智能动力猫道及其方法技术

本发明专利技术公开了一种智能动力猫道及其方法，其采集到液压系统在工作过程中的多个预定时间点的液压油的压力值、流量值和温度值，在后端引入数据处理和分析算法来对液压油的压力值、流量值和温度值进行智能化的时序协同关联分析以实现对液压系统的工作状态判断，从而确保液压系统的正常运行，以提供足够的力量来抬升送钻柱装置。升送钻柱装置。升送钻柱装置。

【技术实现步骤摘要】
智能动力猫道及其方法


[0001]本专利技术涉及智能动力猫道
，尤其涉及一种智能动力猫道及其方法。

技术介绍

[0002]动力猫道是主要用于钻台高度10.5m
‑
12m钻机所需地面管具自动输送上下钻井平台的工作，适用于石油、天然气、页岩气及煤层气等钻井作业现场地面管具的传送作业。
[0003]在动力猫道的工作过程中，液压系统的正常运行对于抬升送钻柱装置至关重要。然而，传统的液压系统监测方案通常是依赖于人工巡检或数据自动监测的方式来进行。在人工巡检方案中，需要专业技术人员来进行液压系统的工作状态分析判断，这不仅需要耗费专业技术人员大量的时间和精力，还容易受到人员主观判断的影响，导致对于液压系统的故障检测精度较低，易产生漏检误检。在数据自动检测方案中，现有的方案只是基于对各个参数数据是否超过阈值进行检测，并没有关注到液压系统工作过程中各个参数之间的关联协同性，导致无法及时且有效地发现和处理液压系统故障，造成设备损坏或生产中断。
[0004]因此，期望一种智能动力猫道。

技术实现思路

[0005]本专利技术实施例提供一种智能动力猫道及其方法，其采集到液压系统在工作过程中的多个预定时间点的液压油的压力值、流量值和温度值，在后端引入数据处理和分析算法来对液压油的压力值、流量值和温度值进行智能化的时序协同关联分析以实现对液压系统的工作状态判断，从而确保液压系统的正常运行，以提供足够的力量来抬升送钻柱装置。
[0006]本专利技术实施例还提供了一种智能动力猫道，其包括：底座；自所述底座以第一角度和第二角度向上延伸的坡道和支架；固定于所述坡道和所述支架之间的送钻柱装置；以及液压系统和电气系统。
[0007]在上述智能动力猫道中，所述液压系统，包括：数据获取模块，用于获取预定时间段内多个预定时间点的液压油的压力值、流量值和温度值；协同关联分析模块，用于对所述多个预定时间点的液压油的压力值、流量值和温度值进行数据协同关联分析以得到液压油多参数融合特征；以及液压系统判断模块，用于基于所述液压油多参数融合特征，确定液压系统是否正常运行。
[0008]在上述智能动力猫道中，所述协同关联分析模块，包括：向量排列单元，用于将所述多个预定时间点的液压油的压力值、流量值和温度值分别按照时间维度排列为液压油压力时序输入向量、液压油流量时序输入向量和液压油温度时序输入向量；压力关联编码单元，用于对所述液压油压力时序输入向量和所述液压油流量时序输入向量进行协同关联编码以得到液压油流量
‑
压力关联特征向量；温度关联编码单元，用于对所述液压油流量时序输入向量和所述液压油温度时序输入向量进行协同关联编码以得到液压油流量
‑
温度关联特征向量；以及融合单元，用于融合所述液压油流量
‑
压力关联特征向量和所述液压油流量
‑
温度关联特征向量以得到液压油多参数融合特征向量作为所述液压油多参数融合特
征。
[0009]在上述智能动力猫道中，所述压力关联编码单元，用于：计算所述液压油压力时序输入向量和所述液压油流量时序输入向量之间的液压油流量
‑
压力关联矩阵；以及将所述液压油流量
‑
压力关联矩阵通过基于第一卷积神经网络模型的流量
‑
压力关联提取器以得到所述液压油流量
‑
压力关联特征向量。
[0010]在上述智能动力猫道中，所述温度关联编码单元，用于：计算所述液压油流量时序输入向量和所述液压油温度时序输入向量之间的液压油流量
‑
温度关联矩阵；以及将所述液压油流量
‑
温度关联矩阵通过基于第二卷积神经网络模型的流量
‑
温度关联特征提取器以得到所述液压油流量
‑
温度关联特征向量。
[0011]在上述智能动力猫道中，所述融合单元，用于：使用注意力机制来融合所述液压油流量
‑
压力关联特征向量和所述液压油流量
‑
温度关联特征向量以得到所述液压油多参数融合特征向量。
[0012]在上述智能动力猫道中，所述液压系统判断模块，用于：将所述液压油多参数融合特征向量通过分类器以得到分类结果，所述分类结果用于表示液压系统是否正常运行。
[0013]在上述智能动力猫道中，还包括训练模块，用于对所述基于第一卷积神经网络模型的流量
‑
压力关联提取器、所述基于第二卷积神经网络模型的流量
‑
温度关联特征提取器和所述分类器进行训练；其中，所述训练模块，包括：训练数据获取单元，用于获取训练数据，所述训练数据包括预定时间段内多个预定时间点的液压油的训练压力值、训练流量值和训练温度值，以及，所述液压系统是否正常运行的真实值；训练向量排列单元，用于将所述多个预定时间点的液压油的训练压力值、训练流量值和训练温度值分别按照时间维度排列为训练液压油压力时序输入向量、训练液压油流量时序输入向量和训练液压油温度时序输入向量；训练压力关联矩阵计算单元，用于计算所述训练液压油压力时序输入向量和所述训练液压油流量时序输入向量之间的训练液压油流量
‑
压力关联矩阵；训练温度关联矩阵计算单元，用于计算所述训练液压油流量时序输入向量和所述训练液压油温度时序输入向量之间的训练液压油流量
‑
温度关联矩阵；训练第一特征提取单元，用于将所述训练液压油流量
‑
压力关联矩阵通过所述基于第一卷积神经网络模型的流量
‑
压力关联提取器以得到训练液压油流量
‑
压力关联特征向量；训练第二特征提取单元，用于将所述训练液压油流量
‑
温度关联矩阵通过所述基于第二卷积神经网络模型的流量
‑
温度关联特征提取器以得到训练液压油流量
‑
温度关联特征向量；训练融合单元，用于使用注意力机制来融合所述训练液压油流量
‑
压力关联特征向量和所述训练液压油流量
‑
温度关联特征向量以得到训练液压油多参数融合特征向量；训练分类单元，用于将所述训练液压油多参数融合特征向量通过所述分类器以得到分类损失函数值；相似性损失函数值计算单元，用于计算所述训练液压油流量
‑
压力关联特征向量和所述训练液压油流量
‑
温度关联特征向量的共有流形隐式相似性因数以得到共有流形隐式相似性损失函数值；训练单元，用于以所述分类损失函数值和所述共有流形隐式相似性损失函数值的加权和作为损失函数值，并通过梯度下降的方向传播来对所述基于第一卷积神经网络模型的流量
‑
压力关联提取器、所述基于第二卷积神经网络模型的流量
‑
温度关联特征提取器和所述分类器进行训练。
[0014]在上述智能动力猫道中，所述相似性损失函数值计算单元，用于：以如下损失公式计算所述训练液压油流量
‑
压力关联特征向量和所述训练液压本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能动力猫道，其特征在于，包括：底座；自所述底座以第一角度和第二角度向上延伸的坡道和支架；固定于所述坡道和所述支架之间的送钻柱装置；以及液压系统和电气系统；其中，所述液压系统，包括:数据获取模块，用于获取预定时间段内多个预定时间点的液压油的压力值、流量值和温度值；协同关联分析模块，用于对所述多个预定时间点的液压油的压力值、流量值和温度值进行数据协同关联分析以得到液压油多参数融合特征；以及液压系统判断模块，用于基于所述液压油多参数融合特征，确定液压系统是否正常运行。2.根据权利要求1所述的智能动力猫道，其特征在于，所述协同关联分析模块，包括：向量排列单元，用于将所述多个预定时间点的液压油的压力值、流量值和温度值分别按照时间维度排列为液压油压力时序输入向量、液压油流量时序输入向量和液压油温度时序输入向量；压力关联编码单元，用于对所述液压油压力时序输入向量和所述液压油流量时序输入向量进行协同关联编码以得到液压油流量
‑
压力关联特征向量；温度关联编码单元，用于对所述液压油流量时序输入向量和所述液压油温度时序输入向量进行协同关联编码以得到液压油流量
‑
温度关联特征向量；以及融合单元，用于融合所述液压油流量
‑
压力关联特征向量和所述液压油流量
‑
温度关联特征向量以得到液压油多参数融合特征向量作为所述液压油多参数融合特征。3.根据权利要求2所述的智能动力猫道，其特征在于，所述压力关联编码单元，用于：计算所述液压油压力时序输入向量和所述液压油流量时序输入向量之间的液压油流量
‑
压力关联矩阵；以及将所述液压油流量
‑
压力关联矩阵通过基于第一卷积神经网络模型的流量
‑
压力关联提取器以得到所述液压油流量
‑
压力关联特征向量。4.根据权利要求3所述的智能动力猫道，其特征在于，所述温度关联编码单元，用于：计算所述液压油流量时序输入向量和所述液压油温度时序输入向量之间的液压油流量
‑
温度关联矩阵；以及将所述液压油流量
‑
温度关联矩阵通过基于第二卷积神经网络模型的流量
‑
温度关联特征提取器以得到所述液压油流量
‑
温度关联特征向量。5.根据权利要求4所述的智能动力猫道，其特征在于，所述融合单元，用于：使用注意力机制来融合所述液压油流量
‑
压力关联特征向量和所述液压油流量
‑
温度关联特征向量以得到所述液压油多参数融合特征向量。6.根据权利要求5所述的智能动力猫道，其特征在于，所述液压系统判断模块，用于：将所述液压油多参数融合特征向量通过分类器以得到分类结果，所述分类结果用于表示液压系统是否正常运行。7.根据权利要求6所述的智能动力猫道，其特征在于，还包括训练模块，用于对所述基于第一卷积神经网络模型的流量
‑
压力关联提取器、所述基于第二卷积神经网络模型的流量
‑
温度关联特征提取器和所述分类器进行训练；其中，所述训练模块，包括：训练数据获取单元，用于获取训练数据，所述训练数据包括预定时间段内多个预定时间点的液压油的训练压力值、训练流量值和训练温度值，以及，所述液压系统是否正常运行的真实值；训练向量排列单元，用于将...

【专利技术属性】
技术研发人员：任兆国，王金平，芦东辉，梁宸，任小锋，芦东亮，何新庄，李德江，张建，杨斐，张国强，谭慧丽，
申请(专利权)人：新疆塔林投资集团有限责任公司，
类型：发明
国别省市：