CAJ | 학술논문

针对螺杆泵井工况复杂、故障种类繁多，反映特征参数与故障类型的数学模型难以搭建，提出了建立一种基于RBF神经网络的螺杆泵井故障诊断模型。选取日产液量、动液面深度、电机功率作为输入向量，将抽油杆断脱、泵漏失、油管漏失等故障类型作为输出向量，采用RBF神经网络工具箱建立了螺杆泵井故障诊断模型，并对网络进行了训练，利用该网络测试了大庆油田两口螺杆泵故障井，结果表明：RBF神经网络具有较快的收敛速度和良好的稳定性能；验证了建立的RBF神经网络的螺杆泵井故障诊断模型的正确性\可行性和有效性。
침대라간빙정공황복잡、고장충류번다，반영특정삼수여고장류형적수학모형난이탑건，제출료건립일충기우RBF신경망락적라간빙정고장진단모형。선취일산액량、동액면심도、전궤공솔작위수입향량，장추유간단탈、빙루실、유관루실등고장류형작위수출향량，채용RBF신경망락공구상건립료라간빙정고장진단모형，병대망락진행료훈련，이용해망락측시료대경유전량구라간빙고장정，결과표명：RBF신경망락구유교쾌적수렴속도화량호적은정성능；험증료건립적RBF신경망락적라간빙정고장진단모형적정학성\가행성화유효성。