全电控井下安全阀旋转设备故障诊断方法及系统与流程

技术特征：
1.全电控井下安全阀旋转设备故障诊断方法，其特征在于，包含三个步骤：信号采集与处理、故障特征提取、故障诊断推理；信号采集与处理的具体步骤为：s101：通过布置在全电控井下安全阀阀体上的电磁制动器振动传感器、电磁离合器振动传感器、电机振动传感器、电磁制动器声发射传感器、电磁离合器声发射传感器、电机声发射传感器、温度传感器，压力传感器和电磁流量计，采集全电控井下安全阀阀体的振动信号、表面声波信号、温度信号、压力信号和井液流量信号；s102：对振动信号和表面声波信号采用最小熵反褶积算法进行滤波降噪；故障特征提取的具体步骤为：s201：对振动信号、表面声波信号进行时域特征分析，提取时域信号的均方根、方差、峭度因子和脉冲因子形成4维时域特征数据；s202：对振动信号、表面声波信号进行周期信号频域特征分析，提取频域信号的重心频域和均方频率形成2维周期信号频域特征数据；s203：对温度信号、压力信号和井液流量信号进行监测阀值对比，提取报警信息特征；故障诊断推理的具体步骤为：s301：建立全电控井下安全阀旋转设备故障诊断推理贝叶斯网络结构模型，其由故障特征层和故障层组成；s302：基于历史数据采用最大似然估计的方法进行贝叶斯网络参数学习，建立故障诊断推理贝叶斯网络参数模型，获得贝叶斯网络的条件概率表；s303：计算各部件的故障概率并依据故障识别准则判断各组件是否处于故障状态；；利用所述的全电控井下安全阀旋转设备故障诊断方法建立的全电控井下安全阀旋转设备故障诊断系统，包含两个部分：信号采集与处理子系统、信号传输与分析子系统；信号采集与处理子系统，包括信号处理模块、传感器信号采集模块、阀体状态传感器组、电磁制动器传感器组、电磁离合器传感器组、电机传感器组，阀体状态传感器组，包括温度传感器、压力传感器和电磁流量计，电磁制动器传感器组，包括电磁制动器振动传感器和电磁制动器声发射传感器，电磁离合器传感器组，包括电磁离合器振动传感器和电磁离合器声发射传感器，电机传感器组，包括电机振动传感器和电机声发射传感器；信号传输与分析子系统，包括信号收集模块、故障推理与诊断模块、故障显示与报警模块。2.根据权利要求1所述的全电控井下安全阀旋转设备故障诊断方法，其特征在于，所述提取振动信号和表面声波信号的时域特征和周期信号频域特征包括：对采集的振动信号和表面声波信号进行最小熵反褶积算法滤波降噪，采集到的信号：y(n)＝h(n)*x(n) e(n)其中，y(n)为采集信号，h(n)为系统传递函数，x(n)为真实信号，e(n)为背景噪声成分，对采集信号y(n)采用最小熵反褶积算法进行滤波降噪，如下所示：其中，为输出序列，ω(n)为反褶积器，ω(n)将采集信号y(n)恢复成与真实信号x
(n)相似的输出序列采用输出序列的范数衡量熵最大规则选取ω(n)，如下所示：其中，为输出序列的范数衡量熵，x(i)为输出序列的第i项取值；对滤波后的信号，提取时域信号的均方根、方差、峭度因子和脉冲因子形成4维时域特征数据；对滤波后的振动信号和表面声波信号进行傅里叶变换，获得相应的频域信号，提取频域信号的重心频域和均方频率形成2维周期信号频域特征数据。3.根据权利要求1所述的全电控井下安全阀旋转设备故障诊断方法，其特征在于，所述建立全电控井下安全阀旋转设备故障诊断推理贝叶斯网络模型包括：建立全电控井下安全阀旋转设备故障诊断推理贝叶斯网络结构模型，其由故障特征层和故障层组成，故障特征层节点包括时域特征节点a1、a2、...、a
a
，周期信号频域特征节点b1、b2、...、b
b
，报警信息特征节点c1、c2、...、c
c
，故障层节点包括故障节点f1、f2、...、f
d
；基于历史数据采用最大似然估计的方法进行贝叶斯网络参数学习，建立故障诊断推理贝叶斯网络参数模型，获得贝叶斯网络的条件概率表：p(x1,x2,...,x
n
)＝f(x1,x2,...,x
n
|θ)其中，x为构成贝叶斯网络的变量，n为构成贝叶斯网络的变量个数，f为其概率分布函数，θ为分布参数，似然函数为：其中，x
i
为构成贝叶斯网络的第i个变量，对似然函数两边取自然对数：对inl(θ)求导数并令之为0：解此方程即可得到模型参数的最优估计。4.根据权利要求1所述的全电控井下安全阀旋转设备故障诊断方法，其特征在于，所述计算各部件的故障概率包括：p(i)＝(p(a1),p(a2),...,p(a
a
),p(b1),p(b2),...,p(b
b
),p(c1),p(c2),...,p(c
c
))其中，p(i)为贝叶斯网络的输入，p(a1)、p(b1)、p(c1)分别为故障特征层节点a1、b1、c1的输入，各部件故障概率可由下式计算：
其中，p
f
为各部件的故障概率，p
p
为各部件发生故障的先验概率，p
c
为贝叶斯网络的条件概率表。5.根据权利要求1所述的全电控井下安全阀旋转设备故障诊断方法，其特征在于，所述故障识别准则包括：(1)当部件故障概率大于65％时认为该部件处于故障状态；(2)当部件故障概率处于35％和65％之间时认为该部件存在潜在故障；(3)当部件故障概率小于35％时认为该部件正常。

技术总结
本发明属于石油工程领域，具体地，涉及一种全电控井下安全阀旋转设备故障诊断方法及系统。全电控井下安全阀旋转设备故障诊断方法，包含三个步骤：信号采集与处理、故障特征提取、故障诊断推理。全电控井下安全阀旋转设备故障诊断系统，包含两个部分：信号采集与处理子系统、信号传输与分析子系统。相对于现有技术，本发明的有效增益效果是：全电控井下安全阀旋转设备故障诊断方法及系统，其功能不仅包含全电控井下安全阀旋转设备故障和元件失效的诊断，而且还包含全电控井下安全阀阀体的泄漏与裂纹缺陷的检测，确保了井下生产系统的生产安全；通过从多源信息中提取故障特征，用于智能化综合故障诊断，具有很高的故障诊断准确度。度。度。


技术研发人员：杨子琪 蔡宝平 刘可扬 杨俊 陈明新 李敬昊 张锐 高春坦 盛朝洋 王政达 史明伟
受保护的技术使用者：中国石油大学（华东）
技术研发日：2021.08.13
技术公布日：2021/11/5