理研究.[J],1994-2009ChinaAcademicJournalElectricPublishingHouse.[5]闻新周露等Matlab神经网络仿真与应用[M].科技出版社,2003年7月.TheFaultDiagnosisofElectricalSubmersiblePump(ESP)BasedonBPNeuralNetworkLIJIAN-MING(ShanghaiMaritimeUniversityLogisticsEngineeringCollege,Shanghai,200135,China)Abstract:Faultdiagnosisknowledgemanagementoftheproductionhasbeenahotresearchareaformanyyears.BasedonthestatisticaldataofESPmaintenanceofShengliOilfield,itproposesastandardforassessingfaultgradingofESP,givesafaultclassificationmethodofESP.Atlast,itintroducestheknowledgemanagementprocessofusingaBPNeuralNetworktoESPfaultdiagnosis.Keywords:ElectricalSubmersiblePumps(ESP);FaultDiagnosis;BPNeuralNetwork附录：程序如下：%lijianming4tr.m%清除内存clearall;%装载输入向量数据loadlijianming_P;%装载目标向量数据loadlijianming_T;threshold=[01;01;01;01;01;01;01;01;01];%建立神经网络net=newff(threshold,[50,4],{'tansig','logsig'},'trainlm');%设置训练参数net.trainParam.epochs=1000;net.trainParam.goal=0.001;LP.lr=0.1;%训练神经网络net=train(net,P',