【技术实现步骤摘要】
一种基于改进无迹Kalman滤波与RBF神经网络的抽油机故障诊断方法
本专利技术涉及抽油机故障诊断技术,具体涉及一种基于改进无迹Kalman滤波与RBF神经网络的抽油机故障诊断方法。
技术介绍
抽油机的故障诊断需要科学合理的方法,目前人们主要是根据示功图人为进行判断,而且只能定性分析,其诊断结果受到专家经验、技术等方面的影响,并且诊断具有一定的滞后性,达不到实时精确的诊断。抽油机运行过程具有非线性、强耦合性特点,为故障诊断带来较大困难。RBF神经网络具有很强的非线性映射能力,适用于解决非线性系统建模问题,为制定该方案过程建模提供了新的思路。本专利技术采用人工智能方法,对抽油机采集到的示功图参数进行傅里叶变换处理并结合抽油机本身电流参数,用RBF神经网络建立抽油机故障诊断模型,并用UKF算法对建立的诊断模型进行优化,得到最优模型参数,在此技术上,用球形无迹变换对UKF算法进行调整,减小了模型建模时间,提高了诊断速度。在实际运用中,通过收集到的数据预处理后,经RBF神经网络映射后得到的输出与模型输出作比较即可判断抽油机的故障类型。本专利技术不仅解决了长期以来仅仅依靠直觉判断健康而可能导致判断错误的问题,提高了故障诊断准确率和效率,降低了随机性和不确定性,真正达到了对抽油机实时诊断的目的,还为解决类似问题提供了一种新的思路,体现了人工智能算法在工业中的强大用处。
技术实现思路
本申请通过提供一种基于改进无迹Kalman滤波与RBF神经网络的抽油机故障诊断方法,以解决现有技术中抽油机运行过程中发生故障时因无法及时检测抽油机故障而导致错过最佳维修时期的技术问题。为解决上 ...
【技术保护点】
1.一种基于改进无迹Kalman滤波与RBF神经网络的抽油机故障诊断方法,其特征在于,包括如下步骤:S1:选取抽油机一个冲程内完整的示功图,对示功图进行傅里叶变换选取低频部分的前f个示功图坐标参数,并结合抽油机三相电流参数b1,b2,b3构成决策变量X=[a1,a2,…,af,b1,b2,b3],f为所选示功图坐标参数的个数;S2:在抽油机生产现场,选取至少一组决策变量X=[a1,a2,…,af,b1,b2,b3]作为样本数据,输出为所述决策变量X或X1~Xi所对应的故障类型Y或Y1~Yl;运用RBF神经网络对采集到的决策变量X或X1~Xi进行训练、检验,从而建立抽油机故障诊断模型;S3:利用球形无迹变换,对传统无迹Kalman算法进行改进,建立改进无迹Kalman算法,即CUKF算法;Sigma点的确定方式为:(1)当状态为1维时,初始化向量序列为:ω0
【技术特征摘要】
1.一种基于改进无迹Kalman滤波与RBF神经网络的抽油机故障诊断方法,其特征在于,包括如下步骤:S1:选取抽油机一个冲程内完整的示功图,对示功图进行傅里叶变换选取低频部分的前f个示功图坐标参数,并结合抽油机三相电流参数b1,b2,b3构成决策变量X=[a1,a2,…,af,b1,b2,b3],f为所选示功图坐标参数的个数;S2:在抽油机生产现场,选取至少一组决策变量X=[a1,a2,…,af,b1,b2,b3]作为样本数据,输出为所述决策变量X或X1~Xi所对应的故障类型Y或Y1~Yl;运用RBF神经网络对采集到的决策变量X或X1~Xi进行训练、检验,从而建立抽油机故障诊断模型;S3:利用球形无迹变换,对传统无迹Kalman算法进行改进,建立改进无迹Kalman算法,即CUKF算法;Sigma点的确定方式为:(1)当状态为1维时,初始化向量序列为:ω01=0,(2)当输入维数j=2,3,…,n时,迭代公式为:式子中,为第j维的第i个粒子点,共有n维;(3)对所生成的Sigma点加入系统状态v的均值和协方差后为:其中是状态变量的均值,Px为状态向量的协方差矩阵,从以上采样算法可以看出,除了原点以外其他采样点具有相同的权值,而且都位于半径为的改进上;S4:利用步骤S3中的CUKF算法,对步骤S2所得到的RBF神经网络模型寻优,得到一组最优参数;S5:按照步骤S4所得的参数构建最优模型来对步骤S2中所选定的抽油机故障进行建模诊断,使其达到故障诊断目的。2.根据权利要求1所述的基于改进无迹Kalman滤波与RBF神经网络的抽油机故障诊断方法,其特征在于,步骤S1中选定了二大类参数构成决策变量X,第一大类为运用傅里叶变换后的示功图坐标参数a1,a2,…a8,将每种故障示功图进行傅里叶变换得到示功图频谱图,其低频部分前8个点代表示功图图形特征,对每种故障分别进行傅里叶变换,选取变换后的前8个低频部分的示功图坐标参数a1,a2,…a8,第二大类为抽油机电流参数b1,b2,b3。3.根据权利要求1所述的基于改进无迹Kalman滤波与RBF神经网络的抽油机故障诊断方法,其特征在于,在步骤S1中,选取一组决策变量时:选取抽油机一个冲程内完整的示功图,对示功图进行傅里叶变换选取低频部分的前8个示功图坐标参数,并结合抽油机三...
【专利技术属性】
技术研发人员:李晓亮,周伟,甘丽群,刘华超,易军,李太福,梁晓东,辜小花,
申请(专利权)人:重庆科技学院,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。