论文部分内容阅读
[摘 要]目前，国际中各大型油田都主选潜油电泵作为主要的采油设备，但在对其使用的过程中，容易出现叶轮砂堵、叶轮偏磨以及轴承偏磨等常见故障。通过对潜油电泵机组在采油井口形成的振动信号进行采集，并通过相应的处理，得出三种故障的频率特征，并将这些特征作为诊断故障的主要依据。从而在对现场故障进行诊断的过程中可以对其进行应用，并能够获取较好的效果。通过实验研究结果显示，在实际应用过程中，这种方法可以对常见故障进行有效识别。
[关键词]潜油电泵机组；故障；特征提取；实验研究
中图分类号：TE933.3 文献标识码：B 文章编号：1009-914X（2018）23-0031-01
潜油电泵机组作为油田常用的采油设备，在其运行时，其产生的振动能够经油管传至油井的井口处，因受采油现场存在噪声影响，其振幅会越来越小，但不变的是其振動的频率。
1.针对振动信号进行采集以及处理的主要方法
对振动信号进行采集的系统进行设计，要求此系统为便携式，并通过此系统所带的三维传感器对机组在采油井口处三向振动数据进行采集，此三向分别为径向一、径向二以及轴向，此三向呈现相互垂直的状态。之所以这样做主要是由于机组在进行运转时，各方向形成的振动数据所表现的特性各不相同，因此，可通过这种方法对机组运行过程中所处的状态进行简单判别。
机组在进行振动的过程中所形成的信号类型属于非平稳型，而小波的特性主要是时频局部化，若保证非平稳型的信号分析的有效性，则应该通过小波对振动信号进行分析。
由于在采油施工现场会出现强烈的噪音，这些噪音会夹杂在原始的振动数据之中，若直接采取小波分析，其分析的效果会相对较差，所以，应该相对原始振动数据进行消噪处理，主要是对小波进行消噪，本次研究主要采取软阈值消噪法进行小波消噪，软阈值实质上便是将小波系数的绝对值对比于阈值：若绝对值在阈值之下，则信号点所反映的值为0，若绝对值在阈值之上，则数据取值为系数绝对值减去阈值所得的差值。
目前，对小波基进行分解和选择层数确定方面尚未形成统一规范和标准，而只能够对实际存在的问题进行结合，通过大量实验得知，通过对现场的原始数据进行采集，特对db3小波进行选用，并将其进行5层分解，同时还通过软阈值方案进行消噪处理，在消噪重构时，采用db6小波进行3层分解所获取的效果最好，这是因其是紧支撑的正交小波的原因，但此类小波缺乏良好的对称性，只有db6小波的对称性相对较好，所以相对db3进行5层分解，从而使各层小波的系数能够对适当的阈值进行选取，从而实现消噪，消噪完成后可进行重构，然后对消噪完成后的振动数据进行获取，在通过db6小波的3层分解来通过每一层出现的细节变化作为依据对相关的特征进行提取。
2.潜油电泵机组故障特征提取的实验研究
此次实验研究主要对12套机组形成的原始振动数据进行选取，同时对存在故障的机组采取测试，并对运行过程中的典型数据进行记录，各故障机组在完成相应的测试之后都在现场进行了拆检，发现的故障主要有三种，分别为叶轮砂堵、叶轮偏磨以及轴承偏磨。通过拆检的结果可分为四类振动数据，分别为正常数据、叶轮砂堵数据、叶轮偏磨数据以及轴承偏磨数据，从这些数据中各取典型数据一组，并进行小波分析，同时还对转动的特征进行提取。
2.1 潜油电泵正常运行过程中提取的振动信号特征
潜油电泵机组正常运行的前提下，在井口处进行振动数据的三向采集，同时还进行了小波处理。对主要的第三层近似包含的频率成分以及第三层细节包含的频率成分进行观察，从而对机组运行过程中产生的特征量进行提取，通过对所提取的特征量发生的变化来有效判断机组在运行过程中的状态。
针对正常机组所收集的振动数据完成其小波处理之后，应对三向的第三次近似和细节进行相应的功率谱分析，见图1，在各向之上对最大振幅的频率分量进行选取，并将其作为特征量，第三层近似的功率谱三向一致，其频率的成分都在基频位置所进行表现，而第三层细节的三向功率谱则各不相同，且径向一频率成分复杂。
2.2 潜油电泵叶轮偏磨过程中提取的振动信号特征
主要针对出现叶轮偏磨的机组采集了大量数据进行分析，其第三层近似及细节的功率谱见图2。
可见通过小波分析之后，三向的第三层细节具有一致性水平较高的功率谱，但三向的第三层近似功率谱却存在着差异，由此可知，第三层近似及细节的功率谱都能够对机组在运行的过程中偏离常态进行证明。
2.3 潜油电泵叶轮砂堵过程中提取的振动信号特征
主要针对出现叶轮砂堵的机组采集了大量数据进行分析，其第三层近似及细节的功率谱见图3。第三层近似的径向一功率谱频率分量在4倍频、基频以及5倍频均有所体现；径向二功率谱主要体现在0.5倍频、3倍频以及4倍频处，相比之下，轴向的频谱最多。第三层细节方面的功率谱表现与第三层近似表现相近，所以针对叶轮砂堵可通过找出的种种特征频率来进行诊断。
2.4 实验总结
当潜油电泵机组处于运行状态并存在各种故障时，在径向一以及径向二的频率成分可能出现相同，也可能出现不同，但能够确定的是在轴向上其表现与正常运行情况下截然不同。通过在轴向上对相关的原始数据进行获取，并对小波处理完成后的第三层近似及细节的频率特征进行获取，并将其作为产生故障的特征，从而对潜油电泵进行故障诊断。
3.结束语
此次实验主要针对三向上采集的原始振动数据作为基本研究资料，并通过小波处理对原始振动进行消噪，同时采取软阈值方案对故障特征的频率进行提取。最后通过提取的故障特征频率来对故障进行有效的诊断。研究结果表明，这种方法可以准确的对潜油电泵机组出现的故障进行诊断，所出现的故障主要包括叶轮砂堵、叶轮偏磨以及轴承偏磨。
参考文献
[1] 陶凤阳，刘广孚，李新光.潜油电泵机组故障特征提取的实验研究[J].噪声与振动控制，2012，32（2）：140-142.
[2] 靳恒.小排量潜油电泵机组的故障原因及改进措施的研究[J].科技与企业，2013（16）：329-329.
[3] 于兴国.浅析潜油电泵机组损坏的原因[J].中国石油和化工标准与质量，2017，37（15）：282-282.
[4] 孙睿智.潜油电泵系统故障分析及质量安全探讨[J].中国石油和化工标准与质量，2017，37（11）：33-34.
[关键词]潜油电泵机组；故障；特征提取；实验研究
中图分类号：TE933.3 文献标识码：B 文章编号：1009-914X（2018）23-0031-01
潜油电泵机组作为油田常用的采油设备，在其运行时，其产生的振动能够经油管传至油井的井口处，因受采油现场存在噪声影响，其振幅会越来越小，但不变的是其振動的频率。
1.针对振动信号进行采集以及处理的主要方法
对振动信号进行采集的系统进行设计，要求此系统为便携式，并通过此系统所带的三维传感器对机组在采油井口处三向振动数据进行采集，此三向分别为径向一、径向二以及轴向，此三向呈现相互垂直的状态。之所以这样做主要是由于机组在进行运转时，各方向形成的振动数据所表现的特性各不相同，因此，可通过这种方法对机组运行过程中所处的状态进行简单判别。
机组在进行振动的过程中所形成的信号类型属于非平稳型，而小波的特性主要是时频局部化，若保证非平稳型的信号分析的有效性，则应该通过小波对振动信号进行分析。
由于在采油施工现场会出现强烈的噪音，这些噪音会夹杂在原始的振动数据之中，若直接采取小波分析，其分析的效果会相对较差，所以，应该相对原始振动数据进行消噪处理，主要是对小波进行消噪，本次研究主要采取软阈值消噪法进行小波消噪，软阈值实质上便是将小波系数的绝对值对比于阈值：若绝对值在阈值之下，则信号点所反映的值为0，若绝对值在阈值之上，则数据取值为系数绝对值减去阈值所得的差值。
目前，对小波基进行分解和选择层数确定方面尚未形成统一规范和标准，而只能够对实际存在的问题进行结合，通过大量实验得知，通过对现场的原始数据进行采集，特对db3小波进行选用，并将其进行5层分解，同时还通过软阈值方案进行消噪处理，在消噪重构时，采用db6小波进行3层分解所获取的效果最好，这是因其是紧支撑的正交小波的原因，但此类小波缺乏良好的对称性，只有db6小波的对称性相对较好，所以相对db3进行5层分解，从而使各层小波的系数能够对适当的阈值进行选取，从而实现消噪，消噪完成后可进行重构，然后对消噪完成后的振动数据进行获取，在通过db6小波的3层分解来通过每一层出现的细节变化作为依据对相关的特征进行提取。
2.潜油电泵机组故障特征提取的实验研究
此次实验研究主要对12套机组形成的原始振动数据进行选取，同时对存在故障的机组采取测试，并对运行过程中的典型数据进行记录，各故障机组在完成相应的测试之后都在现场进行了拆检，发现的故障主要有三种，分别为叶轮砂堵、叶轮偏磨以及轴承偏磨。通过拆检的结果可分为四类振动数据，分别为正常数据、叶轮砂堵数据、叶轮偏磨数据以及轴承偏磨数据，从这些数据中各取典型数据一组，并进行小波分析，同时还对转动的特征进行提取。
2.1 潜油电泵正常运行过程中提取的振动信号特征
潜油电泵机组正常运行的前提下，在井口处进行振动数据的三向采集，同时还进行了小波处理。对主要的第三层近似包含的频率成分以及第三层细节包含的频率成分进行观察，从而对机组运行过程中产生的特征量进行提取，通过对所提取的特征量发生的变化来有效判断机组在运行过程中的状态。
针对正常机组所收集的振动数据完成其小波处理之后，应对三向的第三次近似和细节进行相应的功率谱分析，见图1，在各向之上对最大振幅的频率分量进行选取，并将其作为特征量，第三层近似的功率谱三向一致，其频率的成分都在基频位置所进行表现，而第三层细节的三向功率谱则各不相同，且径向一频率成分复杂。
2.2 潜油电泵叶轮偏磨过程中提取的振动信号特征
主要针对出现叶轮偏磨的机组采集了大量数据进行分析，其第三层近似及细节的功率谱见图2。
可见通过小波分析之后，三向的第三层细节具有一致性水平较高的功率谱，但三向的第三层近似功率谱却存在着差异，由此可知，第三层近似及细节的功率谱都能够对机组在运行的过程中偏离常态进行证明。
2.3 潜油电泵叶轮砂堵过程中提取的振动信号特征
主要针对出现叶轮砂堵的机组采集了大量数据进行分析，其第三层近似及细节的功率谱见图3。第三层近似的径向一功率谱频率分量在4倍频、基频以及5倍频均有所体现；径向二功率谱主要体现在0.5倍频、3倍频以及4倍频处，相比之下，轴向的频谱最多。第三层细节方面的功率谱表现与第三层近似表现相近，所以针对叶轮砂堵可通过找出的种种特征频率来进行诊断。
2.4 实验总结
当潜油电泵机组处于运行状态并存在各种故障时，在径向一以及径向二的频率成分可能出现相同，也可能出现不同，但能够确定的是在轴向上其表现与正常运行情况下截然不同。通过在轴向上对相关的原始数据进行获取，并对小波处理完成后的第三层近似及细节的频率特征进行获取，并将其作为产生故障的特征，从而对潜油电泵进行故障诊断。
3.结束语
此次实验主要针对三向上采集的原始振动数据作为基本研究资料，并通过小波处理对原始振动进行消噪，同时采取软阈值方案对故障特征的频率进行提取。最后通过提取的故障特征频率来对故障进行有效的诊断。研究结果表明，这种方法可以准确的对潜油电泵机组出现的故障进行诊断，所出现的故障主要包括叶轮砂堵、叶轮偏磨以及轴承偏磨。
参考文献
[1] 陶凤阳，刘广孚，李新光.潜油电泵机组故障特征提取的实验研究[J].噪声与振动控制，2012，32（2）：140-142.
[2] 靳恒.小排量潜油电泵机组的故障原因及改进措施的研究[J].科技与企业，2013（16）：329-329.
[3] 于兴国.浅析潜油电泵机组损坏的原因[J].中国石油和化工标准与质量，2017，37（15）：282-282.
[4] 孙睿智.潜油电泵系统故障分析及质量安全探讨[J].中国石油和化工标准与质量，2017，37（11）：33-34.