基于蒸汽干度的油田注汽锅炉过热爆管故障诊断方法.pdf

《基于蒸汽干度的油田注汽锅炉过热爆管故障诊断方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第40卷第11期当代化工Vo]．40．No．1]20I1年11月ContemporaryChemicalIndustryNovember．20ll基于蒸汽干度的油田注汽锅炉过热爆管故障诊断方法张莉莉，陈保东，晏永飞，罗凯，庞世强(辽宁石油化I大学，辽宁抚顺l13001)摘要：在利用小波变换分析注汽锅炉蒸汽于度波动的基础上，将神经网络和专家系统集成应用于注汽锅炉运行的故障诊断，介绍了诊断系统的结构、学习算法和诊断步骤，提了油田注汽锅炉的智能故障诊断方法。仿真结果证明了该方法的准确率与可靠性。关键词：注汽锅炉；故障诊断；蒸汽干度；神经网络；专家系统；小波分析中图分类号：TE

2、44文献标识码：A文章编号：1671—0460(2011)11—1146—04AFaultDiagnosisMethodofSuperheatSquibofSteam-injectionBoilerBasedonDrynessFractionZHANGLi—li，CHENBao—dong，YANYong-Jei，LUOKai，PANGShi—qiang(LiaoningShihuaUniversity，LiaoningFushun113001，China)Abstract：Basedonusingwavelettransformtoanalyzethefluctuati

3、onofdrynessfractionofthesteam—injectionboiler，theneuralnetworkandtheexpertsystemwereappliedinthefaultdiagnosisofthesteam—injectionboiler．Thestructure，thelearningalgorithmandthediagnosisstepsofdiagnosissystemwereintroduced．Theintelligentfaultdiagnosismethodofsteam—injectionboilerwasputfor

4、ward．Thesimulationresultsprovethatthemethodisaccuracyandreliability．Keywords：Steam—injectionboiler；Faultdiagnosis；Drynessfraction；Neuralnetwork；Expertsystem；Waveletanalysis油田注汽锅炉是稠油开发的重要设备，它产生棒性。蒸汽干度为80％的高温高压的湿饱和蒸汽，注入油本文从蒸汽干度测量仪测得的蒸汽干度信号Ⅲ层中，对油层中的原油进行加热，降低稠油的粘度，发，在利用小波变换提取蒸汽干度的特征的基础上，增加原油

5、的流动性和渗透性，大幅提高原油采收率首先介绍了一个基于BP神经网络和专家系统集成⋯。注汽锅炉的正常稳定地运行是提高稠油采收率、的注汽锅炉故障诊断系统，接着阐述了神经网络的降低T作人员的生命威胁和减少经济损失的重要保学习算法和诊断策略，最后实验仿真结果证明r该证。因此对注汽锅炉运行中出现的故障进行快速、故障诊断系统的有效性和可靠性。准确地判断是十分必要的。蒸汽干度是油田注汽锅1注汽锅炉故障诊断系统结构炉安全运行的重要参数，也是影响稠油热采效果的重要指标。蒸汽干度过高，会使锅炉过热而产生爆油田注汽锅炉的智能故障诊断系统结构如l管现象。因此，从蒸汽干度出发，将人工智能理论示。

6、神经网络专家系统设计的重点是知识库，知识和技术与故障诊断的理论和技术有机结合起来，可库的建立实际上就是神经网络的学习过程。根据专以有效地对注汽锅炉的运行工况进行状态检测和故家对学习示例的分析，确定训练样本，对神经网络障诊断。进行训练，将训练后的神经网络作为专家系统的知神经网络具有很强的自主学习能力和大规模分识库，在此基础上建立故障诊断神经网络专家系统。布并行处理功能，可以实现自动化知识的获取和并该故障诊断系统采取前馈型神经网络完成诊断任行联想自适应推理。将神经网络应用于专家系统，务。本文采用了一个_=层BP神经网络模型(图2)，提高了专家系统的智能化水平、实时处理能力和

7、鲁它南输入层、隐层和输出层构成。输入，『丢是当前测收稿日期：2011一O7—3O作者简介：张莉莉(1986)，女，山东临沂人E-mai]．baobei0721@163．com第40卷第1l期张莉莉，等：基于蒸汽干度的油田注汽锅炉过热爆管故障诊断方法1147量得到的参数，输出层是目标参数(即故障类型)，网络的输入。隐层可以是一层也可以是多层，隐层节点数的确定2．2神经网络学习算法方法很多，在文章中采用的是：√Ⅳ++，其神经网络学习采用BP算法。网络学习训练的中为隐含层节点数，Ⅳ为输入层节点数，为输过程包括网络内部的前向计算和误差的反向传播，