司志梅,段志剛,趙慶婕
(中國石化江蘇油田分公司石油工程技術(shù)研究院,江蘇揚州 225009)
游梁式抽油機是石油開采中關(guān)鍵的機械設(shè)備之一,掌握抽油機設(shè)備運行狀態(tài)是原油安全生產(chǎn)的重要工作。
目前應(yīng)用的抽油機故障診斷技術(shù)總體可分為兩類:第一類是人工巡檢,依靠技術(shù)人員的豐富經(jīng)驗通過“看聽摸查聞”,分析抽油機的運行情況,判斷抽油機是否存在故障,這種方法人為因素影響大,識別準確率低,且人工工作量大,不能滿足抽油機工況實時診斷和油田信息化、智能化管理的要求;第二類是人工智能診斷技術(shù),利用計算機自動識別技術(shù)實時檢測抽油機運行數(shù)據(jù),通過振動信號分析和神經(jīng)網(wǎng)絡(luò)故障診斷等手段進行分析、推測,有效實現(xiàn)抽油機故障分類及預警[1-3]。人工智能診斷技術(shù)主要檢測電動機、減速器等設(shè)備的振動信號或是懸點示功圖的形態(tài)變化特征,并未對抽油機運行的音頻信號進行診斷。
當抽油機運行狀態(tài)發(fā)生變化,音頻信號的特性也會隨之變化,對音頻信號進行分析與處理,也是實現(xiàn)抽油機故障診斷的一種有效的方法[4]。因此,提出了一種基于大數(shù)據(jù)分析的抽油機故障音頻智能診斷方法,利用抽油機音頻智能采集器采集抽油機的音頻數(shù)字信號,把音頻信號轉(zhuǎn)換為特征圖像(語譜圖),利用深度學習的卷積神經(jīng)網(wǎng)絡(luò)對圖像進行分類識別,實現(xiàn)抽油機故障分類和故障報警。
抽油機故障音頻智能診斷原理是將音頻數(shù)據(jù)分幀、加窗,轉(zhuǎn)換為特征語譜圖,利用深度學習的卷積神經(jīng)網(wǎng)絡(luò)對圖像進行識別分類。……