基于电流检测的抽油机井故障诊断机制研究

论文摘要

本文以抽油机井为研究对象,研究并完善了基于电流检测的抽油机井故障诊断机制,开发了基于电流检测的故障诊断系统,通过对抽油机井电流、油压和套压数据的实时采集、记录、处理和分析,能够准确地对抽油机井的工作状况进行故障判断,并作出维护和维修提示,能够增加原油产量,降低人工劳动强度,提高抽油机井运行效率和油田管理水平。所实现的故障诊断系统由硬件和软件组成,其中硬件系统的主要器件包括电流传感器、压力传感器、单片机C8051F320等,所要采集的主要参数有电流、油压、套压。C8051F320是片上系统(SOC),集成有A/D转换模块,该硬件系统体积小、功耗及成本低,能够实现实时数据采集、存储。这种硬件方案设计成本远低于目前使用的数据采集卡形式,充分发挥了嵌入式计算技术的优越性。软件系统功能包括下位机的数据采集及处理、上位机故障智能诊断和显示输出等,采用汇编语言和C51语言相结合的编程方式,运用模块化设计技术,而且上位机采用Delphi开发构建BP神经网络故障智能诊断中心。该技术方案不仅能够使软件具有可读性、维护方便和易于修改等优点,而且加快了系统研制进度,缩短了软件开发周期。按照以上故障诊断机制实现的综合系统实现了实时数据的采集、动态显示和数据存储及分析,将抽油机井的电动机电流、井口的油压和套压三项数据录取功能集成在一处,在上位机引入BP神经网络进行故障智能诊断,使得分析及诊断更科学,更切合油田生产实际。通过分析故障诊断系统的测试及应用数据,证明该机制是正确的,而且也满足油田生产的实际需要。

论文目录

• 摘要
• ABSTRACT
• 创新点摘要
• 第一章 绪论
• 1.1 课题来源与研究意义
• 1.2 现代故障诊断技术发展与研究内容
• 1.3 抽油机井故障诊断技术方法综述
• 1.3.1 地面示功图分析法
• 1.3.2 井下示功图诊断法
• 1.3.3 计算机诊断法
• 1.3.4 人工智能法
• 1.4 存在问题
• 1.5 系统功能和研究内容
• 1.5.1 系统需求
• 1.5.2 课题研究内容
• 第二章 抽油机井故障诊断机制模型
• 2.1 抽油机采油机理
• 2.2 电流诊断故障
• 2.2.1 抽油机井电流诊断故障原理
• 2.2.2 抽油机井故障类型与电流曲线
• 2.3 抽油机井故障诊断系统建立
• 2.3.1 故障诊断模型
• 2.3.2 抽油机井故障诊断系统
• 2.4 本章小结
• 第三章 故障诊断BP 神经网络
• 3.1 故障诊断中的神经网络
• 3.2 BP 神经网络
• 3.3 BP 网络数学模型和实现步骤
• 3.4 BP 神经网络设计
• 3.4.1 电流曲线特征提取
• 3.4.2 BP 神经网络结构参数
• 3.4.3 BP 神经网络建立和训练
• 3.5 本章小结
• 第四章 故障诊断系统设计
• 4.1 硬件设计
• 4.1.1 SOC 片上系统
• 4.1.2 C8051F320 微处理器
• 4.1.3 数据采集单元
• 4.1.4 数据显示单元
• 2C 总线数据存储单元'>4.1.5 I²C 总线数据存储单元
• 4.2 系统软件设计思想
• 4.3 软件程序设计
• 4.3.1 系统主程序设计
• 4.3.2 电流采集程序
• 4.3.3 数据存储程序
• 4.3.4 液晶显示程序
• 4.3.5 压力采集程序
• 4.4 抗干扰技术
• 4.5 现场应用效果
• 4.6 本章小结
• 结论
• 参考文献
• 发表文章目录
• 致谢
• 详细摘要