基于产生式规则系统的抽油泵故障诊断

１１６２０１０年２月

石油勘探与开发

ＰＥＴＲＯＬＥＵＭＥＸＰＬＯＲＡＴｌ０ＮＡＮＤＤＥＶＥＬＯＰＭＥＮＴＶ０１．３７Ｎｏ．１

文章编号：１０００—０７４７（２０１０）０１一０１１６一０５

基于产生式规则系统的抽油泵故障诊断

王凯

（西安理工大学机械及精密仪器学院）

基金项目：陕西省教育厅科学研究基金（０８ＪＫ３９１）

摘要：以传统方法对有杆抽油泵系统进行故障诊断存在着很多缺陷，需要寻找可替代的诊断方法。基于人工智能领域中搜索推理技术的原理，分析了产生式规则系统的构架与工作机理。对示功图进行特征提取，将特征参数与抽油系统的抽汲参数、井况数据、故障代码、改进建议等存入总数据库。依据１８种典型工况的示功图图谱，借助于领域知识与专家经验将计算所得的特征参数按各典型工况逐一比较匹配，制定推理机和产生式规则存入规则库，最终构造出产生式规则系统。

从某油田随机抽取１０口油井进行诊断测试，与利用ＢＰ神经网络的诊断结果对比表明，本文方法诊断结论正确，改进建议合理，该系统可在线运行，自适应性强，有助于提高采油效率、降低采油成本以及实现远程采油控制的自动化、智能化，建立数字油田。图６表３参１３

关键词：故障诊断；产生式系统；搜索推理技术；识别规则

中图分类号：ＴＰｌ８２；ＴＥ３５５．５文献标识码：Ａ

Ｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆｒｏｄ。ｐｕｍｐｉｎｇｕｎｉｔｂａｓｅｄｏｎｐｒｏｄｕｃｔｉｏｎｒｕｌｅｓｓｙｓｔｅｍ

ＷａｎｇＫａｉ

（ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌａｎｄＰｒｅｃｉｓｉｏｎＩｎｓｔｒｕｍｅｎｔＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｘｉ’ａｎ７１００４８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｄｅｆｅｃｔｓｅｘｉｓｔｉｎｔｈｅｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆｒｏｄ—ｐｕｍｐｉｎｇｕｎｉｔｗｉｔｈｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｓ，８０ａｌｔｅｒｎａｔｉｖｅｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｓａｒｅｒｅｑｕｉｒｅｄ．ＡｃｃｏｒｄｉｎｇｔＯｔｈｅｐｒｉｎｃｉｐｌｅｏｆｔｈｅｒｅａｓｏｎｉｎｇ—ｂａｓｅｄｓｅａｒｃｈｔｅｃｈｎｏｌｏｇｙｕｓｅｄｉｎａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ，ｔｈｉｓａｒｔｉｃｌｅａｎａｌｙｚｅｄｔｈｅｃｏｍｐｏｓｉｔｉｏｎａｎｄｗｏｒｋｉｎｇｍｅｃｈａｎｉｓｍｏｆｔｈｅｐｒｏｄｕｃｔｉｏｎｒｕｌｅｓｓｙｓｔｅｍ．Ａｆｔｅｒｅｘｔｒａｃｔｉｎｇｆｅａｔｕｒｅｓｆｒｏｍｉｎｄｉｃａｔｏｒｄｉａｇｒａｍｓｏｆｐｕｍｐｗｏｒｋｉｎｇ，ｔｈｅｆｅａｔｕｒｅｐａｒａｍｅｔｅｒｓ，ｓｕｃｔｉｏｎｐａｒａｍｅｔｅｒｓ，ｗｅｌｌｄａｔａ，ｆａｕｌｔｃｏｄｅｓａｎｄｐｒｏｐｏｓｅｄｉｍｐｒｏｖｅｍｅｎｔｓｏｆｔｈｅｐｕｍｐｉｎｇｓｙｓｔｅｍａｒｅｉｎｐｕｔｔＯｔｈｅｇｅｎｅｒａｌｄａｔａｂａｓｅ．ＡｃｃｏｒｄｉｎｇｔＯｔｈｅｉｎｄｉｃａｔｏｒｄｉａｇｒａｍｓａｂｏｕｔ１８ｔｙｐｉｃａｌｏｐｅｒａｔｉｎｇｍｏｄｅｓａｎｄｕｓｉｎｇｔｈｅｅｘｐｅｒｔｉｓｅ，ｔｈｅｃｏｍｐｕｔｅｄｆｅａｔｕｒｅｐａｒａｍｅｔｅｒｓａｒｅｃｏｍｐａｒｅｄａｎｄｍａｔｃｈｅｄｗｉｔｈｔｈｅｔｙｐｉｃａｌｍｏｄｅｓｉｎｄｉｖｉｄｕａｌｌｙｔＯｆｏｒｍｔｈｅｉｎｆｅｒｅｎｃｅｅｎｇｉｎｅａｎｄｐｒｏｄｕｃｔｉｏｎｒｕｌｅｓｔｈａｔａｒｅｓｔｏｒｅｄｉｎｔｈｅｇｅｎｅｒａｌｄａｔａｂａｓｅ．Ｔｈｕｓ，ｔｈｅｐｒｏｄｕｃｔｉｏｎｒｕｌｅｓｓｙｓｔｅｍｉｓｂｕｉｌｔ．Ｔｅｎｏｉｌ－ｗｅｌｌｓａｒｅｓｅｌｅｃｔｅｄｒａｎｄｏｍｌｙｆｒｏｍａｎｏｉｌｆｉｅｌｄｆｏｒｔｅｓｔｄｉａｇｎｏｓｉｓ．ＴｈｅｃｏｎｔｒａｓｔｗｉｔｈｔｈｅｆａｕｌｔｄｉａｇｎｏｓｉｓｂｙＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｓｈｏｗｓｔｈａｔｔｈｅｍｅｔｈｏｄｐｒｏｐｏｓｅｄｉｎｔｈｅａｒｔｉｃｌｅｐｒｏｖｉｄｅｓｃｏｒｒｅｃｔｃｏｎｃｌｕｓｉｏｎｓａｎｄｒｅａｓｏｎａｂｌｅｉｍｐｒｏｖｅｍｅｎｔｓ．Ｔｈｅｓｙｓｔｅｍｉｓｏｐｅｒａｂｌｅｏｎ－ｌｉｎｅａｎｄｓｅｌｆ－ａｄａｐｔａｂｌｅ，ｅｎａｂｌｉｎｇｔＯｉｎｃｒｅａｓｅｒｅｃｏｖｅｒｙｅｆｆｉｃｉｅｎｃｙ，ｒｅｄｕｃｅｐｒｏｄｕｃｔｉｏｎｃｏｓｔ，ｒｅａｌｉｚｅｔｈｅａｕｔｏｍａｔｉｏｎ＆ｉｎｔｅｌｌｉｇｅｎｔｉｚａｔｉｏｎｏｆｒｅｍｏｔｅｐｒｏｄｕｃｔｉｏｎｃｏｎｔｒ０１．ａｎｄｂｕｉｌｄｄｉｇｉｔａｌｏｉｌｆｉｅｌｄ．

Ｋｅｙｗｏｒｄｓ：ｆａｕｌｔｄｉａｇｎｏｓｉｓＩｐｒｏｄｕｃｔｉｏｎｓｙｓｔｅｍ；ｒｅａｓｏｎｉｎｇ—ｂａｓｅｄｓｅａｒｃｈｔｅｃｈｎｏｌｏｇｙ；ｒｅｃｏｇｎｉｔｉｏｎｒｕｌｅ

０引言

抽油泵示功图可以准确地显示出不同工况时井下采油设备的实际工况，其不同形状特征代表了不同工况。分析和解释示功图是直接探究抽油系统工况的一个主要手段，这一过程也被称作故障诊断。传统的方法有人工诊断法、网格法、矢量法、傅里叶位置法、傅里叶曲率法、功率谱密度法。这些方法仅限于分析示功图本身的形状信息，不能较好地描述各图形之间的细微差别，导致诊断正确率不高，特别是对于那些形状相似但故障类别却完全不同的情况未能给予考虑，所以均未达到工程实用化的程度。

示功图和抽汲参数为利用人工智能实现抽油系统故障诊断提供了丰富的信息。近年来，搜索推理技术和规则式产生式系统已经在国内外许多工程领域得到了成功应用：文献［１］介绍了计算机阅卷应用项目；文献Ｅ２－１介绍了阿根廷农业区域气象预报与应对决策；文献Ｅ３］阐述了基于模糊规则和学生测验记录的自适应学习系统，该学习系统可自动地构造概念图以评估概念等级；文献Ｅ４］提出将产生式规则应用于煤性一炉型耦合专家系统的设计与研究；文献［５］介绍了如何在实时生产系统中应用规则演绎法进行看板数量管理；文献［６］介绍了如何将规则式系统用于电力设备的故障诊断；文献［７］讲述了在计算机辅助工艺设计中利用规则式系统实现自动特征识别；文献Ｉｓ］介绍了通过产生式规则建立故障诊断专家系统对宝钢热轧生产线轧制力

万方数据