基于深度学习的抽油机故障诊断制造技术

本发明专利技术公开了基于深度学习的抽油机故障诊断，涉及故障诊断技术领域，包括以下步骤：S1、输入抽油机原始参数；S2、检测当前抽油机参数；S3、一次异常参数检测；S4、检测异常参数位置；S5、估定故障位置；S6、进行故障维修；S7、检测后续参数；S8、二次异常参数检测；S9、完成检修；S10、备份维修信息。本发明专利技术的有益效果为：该基于深度学习的抽油机故障诊断，通过对抽油机的参数进行实时记录，并进行对比，利用参数差异的方式对抽油机的故障位置进行定位，并且通过利用联网式的数据库，将相同型号的抽油机发生故障的故障表征和当时的异常参数进行记录，从而可以在发生故障的时候通过利用与数据库文件对比的方式，更加迅速的对故障源进行寻找。找。找。

【技术实现步骤摘要】
基于深度学习的抽油机故障诊断


[0001]本专利技术涉及故障诊断
，具体为基于深度学习的抽油机故障诊断。

技术介绍

[0002]抽油机是开采石油的一种机器设备，俗称“磕头机”。抽油机是有杆抽油系统中最主要举升设备。根据是否有游梁，可分为游梁式抽油机和无游梁式抽油机，抽油机是在石油开采过程中极为重要的一种机械设备，但是由于抽油机本身的结构较大，当抽油机的某个部件出现故障的时候，不能迅速的将故障找出并进行修理，从而可能会导致石油开采工程的停滞，为此，我们提出了一种基于深度学习的抽油机故障诊断方法。

技术实现思路

[0003]针对现有技术的不足，本专利技术提供了基于深度学习的抽油机故障诊断，解决了上述
技术介绍
中提出的问题。
[0004]为实现以上目的，本专利技术通过以下技术方案予以实现：基于深度学习的抽油机故障诊断，包括以下步骤：
[0005]S1、输入抽油机原始参数：在系统中输入抽油机正常的工作状态的各部件数据和参数；
[0006]S2、检测当前抽油机参数：对当前情况下运动中的抽油机参数进行检测；
[0007]S3、一次异常参数检测：根据的抽油机原始参数和当前参数进行对比，从而确定是否存在异常参数和数据；
[0008]S4、检测异常参数位置：根据发现的异常参数对参数的对应位置进行检测；
[0009]S5、估定故障位置：利用资料库中的数据比对大致确定故障的位置，并进行详细检测；
[0010]S6、进行故障维修：在确定位置后对抽油机的故障位置进行维修；
[0011]S7、检测后续参数：在故障维修完成后再次对当前抽油机的参数进行检测；
[0012]S8、二次异常参数检测：对原始抽油机参数、当前抽油机参数和维修后的抽油机参数进行比对，并检测原始抽油机参数和维修后抽油机参数相比是否还存在异常；
[0013]S9、完成检修：在参数完成正常后完成检修；
[0014]S10、备份维修信息：对维修过程中产生的信息进行备份，并传输至数据库中汇总。
[0015]在本专利技术中进一步的，所述S6、进行故障维修包括以下步骤：
[0016]S61、记录故障表征：在系统中对因为故障引起的外在表现进行记录；
[0017]S62、查询故障表征：在数据库中根据此次的故障表征对故障进行查询；
[0018]S63、确认故障点：根据数据库中的对应故障表征确认故障点；
[0019]S64、故障清除：在确认故障点后对故障进行修理，清除故障；
[0020]S65、清除测试：在故障清除完成后对抽油机进行测试；
[0021]S66、确认无故障：等待测试结果，确认无故障产生。
[0022]在本专利技术中进一步的，所述S65、清除测试中在清除故障后需要对其连续测试1h，并实时对测试期间的参数进行监测。
[0023]在本专利技术中进一步的，所述S10、备份维修信息包括以下信息：
[0024]①
、维修时间记录；
[0025]②
、故障点记录；
[0026]③
、故障表征记录；
[0027]④
、维修方式记录；
[0028]⑤
、维修结果记录。
[0029]在本专利技术中进一步的，所述S1、输入抽油机原始参数中的参数包括有：
[0030]①
、额定悬点载荷；
②
、光杆最大冲程；
③
、最高冲次；
④
、减速机扭矩；
⑤
、供电电压；
⑥
、电机额定转速。
[0031]在本专利技术中进一步的，所述S3、一次异常参数检测中如果未检测出异常参数，则直接进行S9、完成检修，如果检测出异常参数，则进行S4、检测异常参数位置；所述S8、二次异常参数检测中如果检测出异常参数，则重新进行S4、检测异常参数位置，如果未检测出异常参数，则进行S9、完成检修。
[0032]在本专利技术中进一步的，所述S7、检测后续参数中需要对参数进行三次检测，并利用三次的检测结果与抽油机原始参数对比，确认无异常参数，每次检测时间为30min。
[0033]在本专利技术中进一步的，所述资料库进行联网设置。
[0034]在本专利技术中进一步的，所述S5、估定故障位置中通过当前参数和故障表征与资料库中的记载参数与故障表征进行比对，从而估定故障位置。
[0035]本专利技术提供了基于深度学习的抽油机故障诊断，具备以下有益效果：
[0036]该基于深度学习的抽油机故障诊断，通过对抽油机的参数进行实时记录，并进行对比，利用参数差异的方式对抽油机的故障位置进行定位，并且通过利用联网式的数据库，将相同型号的抽油机发生故障的故障表征和当时的异常参数进行记录，从而可以在发生故障的时候通过利用与数据库文件对比的方式，更加迅速的对故障源进行寻找，也可以对维修方案进行参考，进而增加维修的速度，使用更加方便，且随着数据库内部文件的不断增加，可以更加高效，更加准确的对抽油机的故障进行诊断。
附图说明
[0037]图1为本专利技术的流程示意图；
[0038]图2为本专利技术进行故障修理的流程示意图；
[0039]图3为本专利技术备份维修信息的流程示意图。
具体实施方式
[0040]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0041]请参阅图1至图3，本专利技术提供技术方案：基于深度学习的抽油机故障诊断，包括以下步骤：
[0042]S1、输入抽油机原始参数：在系统中输入抽油机正常的工作状态的各部件数据和
参数；
[0043]S2、检测当前抽油机参数：对当前情况下运动中的抽油机参数进行检测；
[0044]S3、一次异常参数检测：根据的抽油机原始参数和当前参数进行对比，从而确定是否存在异常参数和数据；
[0045]S4、检测异常参数位置：根据发现的异常参数对参数的对应位置进行检测；
[0046]S5、估定故障位置：利用资料库中的数据比对大致确定故障的位置，并进行详细检测；
[0047]S6、进行故障维修：在确定位置后对抽油机的故障位置进行维修；
[0048]S7、检测后续参数：在故障维修完成后再次对当前抽油机的参数进行检测；
[0049]S8、二次异常参数检测：对原始抽油机参数、当前抽油机参数和维修后的抽油机参数进行比对，并检测原始抽油机参数和维修后抽油机参数相比是否还存在异常；
[0050]S9、完成检修：在参数完成正常后完成检修；
[0051]S10、备份维修信息：对维修过程中产生的信息进行备份，并传输至数据库中汇总。
[0052]其中，所述S6、进行故障维修包括以下步骤：
[0053]S61、记录故障表征：在系统中对因为故障引起的外在表现进行记录；利用外在表现可以迅速的与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的抽油机故障诊断，其特征在于，包括以下步骤：S1、输入抽油机原始参数：在系统中输入抽油机正常的工作状态的各部件数据和参数；S2、检测当前抽油机参数：对当前情况下运动中的抽油机参数进行检测；S3、一次异常参数检测：根据的抽油机原始参数和当前参数进行对比，从而确定是否存在异常参数和数据；S4、检测异常参数位置：根据发现的异常参数对参数的对应位置进行检测；S5、估定故障位置：利用资料库中的数据比对大致确定故障的位置，并进行详细检测；S6、进行故障维修：在确定位置后对抽油机的故障位置进行维修；S7、检测后续参数：在故障维修完成后再次对当前抽油机的参数进行检测；S8、二次异常参数检测：对原始抽油机参数、当前抽油机参数和维修后的抽油机参数进行比对，并检测原始抽油机参数和维修后抽油机参数相比是否还存在异常；S9、完成检修：在参数完成正常后完成检修；S10、备份维修信息：对维修过程中产生的信息进行备份，并传输至数据库中汇总。2.根据权利要求1所述的基于深度学习的抽油机故障诊断，其特征在于：所述S6、进行故障维修包括以下步骤：S61、记录故障表征：在系统中对因为故障引起的外在表现进行记录；S62、查询故障表征：在数据库中根据此次的故障表征对故障进行查询；S63、确认故障点：根据数据库中的对应故障表征确认故障点；S64、故障清除：在确认故障点后对故障进行修理，清除故障；S65、清除测试：在故障清除完成后对抽油机进行测试；S66、确认无故障：等待测试结果，确认无故障产生。3.根据权利要求2所述的基于深度学习的抽油机故障诊断，其特征在于：所述S65、清除测试中在清除故障后需要对其连续测试1h，并实时对测试期间的参数进行监测。4.根据权利要求1所述的基于深度学习...

【专利技术属性】
技术研发人员：史宝馨，刘远红，高志伟，刘庆强，杨发彪，
申请(专利权)人：东北石油大学，
类型：发明
国别省市：