基于紧致型小波神经网络的往复泵故障诊断-论文.pdf

《基于紧致型小波神经网络的往复泵故障诊断-论文.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、l50基于紧致型小波神经网络的往复泵故障诊断2013年l0月文章编号：1006—1355(2013)05—0150-05基于紧致型小波神经网络的往复泵故障诊断赵志华，吴力，殷海双(1．东北石油大学电气信息工程学院，黑龙江大庆163318；2．大庆油田天然气分公司培训中心，黑龙江大庆163412)摘要：为了对往复泵的故障进行正确诊断，提出基于紧致型小波神经网络的往复泵故障诊断方法。以往复泵单个泵缸内的压力信号作为系统特征信号通过小波包分解来提取故障特征向量，同时将此特征向量作为小波神经网络的输入，利用小波神经网络对故障做进一步的精确实时诊断。通过对往复泵液力端多故障诊断实例的检验表

2、明，该系统故障诊断正确率达到94％以上。关键词：振动与波；小波神经网络；往复泵；故障诊断；小波包中图分类号：TP306文献标识码：ADOI编码：10．3969~．issn．1006—1335．2013．05．032FaultDiagnosisTechnologyofReciprocatingPumpsBasedonCompactWaveletNeuralNetworkZHA0Zhi-h．127YINHai—shuang(1．AcademyofElec~icInformationEngineering，NortheastPetroleumUniversity,Daqing16331

3、8，HeilongjiangChina；2．TrainingCenter,NaturalGasBranchofDaqingOilfield，Daqing163412，HeilongjiangChina)Abstract：Amethodoffaultdiagnosisforreciprocatingpumpswasproposedbasedonthecompactwaveletneuralnetwork．Inthismethod，thepressuresignalofasinglecylinderofthereciprocatingpumpwasusedasthecharacter

4、isticsignalofthesystemtoextractthefeaturevectorofthefaultsbymeansofthewaveletpacketdecomposition．Atthesametime，thisfeaturevectorwasemployedastheinputsignalofthewaveletneuralnetworktodeterminethetypeofthefault．Theexamplesoffaultsdiagnosisatthefluidendofthereciprocatingpumpshowthatthecorrectnes

5、srateofthesystemfaultdiagnosiscanexceed94％．Keywords：vibrationandwave；waveletneuralnetwork；reciprocatingpump；faultdiagnosis；waveletpacket往复泵是石油矿场中的重要设备，在钻井、驱油非常复杂，因此适用于所有场合的精确数学模型很和压裂等工艺中得到了广泛的应用，是一个复杂的难建立。机械系统。其液力端关键部件是泵阀组件，因其工小波神经网络是近年来新兴的一种数学建模分况恶劣极易损坏，因此对其状态进行监测及故障诊析方法，它将小波分析和神经网络理论相结合。用断，

6、对于及时做出合理的维修保养决策具有重要意小波函数来作为神经网络的隐层神经元，由于在小义1。国内外学者对往复泵的故障诊断方法做了大波神经网络中引入了伸缩系数和平移系数两个新的量的研究工作，先后提出了多种方法，精度不断提参变量，所以小波神经网络的自由度更多，函数逼近高。但由于往复泵工作时工况比较复杂，有多种因能力更灵活有效、容错能力也更强，可以有效地克服素影响其故障诊断，并且二者之间的非线性关系也神经网络模型所固有的一些缺陷。小波包分析是一种很好的时频分析方法，r匕能将信号进行时域和收稿日期：2012—11-29；修改日期：2012—1217频域局部化，同时对信号具有较强的特征提取功

7、能，基金项目：黑龙江省教育厅科技攻关项目(125310631是往复泵故障特征提取的有效方法。本文将小波包作者简介：赵志华(1979一)，女，辽宁朝阳人，讲师，目前从事分析的特征提取与紧致型小波神经网络模式识别有小波变换、信号处理等的研究。机地结合起来对往复泵故障进行诊断，通过实验，证E—mail：zzhmhj@163．corn明了算法的有效性。第33眷第5期噪声与振动控制1511基于小波包的故障特征提取在图1中，输入端有M个节点，Xifl，2，⋯，1为输入样本，隐层有个节点，hi