灰色－神經(jīng)網(wǎng)絡(luò)的往復(fù)泵狀態(tài)監(jiān)測(cè)和趨勢(shì)預(yù)測(cè)分析

灰色－神經(jīng)網(wǎng)絡(luò)的往復(fù)泵狀態(tài)監(jiān)測(cè)和趨勢(shì)預(yù)測(cè)分析往復(fù)泵是油田鉆井、注水和壓裂等工藝中的重要設(shè)備，其工作條件十分惡劣，該設(shè)備能否正常運(yùn)轉(zhuǎn)對(duì)油田安全生產(chǎn)十分重要，因此對(duì)其易損件，如泵閥、活塞-缸套副、柱塞-密封副等的狀態(tài)監(jiān)測(cè)和趨勢(shì)預(yù)測(cè)，成為往復(fù)泵故障診斷的關(guān)鍵問題。主要研究了灰色-神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法在往復(fù)泵故障趨勢(shì)預(yù)測(cè)中的應(yīng)用，結(jié)合實(shí)際案例，根據(jù)往復(fù)泵故障發(fā)展趨勢(shì)，針對(duì)其故障診斷與預(yù)測(cè)的難點(diǎn)，提出采用組合預(yù)測(cè)模型開展趨勢(shì)預(yù)測(cè)，相比采用單一模型預(yù)測(cè)方法，該組合模型具有較高的精度，對(duì)狀態(tài)監(jiān)測(cè)工作有非常好的應(yīng)用價(jià)值和實(shí)際意義。

往復(fù)泵是油田生產(chǎn)中的重要設(shè)備之一，每次出現(xiàn)故障都會(huì)對(duì)企業(yè)的安全生產(chǎn)造成巨大的影響。目前，國(guó)內(nèi)外對(duì)往復(fù)泵狀態(tài)監(jiān)測(cè)與趨勢(shì)預(yù)測(cè)多采用人工神經(jīng)網(wǎng)絡(luò)、模糊預(yù)測(cè)等單一模型開展研究，由于單一的預(yù)測(cè)方法只能是在一定情況下、一定范圍內(nèi)才有效，并不能充分利用全部的特征信息，因而常導(dǎo)致預(yù)測(cè)結(jié)果與真實(shí)值之間存在較大誤差。

本文主要研究灰色-神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法在往復(fù)泵故障趨勢(shì)預(yù)測(cè)中的應(yīng)用，并結(jié)合實(shí)際案例，比照分析該組合預(yù)測(cè)方法相對(duì)單一模型預(yù)測(cè)的優(yōu)勢(shì)，為組合預(yù)測(cè)方法在往復(fù)泵故障診斷和趨勢(shì)預(yù)測(cè)領(lǐng)域中的應(yīng)用提供了有力的支持。1、往復(fù)泵常見故障分析

高壓往復(fù)式注水泵主要由動(dòng)力端、液力端、底座、電機(jī)、電控盤、潤(rùn)滑等部件組成。由于構(gòu)成部件多，構(gòu)造較為復(fù)雜，在實(shí)際生產(chǎn)中經(jīng)常發(fā)生各種類型的故障，根據(jù)發(fā)生部位可以分為以下幾個(gè)方面.

1.1、往復(fù)泵動(dòng)力端

(1)轉(zhuǎn)軸:往復(fù)泵的轉(zhuǎn)軸為曲軸，曲軸是往復(fù)泵中構(gòu)造和受力最復(fù)雜的構(gòu)件之一，它不僅承受傳動(dòng)軸傳來的扭矩，同時(shí)承受著三個(gè)連桿傳遞的阻力。

(2)滾動(dòng)軸承:是旋轉(zhuǎn)的受力部件，承受徑向和軸向的負(fù)荷，在沖擊載荷下容易發(fā)生故障。而往復(fù)泵液力端的每次沖程都會(huì)施加沖擊載荷，所以是最易損壞的零件之一。

1.2、往復(fù)泵液力端

往復(fù)泵液力端常見故障見表1所示。

表1往復(fù)泵液力端常見故障類型2、灰色-神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

往復(fù)泵是一個(gè)復(fù)雜的系統(tǒng)，時(shí)變性、隨機(jī)性、模糊性等多方面的因素致使系統(tǒng)振動(dòng)變化異常復(fù)雜，用單一的預(yù)測(cè)方法難以在信息貧乏和不確定性條件下對(duì)設(shè)備運(yùn)行狀態(tài)趨勢(shì)做出準(zhǔn)確有效地分析。組合預(yù)測(cè)方法將各種預(yù)測(cè)方法的優(yōu)缺點(diǎn)相互補(bǔ)充，取長(zhǎng)補(bǔ)短，有效的利用了全部有用信息，最終到達(dá)提高預(yù)測(cè)精度的目的。但是，組合預(yù)測(cè)方法在機(jī)械故障診斷領(lǐng)域內(nèi)的應(yīng)用比較少。

灰色預(yù)測(cè)模型簡(jiǎn)單實(shí)用，要求樣本數(shù)據(jù)少，能較好的預(yù)測(cè)振動(dòng)變化的總體趨勢(shì)，但不適合逼近復(fù)雜的非線性函數(shù)，一般用于中長(zhǎng)期預(yù)測(cè)。人工神經(jīng)網(wǎng)絡(luò)具有良好的非線性映射能力，能較好的預(yù)測(cè)振動(dòng)的波動(dòng)趨勢(shì)，但需要具有足夠的隱節(jié)點(diǎn)也就是需要大量的樣本保證，一般適用于能取得較多樣本的短期預(yù)測(cè)。

2.1、并聯(lián)型組合模型

所謂并聯(lián)型組合模型是指利用灰色預(yù)測(cè)模型具有良好的增長(zhǎng)特性的特點(diǎn)，對(duì)負(fù)荷的增長(zhǎng)趨勢(shì)和總體變化趨勢(shì)開展預(yù)測(cè)，即對(duì)縱向歷史數(shù)據(jù)開展建模，同時(shí)利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型良好的非線性映射能力對(duì)負(fù)荷的波動(dòng)趨勢(shì)開展預(yù)測(cè)，即對(duì)橫向歷史數(shù)據(jù)開展建模，最后根據(jù)最優(yōu)化理論建立兼有兩者優(yōu)點(diǎn)的綜合模型。本模型對(duì)于各自本身的建模程序不需要做太多的修改。但由于兩個(gè)模型相互獨(dú)立，所以該綜合模型不能消除原來兩個(gè)模型本身所固有的一些缺點(diǎn)(如圖1表示)。

圖1灰色-神經(jīng)網(wǎng)絡(luò)并聯(lián)型組合模型

2.2、串聯(lián)型組合模型

串聯(lián)型組合模型(如圖2所示)能夠更大限度的發(fā)揮灰色模型和人工神經(jīng)網(wǎng)絡(luò)模型各自的特點(diǎn)。所謂串聯(lián)型綜合模型是指將灰色預(yù)測(cè)模型GM(1，1)的預(yù)測(cè)結(jié)果作為神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的輸入，利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性映射功能在其輸出端得到精度更高的預(yù)測(cè)結(jié)果。

圖2灰色-神經(jīng)網(wǎng)絡(luò)串聯(lián)型組合模型總結(jié)

本文分別采用灰色模型、神經(jīng)網(wǎng)絡(luò)模型和灰色-神經(jīng)網(wǎng)絡(luò)組合模型對(duì)往復(fù)泵的一組運(yùn)行數(shù)據(jù)(振動(dòng)有效值)開展