海上平臺原油發(fā)動機故障監(jiān)測與報警研究

趙 強

（中海石油（中國）有限公司秦皇島32-6作業(yè)公司/渤中作業(yè)公司，天津 300459）

引言

我國海上平臺的伴生天然氣產(chǎn)量相對較少，相較于柴油發(fā)電，選用原油發(fā)動機生產(chǎn)電力的方案是一種較為經(jīng)濟的選擇。引發(fā)海上平臺原油發(fā)動機故障的原因有很多，例如，海上油田產(chǎn)出的原油黏度高、雜質(zhì)多，容易引發(fā)原油發(fā)動機故障；復(fù)雜的工作環(huán)境以及原油發(fā)動機自身的低頻振動會對發(fā)動機正常運行產(chǎn)生不利影響；在使用過程中，高壓油泵的磨損也是引發(fā)原油發(fā)動機故障的關(guān)鍵部件[1]。面對如此眾多的因素，單純依靠人工判斷難以滿足海上平臺生產(chǎn)、生活所需。因此，針對如何解決海上平臺原油發(fā)動機故障監(jiān)測與報警的問題，本文通過引入神經(jīng)網(wǎng)絡(luò)算法，構(gòu)造海上平臺原油發(fā)動機智能故障監(jiān)測模型。

1 海上平臺原油發(fā)動機智能故障監(jiān)測

1.1 海上平臺原油發(fā)動機故障監(jiān)測原理

本文基于系統(tǒng)運行過程中產(chǎn)生的數(shù)據(jù)參數(shù)變化特征對海上平臺原油發(fā)動機故障原理進行處理和分析。對于海上平臺原油發(fā)動機來說，系統(tǒng)的復(fù)雜程度較高，單純的特征分析無法實現(xiàn)故障監(jiān)測的目的。一方面，要有針對性地提取有用的故障特征信息，并進行數(shù)據(jù)清洗，找出有用參數(shù)。海上平臺原油發(fā)動機在運轉(zhuǎn)過程中會產(chǎn)生熱量、振動、位移。通過傳感器對原油發(fā)動機振動頻率、位移、發(fā)動機瞬間轉(zhuǎn)速、加速度、溫度、電壓及電流等信息進行采集。通過這些參數(shù)的變化情況，判斷發(fā)動機的運行狀態(tài)是否正常。同時，要對清洗后的數(shù)據(jù)，通過間接方式，提取故障特征參數(shù)，找出能夠代表故障征兆的數(shù)據(jù)信息，即從眾多的故障征兆中提取出能反應(yīng)故障狀態(tài)變化的參數(shù)信息[2]。

另一方面，在此基礎(chǔ)上，根據(jù)提取的數(shù)據(jù)信息，給出最匹配的故障模式，并對海上平臺原油發(fā)動機故障監(jiān)測數(shù)據(jù)進行識別和分類。借助長時間收集的數(shù)據(jù)參數(shù)，當(dāng)機器處在故障狀態(tài)時，根據(jù)基于神經(jīng)網(wǎng)絡(luò)的智能故障診斷方法識別故障征兆，診斷故障的類型和部位等。海上平臺原油發(fā)動機故障監(jiān)測原理一般分為“特征提取”和“故障識別”兩部分，其流程如圖1所示。

圖1 海上平臺原油發(fā)動機故障監(jiān)測流程

1.2 基于神經(jīng)網(wǎng)絡(luò)的智能故障診斷方法

作為智能領(lǐng)域的一個研究焦點，人工神經(jīng)網(wǎng)絡(luò)是模擬人腦信息處理的由許多神經(jīng)元連接組成的模型或計算機系統(tǒng)。在網(wǎng)絡(luò)運行過程中，神經(jīng)元相互連接、相互作用，可以自主識別虛假和誤判的海上平臺原油發(fā)動機故障監(jiān)測與報警信息并及時處理。

在故障診斷分析中，海上平臺原油發(fā)動機故障監(jiān)測與報警中常用的神經(jīng)網(wǎng)絡(luò)有BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)和概率神經(jīng)網(wǎng)絡(luò)。其中，BP神經(jīng)網(wǎng)絡(luò)是應(yīng)用最廣泛的故障診斷算法。神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成，如圖2所示。

圖2 神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)

在圖2中，xi與yj之間的關(guān)系可以用如下關(guān)系式來表達。

式中：xi為第i個輸入神經(jīng)網(wǎng)絡(luò)參數(shù)信息；yj為第j個神經(jīng)網(wǎng)絡(luò)輸出參數(shù)信息；f（x）為激勵函數(shù)；wki為對應(yīng)的權(quán)重。

2 海上平臺原油發(fā)動機故障監(jiān)測與報警流程與步驟

2.1 故障監(jiān)測與報警基本流程

神經(jīng)網(wǎng)絡(luò)作為故障監(jiān)測與報警模型主要分為四個部分，分別為特征數(shù)據(jù)預(yù)處理、建立神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、神經(jīng)網(wǎng)絡(luò)測試與結(jié)果分析，其流程如圖3所示。

圖3 故障監(jiān)測與報警流程圖

2.2 海上平臺原油發(fā)動機故障監(jiān)測與報警主要步驟

數(shù)控設(shè)備的設(shè)計復(fù)雜程度要遠遠高于傳統(tǒng)海上平臺原油發(fā)動機故障監(jiān)測與報警的設(shè)計復(fù)雜程度。隨著故障診斷智能化水平的提升，系統(tǒng)自身技術(shù)知識儲備能力也得到了增強。例如，實例庫在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中得到了增強。具體的海上平臺原油發(fā)動機故障監(jiān)測與報警主要步驟的設(shè)計要與模塊功能所需的實際情況相符合；要強調(diào)在建立神經(jīng)網(wǎng)絡(luò)的過程中，盡可能多地提取到具有典型識別性的故障數(shù)據(jù)參數(shù)。

1）特征數(shù)據(jù)預(yù)處理。為了便于計算，對于海上平臺原油發(fā)動機故障監(jiān)測的原始數(shù)據(jù)，除了要進行數(shù)據(jù)清洗之外，還需要對數(shù)據(jù)進行映射變換，將數(shù)據(jù)的值落在（-1，1）這個區(qū)間之內(nèi)，實現(xiàn)歸一化處理。這也就是通常所說的特征數(shù)據(jù)預(yù)處理。

2）建立神經(jīng)網(wǎng)絡(luò)。在本文中選用Matlab 10.0中的前饋神經(jīng)網(wǎng)絡(luò)標準工具箱newff函數(shù)[3]。

式中：A代表一個m×m的矩陣，第i行元素為輸入信號xi的最小值和最大值；m代表神經(jīng)元的個數(shù)；B代表一個k維行向量，其元素為網(wǎng)絡(luò)中各層節(jié)點數(shù)；C代表一個k維字符串行向量，每一分量為相應(yīng)層神經(jīng)元的激活函數(shù)；trainFun代表為學(xué)習(xí)規(guī)則采用的訓(xùn)練算法。

3）神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。假設(shè)神經(jīng)網(wǎng)絡(luò)的故障特征采集的原始數(shù)據(jù)與輸出數(shù)據(jù)之間存在一一對應(yīng)的關(guān)系，如式（3）所示。

當(dāng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練好以后，輸入新的故障特征值，則可以根據(jù)學(xué)習(xí)函數(shù)準確判斷出故障類型。

4）神經(jīng)網(wǎng)絡(luò)的測試。將新采集的數(shù)據(jù)輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型之中，對現(xiàn)有故障進行對比檢測，進而實現(xiàn)故障的報警功能。

BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，其使用前向信號、誤差傳播、實際輸出值與期望值之間的平方誤差、網(wǎng)絡(luò)的效果作為目標函數(shù)及梯度下降。由于此類算法不需要定義圖表或思維規(guī)則與信號輸出之間的關(guān)系，因此海上平臺原油發(fā)動機故障監(jiān)測與報警的算法設(shè)計具有很大的靈活性[4]。

3 結(jié)語

海上平臺原油發(fā)動機故障監(jiān)測與報警是一類新興的、復(fù)雜的、綜合性的技術(shù)，一方面，依據(jù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對新采集的數(shù)據(jù)進行故障特征分類，并實現(xiàn)故障判斷；另一方面，利用傳感器采集到的機器各項特征指標判斷原油發(fā)動機運轉(zhuǎn)狀態(tài)。此項技術(shù)需要將原油發(fā)動機現(xiàn)有的故障特征與科學(xué)的數(shù)據(jù)分析方法相結(jié)合，實現(xiàn)智能化的故障監(jiān)測與報警。