為了對往復泵的故障進行正確診斷，提出了基于自適應小波神經(jīng)網(wǎng)絡的往復泵故障診斷方法。以往復泵單個泵缸內(nèi)的壓力信號作為系統(tǒng)特征信號采用小波變換來提取故障特征向量，同時將此特征向量作為小波神經(jīng)網(wǎng)絡的輸入，利用小波神經(jīng)網(wǎng)絡對故障做進一步的精確實時診斷。通過對往復泵液力端多故障診斷實例的檢驗表明：該系統(tǒng)故障診斷正確率達到了93%以上。

　　往復泵是石油礦場中的重要設備，在鉆井、驅(qū)油及壓裂等工藝中被廣泛應用，是一個復雜的機械系統(tǒng)。其液力端關鍵部件是泵閥組件，因其工況惡劣極易損壞，因此對其狀態(tài)進行監(jiān)測與故障診斷，及時做出合理的維修保養(yǎng)決策具有重要意義。現(xiàn)有的故障診斷方法主要有：基于知識的方法; 基于信號處理的方法; 基于解析模型的方法。由于往復泵結構比較復雜，激勵源類型較多，受平衡力、不平衡慣性載荷和各種沖擊載荷的作用，不可能應用基于解析模型的方法來分析泵閥的工作狀態(tài)。但是，可以從測取的信號中提取故障特征向量，以此為依據(jù)進行故障診斷。

　　筆者提出以單個泵缸內(nèi)的壓力作為系統(tǒng)特征信號，通過小波變換來提取故障特征向量，同時利用小波神經(jīng)網(wǎng)絡對故障做進一步的精確實時診斷的方法。真空技術網(wǎng)(http://bjjyhsfdc.com/)對小波神經(jīng)網(wǎng)絡采用的優(yōu)化算法是：在訓練過程中動量因子和學習率根據(jù)誤差大小進行自適應調(diào)整的梯度下降法，該方法可以提高學習速度并增加算法的可靠性。

1、用于泵閥故障診斷中的小波神經(jīng)網(wǎng)絡

　　1.1、緊致型小波神經(jīng)網(wǎng)絡結構*

　　小波神經(jīng)網(wǎng)絡是基于小波分析而構造出的一類前饋網(wǎng)絡，它有兩種結合方式：松散型和緊致型。緊致型結合方式是將小波分解同前饋神經(jīng)網(wǎng)絡進行直接融合，即將神經(jīng)網(wǎng)絡的隱節(jié)點函數(shù)用小波函數(shù)代替，并將相應的輸出層到隱層的權值由小波函數(shù)的尺度所代替、輸出層到隱層的閾值由小波函數(shù)的平移系數(shù)所代替。緊致型小波神經(jīng)網(wǎng)絡結構如圖1 所示。

圖1 緊致型小波神經(jīng)網(wǎng)絡結構

結束語

　　筆者構造了緊致型小波神經(jīng)網(wǎng)絡結構，根據(jù)小波神經(jīng)網(wǎng)絡的特點，采用了變步長的小波自適應網(wǎng)絡算法，該算法中學習率、動量因子根據(jù)誤差大小進行自適應調(diào)節(jié)，既提高了收斂速度，又不存在局部極小問題。并將構造的小波神經(jīng)網(wǎng)絡應用到往復泵的故障診斷中，正確率達到93% 以上。因此，基于自適應小波神經(jīng)網(wǎng)絡的往復泵故障診斷方法是一種比較理想的故障診斷方法，具有一定的應用價值。