一种基于红外热像的压裂设备微弱故障诊断方法及装置制造方法及图纸

本说明书实施例提供一种基于红外热像的压裂设备微弱故障诊断方法及装置。所述方法包括：获取第一红外热像图；根据所述第一红外热像图确定设备故障与温度变化的对应表征关系；根据设备故障与温度变化的对应表征关系建立卷积神经网络模型；根据所述卷积神经网络模型对设备故障类型进行诊断。本说明书实施例提出了一套基于红外热像的设备故障诊断技术体系，引入了卷积神经网络(CNN)这类特殊深层神经网络并进行模型选取及参数优化，利用其强大的图像处理及学习能力提取压裂装备红外热像图中的微弱故障特征并分类，从而实现页岩气压裂设备的故障诊断功能。

A Fault Diagnosis Method and Device for Fracturing Equipment Based on Infrared Thermal Image

The embodiment of this specification provides a method and device for weak fault diagnosis of fracturing equipment based on infrared thermal image. The method includes: acquiring the first infrared thermal image; determining the corresponding characterization relationship between equipment fault and temperature change according to the first infrared thermal image; establishing the convolution neural network model according to the corresponding characterization relationship between equipment fault and temperature change; and diagnosing the type of equipment fault according to the convolution neural network model. In the embodiment of this specification, a set of equipment fault diagnosis technology system based on infrared thermal image is proposed. A special deep neural network, such as convolution neural network (CNN), is introduced to select model and optimize parameters. Its powerful image processing and learning ability is used to extract and classify weak fault features in infrared thermal image of fracturing equipment, thus realizing the fault of shale gas fracturing equipment. Diagnostic function.

【技术实现步骤摘要】
一种基于红外热像的压裂设备微弱故障诊断方法及装置
本说明书实施例涉及设备故障诊断
，特别涉及一种基于红外热像的压裂设备微弱故障诊断方法及装置。
技术介绍
油气的开采依赖于有效的压裂作业，而压裂泵作为压裂施工过程中最为关键的设备之一，需要将一定粘度的压裂液转换为高压力液体排出，用作挤压油气层以及支撑裂缝的介质。在此施工过程中压裂泵需要承受高压及循环载荷作用，增加了故障风险，严重影响压裂泵的使用寿命。当前针对以压裂泵为核心的页岩气压裂装备的故障诊断方法主要有振动信号分析、油液分析、声发射技术等。振动信号分析作为机械设备监测诊断应用最广泛的技术手段之一，常见方法有改进的经验模态分解方法、小波包变换与支持向量机结合、希伯特-黄变换等。这些方法主要依据故障部位产生的异常振动信号来诊断识别故障模式及潜在区域，但存在振动信号采集困难、信号易受波动、需接触的问题，这种情况下采用红外热像图分析则更加便利和有效。红外热成像技术是利用红外探测器、光学成像物镜和光机扫描系统得到被测目标的红外辐射能量分布图形并反映到红外探测器的光敏元上，通过探测器将红外辐射能转换为电信号，经放大处理、转换得到红外热像图本文档来自技高网...

【技术保护点】
1.一种基于红外热像的压裂设备微弱故障诊断方法，其特征在于，所述方法包括：获取第一红外热像图；根据所述第一红外热像图确定设备故障与温度变化的对应表征关系；根据所述设备故障与温度变化的对应表征关系搭建卷积神经网络模型；根据所述卷积神经网络模型对设备故障类型进行诊断。

【技术特征摘要】
1.一种基于红外热像的压裂设备微弱故障诊断方法，其特征在于，所述方法包括：获取第一红外热像图；根据所述第一红外热像图确定设备故障与温度变化的对应表征关系；根据所述设备故障与温度变化的对应表征关系搭建卷积神经网络模型；根据所述卷积神经网络模型对设备故障类型进行诊断。2.如权利要求1所述的压裂设备微弱故障诊断方法，其特征在于，在获取第一红外热像图后还包括对所述第一红外热像图进行预处理步骤，对所述第一红外热像图进行预处理包括：红外热像图灰度化处理、降噪处理和边缘锐化处理。3.如权利要求1所述的压裂设备微弱故障诊断方法，其特征在于，所述根据所述第一红外热像图确定设备故障与温度变化的对应表征关系包括：确定压裂泵典型故障类型及其发生区域；根据所述第一红外热像图、压裂泵典型故障类型及其发生区域确定所述故障引起的温度表征变化；建立所述故障对应的温度表征变化的判别机制。4.如权利要求3所述的压裂设备微弱故障诊断方法，其特征在于，所述故障对应的温度表征变化的判别机制包括：如果目标区域内出现温度升高且呈现面状或片状，则判定为设备发生刺漏故障；如果动力端区域出现温度短时间内急剧变化相较于正常状态区域外的局部温度急剧变化则判定为动力端故障。5.如权利要求1所述的压裂设备微弱故障诊断方法，其特征在于，所述根据所述设备故障与温度变化的对应表征关系搭建卷积神经网络模型包括：根据所述设备故障与温度变化的对应表征关系制作样本图片；搭建卷积神经网络模型，并根据所述样本图片对所述卷积神经网络模型进行训练和验证，得到经过训练后的卷积神经网络模型。6.一种基于红外热像的压裂设备微弱故障诊断装置，其特征在于，所述...

【专利技术属性】
技术研发人员：胡瑾秋，张来斌，刘慧舟，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：北京,11