發(fā)布時間：2022-01-09 09:11

　　為提高抽油機故障診斷效率,構建了以物聯(lián)網技術為基礎并結合采油機故障診斷算法的專家系統(tǒng)。通過示功圖對抽油機進行特征描述,進而對其進行故障診斷,并以圖示方式進行直觀展示;將井下泵功圖作為基本分析資料,通過載荷位移傳感器對抽油井地面示功圖進行探測。仿真結果表明:（1）采用井下泵功圖對抽油機工況診斷結果更加準確;（2）本文所構建的系統(tǒng)故障診斷準確率高,識別速度快,具有一定實用性。 

【文章來源】：西安石油大學學報(自然科學版). 2020,35(05)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

理想情況示功圖

抽油機抽油桿在運動過程中,下端部分稱重突然加大或突然降低時,其抽油機桿結構會出現(xiàn)一定程度振動,抽油桿柱處于上沖程周期時,抽油桿柱會因為油氣混合物增加導致承重量驟增,造成一次振動。抽油桿柱處于下沖程周期時會自動卸載大量油氣混合物,再次產生振動。由此可知,抽油桿在一個周期內至少會發(fā)生兩次振動。當抽油機懸點運動頻率與油桿振動頻率符合共振條件時便會發(fā)生共振,振幅較大會影響設備正常作業(yè)。為避免該種情況,需要合理設置抽油機沖程次數(shù),分析抽油機慣性載荷以及懸點振動載荷對抽油機懸點示功圖的作用過程(圖2)[9]。2 系統(tǒng)方程

式(1)—(5)中:A為抽油桿柱橫截面積,mm2;E為抽油桿柱材質密度,kg/m3;L為接箍長度,m;E為抽油桿柱材料彈性模量,N/m2。由以上可得波動方程:

【參考文獻】：
期刊論文
[1]基于LIBSVM的融合傅里葉幅值與相位的示功圖識別方法[J]. 孫婷婷,韓雪,梁華慶.  計算機測量與控制. 2018(10)
[2]基于混合智能技術的抽油機電力故障診斷方法的研究[J]. 高偉華.  計算機與數(shù)字工程. 2018(09)
[3]游梁式抽油機現(xiàn)場故障分析及對策[J]. 王偉豪.  化學工程與裝備. 2017(05)
[4]基于人工魚群神經網絡的抽油機故障診斷[J]. 邵海龍,布蘭霞,胡明哲,付光杰.  電氣自動化. 2017(02)
[5]基于多示例多標記的抽油機故障診斷[J]. 陳妍,許少華.  計算機系統(tǒng)應用. 2016(12)
[6]游梁式抽油機常見故障分析及處理方法[J]. 蔡緒勇.  中國石油和化工標準與質量. 2016(17)
[7]示功圖與模糊神經網絡結合的抽油機故障診斷[J]. 文必龍,汪志群,金宗澤,徐漫,施展.  計算機系統(tǒng)應用. 2016(01)
[8]一種新型游梁式抽油機平衡機構的設計[J]. 佟軍民,吳致千.  制造業(yè)自動化. 2015(23)
[9]一種用于抽油機的雙模式無線示功儀設計[J]. 潘大偉,于云華.  傳感器與微系統(tǒng). 2015(09)
[10]數(shù)據驅動的抽油機井實時故障診斷實驗平臺[J]. 曹玉蘋,鄧曉剛,田學民,陳鴻龍.  實驗技術與管理. 2015(09)



本文編號：3578408