申请/专利权人：中国石油大学(华东)

申请日：2022-01-14

公开（公告）日：2024-06-07

公开（公告）号：CN114386519B

主分类号：G06F18/2415

分类号：G06F18/2415;G01R31/34

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2022.05.10#实质审查的生效;2022.04.22#公开

摘要：本发明公开了钻井装备故障诊断领域中一种钻井电机复合故障诊断方法。具体包含以下步骤：1定义基于运行数据进行故障诊断的贝叶斯网络；2定义基于工况数据进行故障诊断的贝叶斯网络；3结合两种方法定义基于数据融合进行故障诊断的贝叶斯网络；4建立基于数据融合进行故障诊断的贝叶斯网络结构模型和参数模型；5定义故障诊断规则，更新故障节点后验概率，对故障类型和故障状态进行判别。本发明融合了钻井过程中所有可获取的故障信息用于故障诊断，将钻井电机运行数据置于具体工况信息中进行诊断，增加了故障特征区分度，提高了复合故障的识别效果。可以对故障类型是单一故障或复合故障进行判定，对故障状态是故障预警或故障报告进行判定。实施例表明，信息融合模型提高了故障诊断结果的准确性和鲁棒性，并纠正了复合故障诊断中的漏诊和误诊结果。

主权项：1.一种钻井电机复合故障诊断方法，其特征在于，包括以下步骤：步骤1：定义基于运行数据进行故障诊断的贝叶斯网络；其特征在于，具体步骤为：基于运行数据进行故障诊断的贝叶斯网络分为故障层与故障特征层；每个故障层节点表示钻井电机的一个潜在可能故障；每个故障特征层节点表示钻井电机发生故障的一个特征；两层节点之间通过有向边连接成为拓扑结构，表明故障和特征之间的因果关系；具体地，故障层节点为：转子偏心、轴承故障、匝间短路、均匀退磁，表示钻井电机四种典型潜在故障；每种故障的节点状态分为两种：存在和不存在；故障特征层节点为振动信号、转速信号、转矩信号、电流信号，表示通过传感器获得的钻井电机运行井场大数据；每种特征的节点状态分为三种：正常、高、低；步骤2：定义基于工况数据进行故障诊断的贝叶斯网络；其特征在于，具体步骤为：基于工况数据进行故障诊断的贝叶斯网络分为故障层与故障原因层；每个故障层节点表示钻井电机的一个潜在可能故障；每个故障原因层节点表示可能引发钻井电机故障的一个极端工况；两层节点之间通过有向边连接成为拓扑结构，表明故障原因和故障之间的因果关系；故障层节点与节点状态与步骤1中所述的贝叶斯网络故障层节点和节点状态相同；基于工况数据进行故障诊断的贝叶斯网络故障原因层节点为跳钻、粘滑、高温，表示钻井过程中出现的可能导致钻井电机故障的极端工况；每种原因的节点状态分为两种：存在和不存在；步骤3：定义基于数据融合进行故障诊断的贝叶斯网络；其特征在于，具体步骤为：融合步骤1与步骤2中定义的贝叶斯网络定义基于数据融合的贝叶斯网络；基于数据融合的贝叶斯网络分为三层，故障原因层、故障层、故障特征层；故障原因层节点为钻井工况中容易造成钻井电机故障的极端因素：跳钻、粘滑、高温；故障原因层节点状态为两种：存在、不存在；故障层节点为钻井电机常见故障类型：转子偏心、轴承故障、匝间短路、均匀退磁；故障层节点状态为两种：存在、不存在；故障特征层节点为井场大数据可以获取的振动信号、转速信号、转矩信号、电流信号；故障特征层节点状态为三种：正常、高、低；步骤4：建立基于数据融合进行故障诊断的贝叶斯网络模型；其特征在于，具体步骤为：统计计算运行数据与工况数据得到故障原因层、故障层与故障特征层节点之间的条件概率关系，填充条件概率表并统一设置故障原因节点的先验概率；按照步骤3中的定义建立基于数据融合进行故障诊断的贝叶斯网络模型；步骤5：定义故障诊断规则，判别故障类型与故障状态；其特征在于，具体步骤为：获取钻井电机实际运行数据与工况数据并从中提取状态信息，由节点状态更新故障节点后验概率；根据故障节点后验概率与先验概率的最大差值所处的诊断规则的相应阈值，对故障状态是故障预警或者故障生成进行判定，如最大差值大于60％生成故障报告，最大差值在30％至60％之间做出故障预警；根据相应阈值内故障的数量对故障类型是单一故障或复合故障进行判定。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种钻井电机复合故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD