全电控井下安全阀旋转设备故障诊断方法及系统技术方案

本发明专利技术属于石油工程领域，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，本发明专利技术的有效增益效果是：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。

【技术实现步骤摘要】
全电控井下安全阀旋转设备故障诊断方法及系统


[0001]本专利技术属于石油工程领域，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。

技术介绍

[0002]井喷事故是威胁油气安全生产的重要因素。一旦发生井喷事故将造成巨大的经济、财产、人员和环境损失。而随着油气行业向深层发展，由井喷事故造成的安全隐患越来越大。全电控井下安全阀是一种安装在油气井内，在井口出现重大故障时能紧急关井，防止井喷、保障油气井生产安全的井下工具。
[0003]由于全电控井下安全阀运行在井下，通常采用整体提升的方式进行故障的诊断和定位，操作难度大，成本花费高。因此，亟需一种操作简单、诊断效率高的全电控井下安全阀旋转设备故障诊断方法及系统。

技术实现思路

[0004]为克服现有技术存在的缺陷，本专利技术的目的在于提供一种全电控井下安全阀旋转设备故障诊断方法及系统。
[0005]为实现上述目的，如图1所示，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。
[0006]信号采集与处理的具体步骤为：
[0007]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；
[0008]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。
[0009]故障特征提取的具体步骤为：
[0010]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；
[0011]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；
[0012]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。
[0013]故障诊断推理的具体步骤为：
[0014]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，由故障特征值层和故障层组成；
[0015]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；
[0016]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。
[0017]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。
[0018]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。
[0019]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。
[0020]相对于现有技术，本专利技术的有效增益效果是：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。
附图说明
[0021]图1是全电控井下安全阀旋转设备故障诊断方法示意图
[0022]图2是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示意图
[0023]图3是全电控井下安全阀旋转设备系统示意图
[0024]图4是全电控井下安全阀旋转设备故障诊断系统示意图
[0025]图中，101、井上控制模块，102、井上核心控制板，103、不间断电源，104、井上电力载波板卡，105、电力发送模块，106、井下控制模块，107、井下电力载波模块，108、电力接收模块，109、第一井下核心控制板，110、第二井下核心控制板，111、第三井下核心控制板，112、井下核心控制板模块，113、电机光耦开关，114、电磁离合器光耦开关，115、电磁制动器光耦开关，116、电机继电器，117、电磁离合器继电器，118、电磁制动器继电器，119、全电控井下安全阀阀体，120、电机，121、电磁离合器，122、电磁制动器，123、安全阀阀门，201、信号传输与分析子系统，202、故障显示与报警模块，203、故障推理与诊断模块，204、信号收集模块，205、信号采集与处理子系统，206、信号处理模块，207、传感器信号采集模块，208、阀体状态传感器组信号采集器，209、电磁离合器传感器组信号采集器，210、电机传感器组信号采集器，211、电磁制动器传感器组信号采集器，212、阀体状态传感器组，213、温度传感器，214、压力传感器，215、电磁流量计，216、电磁制动器传感器组，217、电磁制动器振动传感器，218、电磁制动器声发射传感器，219、电磁离合器传感器组，220、电磁离合器振动传感器，221、电磁离合器声发射传感器，222、电机传感器组，223、电机振动传感器，224、电机声发射传感器。
具体实施方案
[0026]如图1所示，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。
[0027]信号采集与处理的具体步骤为：
[0028]S101：通过布置在全电控井下安全阀阀体119上的电磁制动器振动传感器217、电磁离合器振动传感器220、电机振动传感器223、电磁制动器声发射传感器218、电磁离合器声发射传感器221、电机声发射传感器224、温度传感器213，压力传感器214和电磁流量计215，采集全电控井下安全阀阀体119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；
[0029]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，采集到的信号：
[0030]y(n)＝h(n)*x(n)+e(n)
[0031]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：
[0032][0033]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(nω（n)，如下所示：
[0034][0035]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。...

【技术保护点】

【技术特征摘要】
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...

【专利技术属性】
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，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：