曹廣華,宛立達(dá),袁子龍 (大慶石油學(xué)院電氣信息學(xué)院,黑龍江大慶1 6331 8)

金樹(shù)波 (大慶石油管理局物探公司,黑龍江大慶163318)

作為目前國(guó)內(nèi)使用最普遍的采油設(shè)備——游梁式抽油機(jī)[1],是一種以人工舉升方式進(jìn)行抽油桿往復(fù)運(yùn)動(dòng)的抽油設(shè)備。雖然游梁式抽油機(jī)的結(jié)構(gòu)簡(jiǎn)單、操作維護(hù)方便,但由于露天、長(zhǎng)時(shí)間工作導(dǎo)致載荷過(guò)重,以及復(fù)雜的地下工作狀況,經(jīng)常導(dǎo)致抽油機(jī)出現(xiàn)各種故障,主要的故障有電動(dòng)機(jī)工作異常、減速器工作異常、抽油桿斷桿和抽油桿偏磨等。

傳統(tǒng)的抽油機(jī)故障診斷方法有示功圖監(jiān)測(cè)法、電流監(jiān)測(cè)法、溫度診斷法3種。示功圖監(jiān)測(cè)法利用抽油機(jī)工作上下行程,來(lái)對(duì)應(yīng)地畫(huà)出一個(gè)載荷與位移的函數(shù)關(guān)系曲線(xiàn),從而得到實(shí)測(cè)示功圖,其工作量比較大,人為因素太多,需要有一定的專(zhuān)家經(jīng)驗(yàn);電流監(jiān)測(cè)法是根據(jù)抽油機(jī)井在出現(xiàn)各種的故障時(shí),都會(huì)引起電動(dòng)機(jī)電流平衡比的變化,從而可以對(duì)抽油機(jī)的故障做出判斷,其需要人工定期進(jìn)行電流測(cè)量和監(jiān)測(cè),工作量比較大,對(duì)故障發(fā)現(xiàn)不及時(shí);溫度診斷法采用紅外點(diǎn)溫儀以及溫度計(jì)來(lái)測(cè)量抽油機(jī)關(guān)鍵部件的溫升,但當(dāng)溫度超過(guò)現(xiàn)場(chǎng)專(zhuān)家經(jīng)驗(yàn)溫升時(shí),抽油機(jī)就可能存在故障。

為此,筆者利用帶偏差單元遞歸神經(jīng)網(wǎng)絡(luò)對(duì)抽油機(jī)振動(dòng)故障進(jìn)行了診斷,可以有效地克服傳統(tǒng)抽油機(jī)故障診斷受工作環(huán)境和人為因素影響的缺點(diǎn),準(zhǔn)確地判斷和預(yù)測(cè)抽油機(jī)故障。

1 帶偏差單元遞歸神經(jīng)網(wǎng)絡(luò)

內(nèi)部反饋型遞歸神經(jīng)網(wǎng)絡(luò) (internally recurrent network,IRN)是一種利用網(wǎng)絡(luò)結(jié)構(gòu)的內(nèi)部狀態(tài)反饋系統(tǒng)[2,3]。圖1為一個(gè)典型的3層IRN網(wǎng)絡(luò)結(jié)構(gòu)拓?fù)鋱D。

該網(wǎng)絡(luò)結(jié)構(gòu)包括輸入層、隱含層和輸出層等3層網(wǎng)絡(luò)節(jié)點(diǎn);反饋節(jié)點(diǎn)由隱含層自身延時(shí)信號(hào)組成,并與輸入層的輸出一起構(gòu)成隱含層的輸入;另外,引入2個(gè)偏差單元節(jié)點(diǎn)分別加在隱含層和輸出層上。這種帶有偏差單元的反饋型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),由于增加了反饋節(jié)點(diǎn)使得內(nèi)部自反饋的隱含層節(jié)點(diǎn)可以存儲(chǔ)過(guò)去的輸入、輸出信息,增加的偏差單元也使得在網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程中引入專(zhuān)家經(jīng)驗(yàn)知識(shí),這可以大大提高網(wǎng)絡(luò)的學(xué)習(xí)效率。

圖1 帶偏差單元遞歸神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

設(shè)NH和NI分別為隱含層節(jié)點(diǎn)數(shù)和輸入層節(jié)點(diǎn)數(shù)(除偏差節(jié)點(diǎn)外),Uj(k)是該網(wǎng)絡(luò)在第j時(shí)間的第k個(gè)輸入層輸入,xj(k)是第j個(gè)隱含層節(jié)點(diǎn)的輸出,Y(k)是該網(wǎng)絡(luò)的輸出向量,則帶有偏差單元的遞歸神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)公式可表述為:

式中,δ(·)是隱含層節(jié)點(diǎn)的非線(xiàn)性激活函數(shù);wI、wR、wO分別是從輸入層到隱含層、隱含層到反饋信號(hào)、隱含層到輸出層的權(quán)系數(shù);wHbias、wObias分別是加在隱含層和輸出層上的偏差單元的權(quán)系數(shù);bH、bO分別是加在隱含層和輸出層上的偏差。

2 帶偏差單元遞歸神經(jīng)網(wǎng)絡(luò)的算法

帶偏差單元的遞歸神經(jīng)網(wǎng)絡(luò)是BP神經(jīng)網(wǎng)絡(luò)的一種改進(jìn)算法,所以在考慮其權(quán)系數(shù)調(diào)整規(guī)則時(shí),可以借鑒BP算法來(lái)確定網(wǎng)絡(luò)的權(quán)值和閾值。

根據(jù)IRN網(wǎng)絡(luò)結(jié)構(gòu)模型,設(shè)輸入模式向量Ak=[a1,a2,…,an],期望輸出向量Yk=[y1,y2,…,yq];隱含層單元輸入向量Sk=[s1,s2,…,sp],隱含層輸出向量Bk=[b1,b2,…,bp];輸出層單元輸入向量Lk=[l1,l2,…,lq],輸出向量Ck=[c1,c2,…,cq];輸入層到隱含層連接權(quán)為{wij};隱含層到輸出層連接權(quán)為{vjt};隱含層各個(gè)單元的輸出閾值為{θj};輸出層各個(gè)單元閾值為{ηt};i=1,2,…,n;j=1,2,…,p;k=1,2,…,m;t=1,2,…,q。

將網(wǎng)絡(luò)的激活函數(shù)設(shè)為S函數(shù)f(x)=1/1+e-x,設(shè)第k個(gè)學(xué)習(xí)模式網(wǎng)絡(luò)的期望輸出和實(shí)際輸出的偏差為所以的均方值為

2.1 隱含層到輸出層的連接權(quán)的調(diào)整

為使Ek隨連接權(quán)以梯度下降修整,連接權(quán)vjt的調(diào)整量Δvjt應(yīng)與成正比,則有:

定義:

則連接權(quán)vjt的調(diào)整量:

2.2 輸入層到隱含層的連接權(quán)的調(diào)整

定義:

則有:

連接權(quán)wij的調(diào)整量應(yīng)為:

2.3 隱含層和輸出層的調(diào)整

隱含層閾值{θj}的調(diào)整量為輸出層閾值{ηt}的調(diào)整量為

3 仿真試驗(yàn)

3.1 帶偏差單元遞歸神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本的構(gòu)建

首先通過(guò)特征提取獲得抽油機(jī)振動(dòng)故障狀態(tài)的特征向量,把這些特征向量作為網(wǎng)絡(luò)的輸入信號(hào)。選取振動(dòng)信號(hào)頻譜中的1fr、2fr、3fr、＞3fr、fc、2fc頻段上的幅值作為特征向量,其中 fr和 fc分別是軸轉(zhuǎn)頻率和齒輪嚙合頻率。先對(duì)所有數(shù)據(jù)進(jìn)行歸一化處理,使網(wǎng)絡(luò)所有的輸入都在 [0,1]內(nèi)。選取抽油機(jī)關(guān)鍵部件的4種典型故障 (不平衡、不對(duì)中、齒輪偏心和軸承偏心),對(duì)這4類(lèi)故障分別選取3組頻譜值,構(gòu)成相應(yīng)4類(lèi)故障的12組學(xué)習(xí)樣本,并定義期望輸出值1或接近1時(shí)代表故障存在,當(dāng)是0或接近0時(shí)代表故障不存在。

采用表1數(shù)據(jù)為學(xué)習(xí)樣本,利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能,通過(guò)學(xué)習(xí)樣本對(duì)IRN進(jìn)行訓(xùn)練,來(lái)確定特征向量與目標(biāo)向量之間的非線(xiàn)性映射關(guān)系以及連接權(quán)值和閾值。將檢測(cè)到的振動(dòng)數(shù)據(jù)輸入到已訓(xùn)練好的網(wǎng)絡(luò)模型,即可得到抽油機(jī)故障狀態(tài)的診斷結(jié)果。

表1 歸一化后各種故障類(lèi)型的學(xué)習(xí)訓(xùn)練樣本

3.2 仿真結(jié)果

利用構(gòu)建的學(xué)習(xí)樣本,用IRN進(jìn)行故障診斷的仿真試驗(yàn)。選取的該網(wǎng)絡(luò)含有6個(gè)輸入節(jié)點(diǎn)、10個(gè)隱含節(jié)點(diǎn)、3個(gè)關(guān)聯(lián)節(jié)點(diǎn)、2個(gè)偏差單元和4個(gè)輸出節(jié)點(diǎn)。利用測(cè)試樣本對(duì)網(wǎng)絡(luò)進(jìn)行檢驗(yàn),根據(jù)表2中測(cè)試結(jié)果 (主對(duì)角線(xiàn)上接近于1,其余接近于0)可以看到,用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)抽油機(jī)故障狀態(tài)的進(jìn)行測(cè)試診斷,診斷仿真結(jié)果表明與實(shí)際工況相吻合,并完全接近理想輸出。

表2 測(cè)試樣本

4 結(jié) 語(yǔ)

當(dāng)傳統(tǒng)的診斷方法不能滿(mǎn)足診斷需要時(shí),利用帶偏差單元遞歸神經(jīng)網(wǎng)絡(luò)能夠?qū)Τ橛蜋C(jī)進(jìn)行正確的振動(dòng)故障診斷。通過(guò)仿真診斷結(jié)果表明,該方法完全可以滿(mǎn)足現(xiàn)場(chǎng)實(shí)時(shí)診斷的準(zhǔn)確性要求。

[1]張學(xué)魯,季祥云,羅仁全.游梁式抽油機(jī)技術(shù)與應(yīng)用[M].北京:石油工業(yè)出版社,2001.

[2]聞新,周露,李翔,等.Matlab神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用[M].北京:科學(xué)出版社,2003.

[3]彭文季,羅興锜,李福松,等.基于頻譜法和帶偏差單元遞歸神經(jīng)網(wǎng)絡(luò)的水電機(jī)組振動(dòng)故障診斷 [J].機(jī)械科學(xué)與技術(shù),2006,25(11):1281～1284.