《基於狀態重構機理的採油過程故障診斷方法研究》是依託東北大學，由高憲文擔任項目負責人的面上項目。
基本介紹
- 中文名：基於狀態重構機理的採油過程故障診斷方法研究
- 項目類別：面上項目
- 項目負責人：高憲文
- 依託單位：東北大學
中文摘要,結題摘要,
中文摘要
高性能採油過程故障診斷系統的構建是保障石油安全穩定生產、降低採油成本、避免環境污染的重要技術。但無樣本或樣本有限、工況時變、系統模型難以辨識等是採油過程故障診斷實際套用中存在的重要問題。本申請擬以解決上述問題展開基於狀態重構機理的採油過程故障診斷理論與技術研究。包括：建立同構混合模型描述採油過程，既兼顧機理模型對採油過程動態描述，又實現參數自適應整定，解決靜態參數差異、動態工況變化導致模型不準確的技術瓶頸問題；通過狀態重構及設定運行參數，自適應形成各種故障工況下的故障狀態樣本，解決無樣本或樣本有限導致故障診斷無法進行或診斷準確率低的問題；以自適應狀態重構為核心設計採油過程故障診斷方法，解決採油過程故障診斷這一公認難題；最後建立基於狀態重構機理的採油過程故障診斷理論框架。本研究成果能有效解決無樣本或樣本有限、工況時變、系統模型難以辨識等採油過程故障診斷問題，具有重要理論意義和廣泛套用前景。
結題摘要
本項目針對目前有桿泵運行過程工況診斷研究領域中存在的問題，提出了的多種新的方法，實現了有桿泵運行工況的計算機輔助診斷。首先綜合分析有桿泵井下機械結構與液體流入的特性，得到一組理論上的有桿泵動態抽汲過程的模型，並給出了抽油桿振動的邊界條件；使用曲波變換提取示功圖的特徵，並使用一種新的極限學習機建立了診斷模型；對泵的運行機理進行分析，使用的曲率變化和重心分割算法在示功圖上定位出凡爾工作點的位置，從而確定了一組新的示功圖特徵，使用這些特徵作為輸入建立了基於隱馬爾科夫模型的診斷模型；針對故障示功圖數量和種類不足的問題，提出了兩種解決辦法：第一種是採用動態分析方法對不同工況下的井下運行過程進行模擬來生成功圖；第二種是使用有監督字典子空間遷移學習的算法來生成示功圖；通過分析懸點和電機之間四連桿機構的運行機理，使用電機功率推算出對應的示功圖，證明電機功率可以作為樣本對有桿泵的工況進行判斷；採用從現場採集的電機功率作為實驗樣本，而後採用平均功率分割和曲率在功率曲線上提取了多種特徵，並使用一種新的隱條件隨機場模型對有桿泵的運行工況進行了診斷。此外，本研究團隊為了滿足項目開展所需，開發了一套有桿泵運行參數檢測設備，用於在油田現場收集電機功率及示功圖等油井運行數據。 同時，本課題對其他的相關問題，如切換系統、馬爾科夫跳變系統、觀測器設計等進行了研究。通過本課題的研究，完善了有桿泵工況診斷的理論和套用體系。共發表標註本課題基金資助的學術論文60篇，其中被SCI檢索41篇，分別發表在IEEE Transactions on Industrial Electronics、Neurocomputing、Journal of Process Control、Control Engineering Practice等國際重點期刊；EI檢索19篇，分別被自動化學報、化工學報、控制與決策和IEEE國際會議等國內重點期刊和會議收錄；申請國家發明專利14項, 國家軟體著作權登記1項。
