趙 強(qiáng)

（中海石油（中國(guó)）有限公司秦皇島32-6作業(yè)公司/渤中作業(yè)公司，天津 300459）

引言

我國(guó)海上平臺(tái)的伴生天然氣產(chǎn)量相對(duì)較少，相較于柴油發(fā)電，選用原油發(fā)動(dòng)機(jī)生產(chǎn)電力的方案是一種較為經(jīng)濟(jì)的選擇。引發(fā)海上平臺(tái)原油發(fā)動(dòng)機(jī)故障的原因有很多，例如，海上油田產(chǎn)出的原油黏度高、雜質(zhì)多，容易引發(fā)原油發(fā)動(dòng)機(jī)故障；復(fù)雜的工作環(huán)境以及原油發(fā)動(dòng)機(jī)自身的低頻振動(dòng)會(huì)對(duì)發(fā)動(dòng)機(jī)正常運(yùn)行產(chǎn)生不利影響；在使用過(guò)程中，高壓油泵的磨損也是引發(fā)原油發(fā)動(dòng)機(jī)故障的關(guān)鍵部件[1]。面對(duì)如此眾多的因素，單純依靠人工判斷難以滿(mǎn)足海上平臺(tái)生產(chǎn)、生活所需。因此，針對(duì)如何解決海上平臺(tái)原油發(fā)動(dòng)機(jī)故障監(jiān)測(cè)與報(bào)警的問(wèn)題，本文通過(guò)引入神經(jīng)網(wǎng)絡(luò)算法，構(gòu)造海上平臺(tái)原油發(fā)動(dòng)機(jī)智能故障監(jiān)測(cè)模型。

1 海上平臺(tái)原油發(fā)動(dòng)機(jī)智能故障監(jiān)測(cè)

1.1 海上平臺(tái)原油發(fā)動(dòng)機(jī)故障監(jiān)測(cè)原理

本文基于系統(tǒng)運(yùn)行過(guò)程中產(chǎn)生的數(shù)據(jù)參數(shù)變化特征對(duì)海上平臺(tái)原油發(fā)動(dòng)機(jī)故障原理進(jìn)行處理和分析。對(duì)于海上平臺(tái)原油發(fā)動(dòng)機(jī)來(lái)說(shuō)，系統(tǒng)的復(fù)雜程度較高，單純的特征分析無(wú)法實(shí)現(xiàn)故障監(jiān)測(cè)的目的。一方面，要有針對(duì)性地提取有用的故障特征信息，并進(jìn)行數(shù)據(jù)清洗，找出有用參數(shù)。海上平臺(tái)原油發(fā)動(dòng)機(jī)在運(yùn)轉(zhuǎn)過(guò)程中會(huì)產(chǎn)生熱量、振動(dòng)、位移。通過(guò)傳感器對(duì)原油發(fā)動(dòng)機(jī)振動(dòng)頻率、位移、發(fā)動(dòng)機(jī)瞬間轉(zhuǎn)速、加速度、溫度、電壓及電流等信息進(jìn)行采集。通過(guò)這些參數(shù)的變化情況，判斷發(fā)動(dòng)機(jī)的運(yùn)行狀態(tài)是否正常。同時(shí)，要對(duì)清洗后的數(shù)據(jù)，通過(guò)間接方式，提取故障特征參數(shù)，找出能夠代表故障征兆的數(shù)據(jù)信息，即從眾多的故障征兆中提取出能反應(yīng)故障狀態(tài)變化的參數(shù)信息[2]。

另一方面，在此基礎(chǔ)上，根據(jù)提取的數(shù)據(jù)信息，給出最匹配的故障模式，并對(duì)海上平臺(tái)原油發(fā)動(dòng)機(jī)故障監(jiān)測(cè)數(shù)據(jù)進(jìn)行識(shí)別和分類(lèi)。借助長(zhǎng)時(shí)間收集的數(shù)據(jù)參數(shù)，當(dāng)機(jī)器處在故障狀態(tài)時(shí)，根據(jù)基于神經(jīng)網(wǎng)絡(luò)的智能故障診斷方法識(shí)別故障征兆，診斷故障的類(lèi)型和部位等。海上平臺(tái)原油發(fā)動(dòng)機(jī)故障監(jiān)測(cè)原理一般分為“特征提取”和“故障識(shí)別”兩部分，其流程如圖1所示。

圖1 海上平臺(tái)原油發(fā)動(dòng)機(jī)故障監(jiān)測(cè)流程

1.2 基于神經(jīng)網(wǎng)絡(luò)的智能故障診斷方法

作為智能領(lǐng)域的一個(gè)研究焦點(diǎn)，人工神經(jīng)網(wǎng)絡(luò)是模擬人腦信息處理的由許多神經(jīng)元連接組成的模型或計(jì)算機(jī)系統(tǒng)。在網(wǎng)絡(luò)運(yùn)行過(guò)程中，神經(jīng)元相互連接、相互作用，可以自主識(shí)別虛假和誤判的海上平臺(tái)原油發(fā)動(dòng)機(jī)故障監(jiān)測(cè)與報(bào)警信息并及時(shí)處理。

在故障診斷分析中，海上平臺(tái)原油發(fā)動(dòng)機(jī)故障監(jiān)測(cè)與報(bào)警中常用的神經(jīng)網(wǎng)絡(luò)有BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)和概率神經(jīng)網(wǎng)絡(luò)。其中，BP神經(jīng)網(wǎng)絡(luò)是應(yīng)用最廣泛的故障診斷算法。神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成，如圖2所示。

圖2 神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)

在圖2中，xi與yj之間的關(guān)系可以用如下關(guān)系式來(lái)表達(dá)。

式中：xi為第i個(gè)輸入神經(jīng)網(wǎng)絡(luò)參數(shù)信息；yj為第j個(gè)神經(jīng)網(wǎng)絡(luò)輸出參數(shù)信息；f（x）為激勵(lì)函數(shù)；wki為對(duì)應(yīng)的權(quán)重。

2 海上平臺(tái)原油發(fā)動(dòng)機(jī)故障監(jiān)測(cè)與報(bào)警流程與步驟

2.1 故障監(jiān)測(cè)與報(bào)警基本流程

神經(jīng)網(wǎng)絡(luò)作為故障監(jiān)測(cè)與報(bào)警模型主要分為四個(gè)部分，分別為特征數(shù)據(jù)預(yù)處理、建立神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、神經(jīng)網(wǎng)絡(luò)測(cè)試與結(jié)果分析，其流程如圖3所示。

圖3 故障監(jiān)測(cè)與報(bào)警流程圖

2.2 海上平臺(tái)原油發(fā)動(dòng)機(jī)故障監(jiān)測(cè)與報(bào)警主要步驟

數(shù)控設(shè)備的設(shè)計(jì)復(fù)雜程度要遠(yuǎn)遠(yuǎn)高于傳統(tǒng)海上平臺(tái)原油發(fā)動(dòng)機(jī)故障監(jiān)測(cè)與報(bào)警的設(shè)計(jì)復(fù)雜程度。隨著故障診斷智能化水平的提升，系統(tǒng)自身技術(shù)知識(shí)儲(chǔ)備能力也得到了增強(qiáng)。例如，實(shí)例庫(kù)在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程中得到了增強(qiáng)。具體的海上平臺(tái)原油發(fā)動(dòng)機(jī)故障監(jiān)測(cè)與報(bào)警主要步驟的設(shè)計(jì)要與模塊功能所需的實(shí)際情況相符合；要強(qiáng)調(diào)在建立神經(jīng)網(wǎng)絡(luò)的過(guò)程中，盡可能多地提取到具有典型識(shí)別性的故障數(shù)據(jù)參數(shù)。

1）特征數(shù)據(jù)預(yù)處理。為了便于計(jì)算，對(duì)于海上平臺(tái)原油發(fā)動(dòng)機(jī)故障監(jiān)測(cè)的原始數(shù)據(jù)，除了要進(jìn)行數(shù)據(jù)清洗之外，還需要對(duì)數(shù)據(jù)進(jìn)行映射變換，將數(shù)據(jù)的值落在（-1，1）這個(gè)區(qū)間之內(nèi)，實(shí)現(xiàn)歸一化處理。這也就是通常所說(shuō)的特征數(shù)據(jù)預(yù)處理。

2）建立神經(jīng)網(wǎng)絡(luò)。在本文中選用Matlab 10.0中的前饋神經(jīng)網(wǎng)絡(luò)標(biāo)準(zhǔn)工具箱newff函數(shù)[3]。

式中：A代表一個(gè)m×m的矩陣，第i行元素為輸入信號(hào)xi的最小值和最大值；m代表神經(jīng)元的個(gè)數(shù)；B代表一個(gè)k維行向量，其元素為網(wǎng)絡(luò)中各層節(jié)點(diǎn)數(shù)；C代表一個(gè)k維字符串行向量，每一分量為相應(yīng)層神經(jīng)元的激活函數(shù)；trainFun代表為學(xué)習(xí)規(guī)則采用的訓(xùn)練算法。

3）神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。假設(shè)神經(jīng)網(wǎng)絡(luò)的故障特征采集的原始數(shù)據(jù)與輸出數(shù)據(jù)之間存在一一對(duì)應(yīng)的關(guān)系，如式（3）所示。

當(dāng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練好以后，輸入新的故障特征值，則可以根據(jù)學(xué)習(xí)函數(shù)準(zhǔn)確判斷出故障類(lèi)型。

4）神經(jīng)網(wǎng)絡(luò)的測(cè)試。將新采集的數(shù)據(jù)輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型之中，對(duì)現(xiàn)有故障進(jìn)行對(duì)比檢測(cè)，進(jìn)而實(shí)現(xiàn)故障的報(bào)警功能。

BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，其使用前向信號(hào)、誤差傳播、實(shí)際輸出值與期望值之間的平方誤差、網(wǎng)絡(luò)的效果作為目標(biāo)函數(shù)及梯度下降。由于此類(lèi)算法不需要定義圖表或思維規(guī)則與信號(hào)輸出之間的關(guān)系，因此海上平臺(tái)原油發(fā)動(dòng)機(jī)故障監(jiān)測(cè)與報(bào)警的算法設(shè)計(jì)具有很大的靈活性[4]。

3 結(jié)語(yǔ)

海上平臺(tái)原油發(fā)動(dòng)機(jī)故障監(jiān)測(cè)與報(bào)警是一類(lèi)新興的、復(fù)雜的、綜合性的技術(shù)，一方面，依據(jù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)新采集的數(shù)據(jù)進(jìn)行故障特征分類(lèi)，并實(shí)現(xiàn)故障判斷；另一方面，利用傳感器采集到的機(jī)器各項(xiàng)特征指標(biāo)判斷原油發(fā)動(dòng)機(jī)運(yùn)轉(zhuǎn)狀態(tài)。此項(xiàng)技術(shù)需要將原油發(fā)動(dòng)機(jī)現(xiàn)有的故障特征與科學(xué)的數(shù)據(jù)分析方法相結(jié)合，實(shí)現(xiàn)智能化的故障監(jiān)測(cè)與報(bào)警。