论文部分内容阅读
目前世界范围内，有杆泵抽油方式无论井数还是产油量均占机械采油的第一位。有杆泵的井下故障诊断是个相当重要，也是比较复杂的专业技术问题，依靠单一的专家系统或者神经网络是很难科学地完成诊断的。虽然目前出现了一些综合诊断系统，但它们只是把几种诊断方法简单的集成在一起，而不是有机的结合，因此有必要把几种诊断方法有机融合在一起进行诊断。 本文在着重论述了专家系统、人工神经网络及遗传算法等智能方法后，提出了他们互相融合的方法。特别在深入研究油井示功图形态、故障特征以及生产设备条件的基础上，按照智能诊断的需要将示功图故障做了较为科学的分类。并在这个分类的基础上提出几种智能技术相结合的有杆抽油井诊断方法：首先采用一个前置分类专家系统实现示功图的大致分类，将需要用神经网络诊断与不需要用神经网络诊断的示功图分开；对于需要用神经网络来诊断的示功图，采用一个上冲程遗传神经网络和一个下冲程遗传神经网并行的方式来诊断；最后采用一个后置评判专家系统根据油井生产参数、泵功图极值点特征及油井宏观控制图进行故障分值评判打分。这样降低了一个神经网络所识别的故障类别，减小每个神经网络的负担，而且把一部分遗传神经网络难以完成而专家系统容易实现的工作交给专家系统完成，实现不同智能技术的分工互补，真正实现几种智能技术的有机结合，从而提高了故障识别率，实现有杆抽油井的计算机智能诊断。 在上述理论研究成果的基础上，采用可视化面向对象编程技术VB+PB+Access+ORACLE开发基于油田生产数据库的抽油井故障诊断系统，实现有杆抽油井故障高效诊断。成功地应用于新疆克拉玛依和中原油田部分油井的定量定性分析诊断，取得了较好的效果。