基于状态重构机理的采油过程故障诊断方法研究

High-performance oil recovery process fault diagnosis system is an important technology that can ensure oil security and stability production, reduce the production cost and avoid pollution of the environment. But no sample, limited sample, working condition of time-varying and difficult system model identification are existing important problem in practical application of oil recovery process fault diagnosis. In order to solve the above problem this application introduces oil recovery process fault diagnosis theory and technology research based on state reconstruction mechanism. Content contain：establish isomorphism mixed model to describe oil recovery process, it can not only dynamically describe mechanism model oil recovery process, but also realize parameters adaptive setting. Solve the key problem of static parameters difference and dynamically condition change. Through state reconstruction and set the operating parameters, adaptive form fault state samples of various fault condition. Solve the problem that fault diagnosis doesn’t form or diagnostic accuracy is low. Design the oil recovery process fault diagnosis method as a core of adaptive state reconstruction. Solve the generally acknowledged problem of oil recovery process fault diagnosis. At last establish oil recovery process fault diagnosis theory framework based on state reconstruction mechanism. The research results can effectively solve the problems of no sample, limited sample, working condition of time-varying and difficult system model identification. It has important theoretical significance and extensive application prospect.

高性能采油过程故障诊断系统的构建是保障石油安全稳定生产、降低采油成本、避免环境污染的重要技术。但无样本或样本有限、工况时变、系统模型难以辨识等是采油过程故障诊断实际应用中存在的重要问题。本申请拟以解决上述问题展开基于状态重构机理的采油过程故障诊断理论与技术研究。包括：建立同构混合模型描述采油过程，既兼顾机理模型对采油过程动态描述，又实现参数自适应整定，解决静态参数差异、动态工况变化导致模型不准确的技术瓶颈问题；通过状态重构及设定运行参数，自适应形成各种故障工况下的故障状态样本，解决无样本或样本有限导致故障诊断无法进行或诊断准确率低的问题；以自适应状态重构为核心设计采油过程故障诊断方法，解决采油过程故障诊断这一公认难题；最后建立基于状态重构机理的采油过程故障诊断理论框架。本研究成果能有效解决无样本或样本有限、工况时变、系统模型难以辨识等采油过程故障诊断问题，具有重要理论意义和广泛应用前景。

本项目针对目前有杆泵运行过程工况诊断研究领域中存在的问题，提出了多种新的方法，实现了有杆泵运行工况的计算机辅助诊断。首先综合分析有杆泵井下机械结构与液体流入的特性，得到一组理论上的有杆泵动态抽汲过程的模型，并给出了抽油杆振动的边界条件；使用曲波变换提取示功图的特征，并使用一种新的极限学习机建立了诊断模型；对泵的运行机理进行分析，使用的曲率变化和重心分割算法在示功图上定位出凡尔工作点的位置，从而确定了一组新的示功图特征，使用这些特征作为输入建立了基于隐马尔科夫模型的诊断模型；针对故障示功图数量和种类不足的问题，提出了两种解决办法：第一种是采用动态分析方法对不同工况下的井下运行过程进行模拟来生成示功图；第二种是使用有监督字典子空间迁移学习的算法来生成示功图；通过分析悬点和电机之间四连杆机构的运行机理，使用电机功率推算出对应的示功图，证明电机功率可以作为样本对有杆泵的工况进行判断；采用从现场采集的电机功率作为实验样本，而后采用平均功率分割和曲率在功率曲线上提取了多种特征，并使用一种新的隐条件随机场模型对有杆泵的运行工况进行了诊断。此外，本研究团队为了满足项目开展所需，开发了一套有杆泵运行参数检测设备，用于在油田现场收集电机功率及示功图等油井运行数据。 .同时，本课题对其他的相关问题，如切换系统、马尔科夫跳变系统、观测器设计等进行了研究。通过本课题的研究，完善了有杆泵工况诊断的理论和应用体系。.共发表标注本课题基金资助的学术论文60篇，其中被SCI检索44篇，分别发表在IEEE Transactions on Industrial Electronics、Neurocomputing、Journal of Process Control、Control Engineering Practice等国际重点期刊；EI检索16篇，分别被自动化学报、化工学报、控制与决策和IEEE国际会议等国内重点期刊和会议收录；申请国家发明专利16项, 国家软件著作权登记1项。