[1]司志梅,段志刚,赵庆婕.抽油机故障音频智能诊断技术应用研究[J].复杂油气藏,2022,15(04):113-116.[doi:10.16181/j.cnki.fzyqc.2022.04.021]
　SI Zhimei,DUAN Zhigang,Zhao Qingjie.Application of audio intelligent diagnosis technology in pumping unit faults[J].Complex Hydrocarbon Reservoirs,2022,15(04):113-116.[doi:10.16181/j.cnki.fzyqc.2022.04.021]
点击复制

抽油机故障音频智能诊断技术应用研究()
分享到：

《复杂油气藏》[ISSN:1674-4667/CN:31-2019/TQ]

卷:
15卷
期数:
2022年04期
页码:
113-116
栏目:
油气开发
出版日期:
2023-02-01

文章信息/Info

Title:
Application of audio intelligent diagnosis technology in pumping unit faults
作者:
司志梅; 段志刚; 赵庆婕
中国石化江苏油田分公司石油工程技术研究院，江苏 扬州 225009
Author(s):
SI Zhimei; DUAN Zhigang; Zhao Qingjie
Petroleum Engineering Technology Research Institute of Jiangsu Oilfield Company，SINOPEC，Yangzhou 225009，China
关键词:
抽油机; 音频信号; 故障诊断; 特征图像
Keywords:
pumping unit; audio signal; fault diagnosis; characteristic image
分类号:
TE938
DOI:
10.16181/j.cnki.fzyqc.2022.04.021
文献标志码:
A
摘要:
针对人工巡检的局限性，提出了一种基于大数据分析的抽油机故障音频智能诊断方法。首先利用抽油机音频智能采集器，采集抽油机的音频数字信号，而后通过音频特征值提取、数据降维与可视化，建立抽油机故障特征音频库；最后将监测抽油机音频进行数据可视化和自动分类分析，与特征音频库对比分析，对抽油机进行故障分类和故障报警。抽油机故障音频智能诊断技术在江苏油田现场应用112井次，发现故障58井次，经现场核实53井次诊断正确，故障诊断准确率达91.4%。应用表明：基于大数据分析的抽油机故障音频智能诊断方法能够准确、有效地识别抽油机故障类型，具有良好的应用前景。
Abstract:
Aiming at the limitations of manual inspection，an intelligent audio diagnosis method for pumping unit faults based on big data analysis is proposed. Firstly，the audio digital signals of the pumping unit are collected by using the audio intelligent collectors. And then the audio feature database of pumping unit faults is established through audio feature extraction，data dimensionality reduction，and visualization. Finally，after the data visualization and automatic classification analysis，the comparative analysis of monitored pumping units’ audios and characteristic audios library，and the pumping unit’s fault classification and fault alarm are carried out. The audio intelligent faults diagnosis technology for pumping unit faults has been applied to 112 wells in Jiangsu Oilfield，and 58 wells were found to be faulty. Among them，the diagnosis of 53 wells is accurate after on-site verification，and the accuracy rate of fault diagnosis is 91.4%. The application shows that the audio intelligent diagnosis method of pumping unit faults based on big data analysis can accurately and effectively identify the fault types of pumping units and has a good application prospect.

参考文献/References:

［1］李皆莹.抽油机常见机械故障的诊断与排除浅析［J］.化学工程与装备，2017（11）：151-152.
［2］仲志丹，李鹏辉，郭苗苗，等.石油生产中有杆抽油机故障诊断研究［J］.计算机仿真，2016，33（2）：443-447.
［3］宛立达.基于振动信号分析的故障诊断理论与应用［D］.大庆：东北石油大学，2010.
［4］杨胜跃，陆汝华，周宴宇，等.轴承故障音频诊断系统设计与开发［J］.计算机仿真，2008（4）：335-338.
［5］田熙燕，徐君鹏，杜留锋.基于语谱图和卷积神经网络的语音情感识别［J］.河南科技学院学报（自然科学版），2017，45（2）：62-68.
［6］陶华伟，查诚，梁瑞宇，等.面向语音情感识别的语谱图特征提取算法［J］.东南大学学报（自然科学版），2015，45（5）：817-821.
［7］郑远攀，李广阳，李晔.深度学习在图像识别中的应用研究综述［J］.计算机工程与应用，2019，55（12）：20-36.
［8］刘宝军.基于CNN卷积神经网络的示功图诊断技术［J］.西安石油大学学报（自然科学版），2018，33（5）：70-75，82.
［9］杜娟，刘志刚，宋考平，等.基于卷积神经网络的抽油机故障诊断［J］.电子科技大学学报，2020，49（5）：751-757.

相似文献/References:

[1]孔政,沈晓翔.抽油机地面机械效率同步检测技术研究与应用[J].复杂油气藏,2009,(01):57.
　Kong Zheng,Shen Xiaoxiang.Synchronous detection technology for the surface mechanical efficiency of beam units[J].Complex Hydrocarbon Reservoirs,2009,(04):57.
[2]段志刚,叶　红,司志梅,等.抽油机自适应柔性控制技术的研究与应用[J].复杂油气藏,2020,13(01):84.[doi:10.16181/j.cnki.fzyqc.2020.01.017]
　DUAN Zhigang,YE Hong,SI Zhimei,et al.Study on adaptive flexible control technology for pumping units and its application[J].Complex Hydrocarbon Reservoirs,2020,13(04):84.[doi:10.16181/j.cnki.fzyqc.2020.01.017]

备注/Memo

备注/Memo:
收稿日期：2022-01-27；改回日期：2022-05-06。
第一作者简介：司志梅（1987—），助理研究员，主要从事油气田地面工程技术研究。E-mail：sizm.jsyt@sinopec.com。
更新日期/Last Update: 2022-12-25