基于邊際譜熵的鉆井振動(dòng)篩故障診斷

，

(1.川慶鉆探工程有限公司 長(zhǎng)慶鉆井總公司，西安 710021 ；2.川慶鉆探工程有限公司 國(guó)際工程公司，成都 610056)①

石油鉆井生產(chǎn)環(huán)境復(fù)雜惡劣，長(zhǎng)期承受高強(qiáng)度負(fù)荷，安全生產(chǎn)一直是國(guó)家安全部門(mén)密切關(guān)注的問(wèn)題。振動(dòng)篩是鉆井石油勘探開(kāi)發(fā)中重要的設(shè)備之一，是第一級(jí)鉆井液固相控制設(shè)備，對(duì)鉆井砂礫的清除起著重要作用，并盡最大限度回收高成本的鉆井液。振動(dòng)篩類(lèi)型主要分為單軸振動(dòng)篩、多軸振動(dòng)篩及雙振型振動(dòng)篩[1-2]，可以實(shí)現(xiàn)圓振型、直線振型、橢圓振型、變直線、變橢圓或雙振型等振型。我國(guó)振動(dòng)篩發(fā)展數(shù)十年，已取得一定成就，但是與國(guó)際先進(jìn)水平比還有很大的進(jìn)步空間。

振動(dòng)篩的工作原理是通過(guò)激振器偏心旋轉(zhuǎn)使振篩振動(dòng)來(lái)清除固相顆粒，一般工作在超共振點(diǎn)。在設(shè)備啟動(dòng)階段，振動(dòng)篩隨著電機(jī)轉(zhuǎn)速加大，振動(dòng)頻率也逐漸加大，極易給固定設(shè)備造成磨損。在停機(jī)后設(shè)備存在慣性，振動(dòng)篩逐漸減速后最后停止振動(dòng)。在減速中達(dá)到共振頻率時(shí)，振動(dòng)篩會(huì)發(fā)生劇烈振動(dòng)，釋放巨大的沖擊力，振動(dòng)篩本體和振動(dòng)機(jī)構(gòu)在強(qiáng)烈沖擊力作用下極易發(fā)生故障，增加維修費(fèi)用甚至更換振動(dòng)篩。此外，振動(dòng)電機(jī)的啟動(dòng)電壓是工頻電壓，較大的啟動(dòng)電流會(huì)損害電氣設(shè)備。實(shí)際工程中，通常是多臺(tái)振動(dòng)篩同時(shí)工作，啟停過(guò)程會(huì)產(chǎn)生較大電流沖擊電網(wǎng)。

目前，對(duì)鉆井振動(dòng)篩的故障研究停留在技術(shù)改進(jìn)、設(shè)備維修方法上，沒(méi)有針對(duì)性的診斷技術(shù)應(yīng)用于振動(dòng)篩的故障診斷[3]。本文將邊際譜熵理論應(yīng)用于振動(dòng)篩的故障中，提取振動(dòng)篩的故障信號(hào)，計(jì)算信號(hào)的邊際譜熵作為特征量，送入到BP神經(jīng)網(wǎng)絡(luò)進(jìn)行樣本訓(xùn)練，得到診斷結(jié)果，對(duì)及時(shí)發(fā)現(xiàn)振動(dòng)篩的故障及解除安全隱患具有重要意義。

1 振動(dòng)篩常見(jiàn)故障

本文以S250系列平動(dòng)橢圓振動(dòng)篩為例進(jìn)行分析[4-5]。

1.1 篩網(wǎng)使用壽命短

1) 篩網(wǎng)與篩框貼合不緊。支撐篩網(wǎng)的膠條磨損，篩網(wǎng)不能繃緊以至不能與之可靠接觸。

2) 粘土堆積。當(dāng)振動(dòng)篩振幅很小時(shí),鉆屑(粘土)的粘性力相對(duì)很大,聚合物難以通過(guò)鉆井液篩分,篩網(wǎng)上會(huì)有鉆屑堆積導(dǎo)致篩網(wǎng)加速損壞。

3) 電動(dòng)機(jī)轉(zhuǎn)向錯(cuò)誤?，F(xiàn)場(chǎng)調(diào)試時(shí)容易將單軸振動(dòng)篩或直線篩的使用經(jīng)驗(yàn)用于判別平動(dòng)橢圓振動(dòng)篩。單軸振動(dòng)篩或直線篩的電動(dòng)機(jī)轉(zhuǎn)向看鉆屑是否往前走，平動(dòng)橢圓振動(dòng)篩的電機(jī)轉(zhuǎn)向卻不適用。

4) 篩網(wǎng)質(zhì)量差。當(dāng)篩網(wǎng)下部受力層繃緊時(shí)，篩網(wǎng)上部的篩分層不能拉緊，鉆屑投擲力極大削弱，影響篩分和排屑。

1.2 跑漿

1) 鉆井液中固相含量高、黏度大、鉆屑分散。

2) 振動(dòng)篩的振動(dòng)力小、篩網(wǎng)目數(shù)高、篩網(wǎng)面積小。

3) 振動(dòng)篩的進(jìn)液口方向、位置安裝不正確。

1.3 電動(dòng)機(jī)固定螺栓斷裂

螺栓預(yù)緊力不足導(dǎo)致振動(dòng)過(guò)程中松動(dòng),或者緊固件強(qiáng)度不足、電動(dòng)機(jī)底面和座板面之間有雜物所致。

1.4 電氣控制故障

1) 振動(dòng)電動(dòng)機(jī)的進(jìn)線接口處電纜線擺動(dòng)幅度大,內(nèi)部的電纜線很容易斷,從外側(cè)看不到,用萬(wàn)用表測(cè)電阻也由于虛接很難發(fā)現(xiàn)問(wèn)題。

2) 電控箱過(guò)熱繼電器設(shè)置不合適,也會(huì)造成振動(dòng)電動(dòng)機(jī)雖啟動(dòng)但經(jīng)常跳閘。

3) 機(jī)械問(wèn)題也會(huì)造成過(guò)熱繼電器動(dòng)作,如電動(dòng)機(jī)固定螺栓松動(dòng)導(dǎo)致載荷不均衡、振動(dòng)電動(dòng)機(jī)的軸承出現(xiàn)故障。

1.5 篩箱側(cè)板開(kāi)裂

電動(dòng)機(jī)的旋轉(zhuǎn)方向和偏心塊的安裝方式不正確都有可能造成側(cè)板開(kāi)裂。以正確方式運(yùn)轉(zhuǎn)時(shí),篩箱側(cè)板承受的力并不大,補(bǔ)焊開(kāi)裂的部位便可以正常使用。

2 邊際譜熵理論

邊際譜理論來(lái)自希爾伯特黃變換(HHT)，具有處理非線性信號(hào)的能力，彌補(bǔ)了傅里葉變換的不足。邊際譜熵具有物理意義，這是其他信號(hào)處理方法不具有的優(yōu)勢(shì)。HHT算法由經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)和Hilbert變換組成。首先將非線性非平穩(wěn)信號(hào)經(jīng)驗(yàn)?zāi)B(tài)EMD分解成固有模態(tài)函數(shù)(IMF)，IMF是一組表征信號(hào)特征時(shí)間尺度的函數(shù)；其次對(duì)各個(gè)IMF分量做Hilbert變換，計(jì)算瞬時(shí)頻率和瞬時(shí)幅值，進(jìn)而得到Hilbert幅值譜和Hilbert邊際譜[6]。具體算法如下：

4) Hilbert譜。

5) 將H(fi，t)對(duì)時(shí)間積分得邊際譜。

3 BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的一種，是目前應(yīng)用最為廣泛、發(fā)展最為成熟、運(yùn)算規(guī)則最為簡(jiǎn)單、最易實(shí)現(xiàn)的一種人工神經(jīng)網(wǎng)絡(luò)。有正向、反向兩個(gè)傳播過(guò)程，對(duì)非線性過(guò)程可微的多層前饋傳遞網(wǎng)絡(luò)[7-8]。

BP神經(jīng)網(wǎng)絡(luò)是由輸入層、隱含層、輸出層構(gòu)成。訓(xùn)練過(guò)程包括前饋訓(xùn)練、誤差反向修正。從輸入層開(kāi)始依次向隱含層、輸出層計(jì)算，各層通過(guò)傳遞函數(shù)和權(quán)值連接，根據(jù)一定的學(xué)習(xí)規(guī)則，到達(dá)輸出層，輸出層會(huì)輸出一個(gè)誤差，沿原路依次修正各層權(quán)值，得到更為精確的輸出值。BP神經(jīng)網(wǎng)絡(luò)原理如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)原理

數(shù)學(xué)模型為：

(1)

權(quán)值調(diào)節(jié)式為：

(2)

(3)

4 建模分析

振動(dòng)篩的故障診斷流程如圖2所示。

圖2 振動(dòng)篩故障診斷流程

特征值對(duì)于BP人工神經(jīng)網(wǎng)絡(luò)模型的識(shí)別精度具有關(guān)鍵作用，本文將振動(dòng)篩的加速度故障信號(hào)進(jìn)行邊際譜熵分析[9-10]，求得所有樣本數(shù)據(jù)的邊際譜熵。訓(xùn)練樣本集的大小影響B(tài)P神經(jīng)網(wǎng)絡(luò)模型的識(shí)別能力，本文選取3種振動(dòng)篩的加速度故障邊際譜熵?cái)?shù)據(jù)[11]，每種故障數(shù)據(jù)樣本40組，每種類(lèi)型選取20種作為訓(xùn)練樣本，另外20組作為測(cè)試樣本。

BP神經(jīng)網(wǎng)絡(luò)模型采用3層網(wǎng)絡(luò)，分別是輸入層、隱含層、輸出層，輸入層共計(jì)12個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)對(duì)應(yīng)一個(gè)振動(dòng)篩的加速度。隱含層節(jié)點(diǎn)數(shù)取輸出層神經(jīng)單元個(gè)數(shù)的3倍，本文輸出層神經(jīng)單元取3，隱含層節(jié)點(diǎn)取9，故障類(lèi)型歸為3類(lèi)，因此輸出層選為9。正常狀態(tài)(0,0,0)，故障1(1,0,0)，故障2(0,1,0)，故障3(0,0,1)。隱含層傳遞函數(shù)選Tansig，輸出層傳遞函數(shù)選為L(zhǎng)ogsig，循環(huán)速率0.05，訓(xùn)練次數(shù)5 000，訓(xùn)練目標(biāo)誤差0.000 01。訓(xùn)練誤差如圖3所示。

圖3 訓(xùn)練誤差曲線

對(duì)3種故障加速度信號(hào)20組樣本數(shù)據(jù)分別進(jìn)行測(cè)試，故障1正確診斷17例，識(shí)別率達(dá)到85%；故障2正確診斷18例，識(shí)別率達(dá)到90%；故障3正確診斷19例，識(shí)別率高達(dá)95%。圖4是故障2的振動(dòng)信號(hào)。部分訓(xùn)練樣本、測(cè)試樣本的結(jié)果如表1所示。

圖4 故障2振動(dòng)信號(hào)

由圖3～4識(shí)別結(jié)果分析，故障1振動(dòng)篩加速度信號(hào)的邊際譜熵相對(duì)較低，振動(dòng)信號(hào)信息相對(duì)簡(jiǎn)單，說(shuō)明機(jī)械損壞程度較輕；又因故障譜熵較小，有3例誤識(shí)別成正常信號(hào)。故障2振動(dòng)篩加速度信號(hào)的邊際譜熵相對(duì)高，振動(dòng)信號(hào)較為復(fù)雜，說(shuō)明機(jī)械損壞程度較重；故障2的邊際譜熵均值較大所含范圍也較大，故障識(shí)別正確率有所提高。故障3振動(dòng)篩加速度信號(hào)的邊際譜熵最高，振動(dòng)信號(hào)最復(fù)雜，說(shuō)明機(jī)械損壞程度最重；故障3的邊際譜熵最大，參數(shù)范圍均值在0.958 55，波動(dòng)較小，識(shí)別率最高。

表1 部分訓(xùn)練樣本、測(cè)試樣本識(shí)別結(jié)果

5 結(jié)論

信號(hào)處理方法診斷故障具有實(shí)時(shí)、準(zhǔn)確的特性，邊際譜熵相比其他信號(hào)處理方法更具有物理意義。用邊際譜熵作為特征量，用人工神經(jīng)網(wǎng)絡(luò)作為智能識(shí)別工具，成功實(shí)現(xiàn)了鉆井振動(dòng)篩的故障診斷。故障準(zhǔn)確率分別達(dá)到85%，90%，95%，總識(shí)別率為90%。是一種準(zhǔn)確率較高，可靠性較高，簡(jiǎn)單易于應(yīng)用的振動(dòng)篩故障診斷新方法。

診斷出振動(dòng)篩的故障后，同時(shí)要做好預(yù)防措施。保證電路連接正確、調(diào)整合適的篩箱角度、設(shè)置合理的振動(dòng)幅度、安裝篩網(wǎng)時(shí)保證適當(dāng)?shù)膹埦o力、振動(dòng)篩累計(jì)工作60 d后對(duì)振動(dòng)電動(dòng)機(jī)上的軸承進(jìn)行潤(rùn)滑、振動(dòng)電動(dòng)機(jī)損壞后正確地更換。這樣就可以使振動(dòng)篩達(dá)到最佳工作狀態(tài),延長(zhǎng)振動(dòng)篩的使用壽命,從而提高固相控制水平。

[1] 王宏偉,劉軍,劉繼亮.國(guó)外新型鉆井振動(dòng)篩研究進(jìn)展[J].石油礦場(chǎng)機(jī)械,2011,40(3):72-76.

[2] 徐倩,鄧嶸,李艷萍,等.2種新型鉆井振動(dòng)篩[J].石油礦場(chǎng)機(jī)械,2010,39(8):53-56.

[3] 朱曉梅, 洪黎, 田昌文, 等. 自適應(yīng)振動(dòng)篩自學(xué)習(xí)機(jī)理研究[J]. 石油礦場(chǎng)機(jī)械, 2011, 40(12): 16-20.

[4] 牟長(zhǎng)青,王濤,侯召坡,等.振動(dòng)篩現(xiàn)場(chǎng)問(wèn)題及解決方法[J].石油機(jī)械,2009,37(4):67-69.

[5] 趙宣銘. 振動(dòng)篩故障診斷技術(shù)的研究狀況探析[J]. 新技術(shù)新工藝, 2015 (2): 142-145.

[6] 尹洪梅.基于熵分析棒束通道氣液兩相流型識(shí)別及動(dòng)力學(xué)特性分析[D].吉林： 東北電力大學(xué),2017.

[7] 秦太龍, 時(shí)建峰, 程珩. BP 神經(jīng)網(wǎng)絡(luò)在振動(dòng)篩故障診斷中的應(yīng)用[J]. 煤礦機(jī)電, 2008 (2): 42-43.

[8] 張鳳蕊, 王志奎. 基于小波遺傳神經(jīng)網(wǎng)絡(luò)的大型直線振動(dòng)篩故障診斷[J]. 煤礦機(jī)械, 2012, 33(9): 259-261.

[9] 魏文菲, 張春元, 常緒濤, 等. FTA 法在圓振動(dòng)篩故障診斷中的應(yīng)用研究[J]. 礦山機(jī)械, 2016, 44(7): 58-61.

[10] 李東, 周可法, 孫衛(wèi)東, 等. BP 神經(jīng)網(wǎng)絡(luò)和 SVM 在礦山環(huán)境評(píng)價(jià)中的應(yīng)用分析[J]. 干旱區(qū)地理, 2015, 38(1): 128-134.

[11] 朱維兵,徐昌學(xué),王進(jìn)榮,等.鉆井液振動(dòng)篩性能參數(shù)的虛擬測(cè)試系統(tǒng)[J].天然氣工業(yè),2007(10):82-84.