( 大庆油田有限责任公司 采油工程研究院，黑龙江 大庆 163318)①

电潜柱塞泵是一种针对三低油藏的新型高效无杆举升工艺，在油田开采中后期开展了大量的室内和现场试验，节能效果明显，技术水平随着应用规模的扩大在不断完善，发展前景广阔[1]。但潜油直线电机在井下复杂环境下运行，导致电潜柱塞泵带故障运行情况较多。井口振动信号能够全面反应机组的运行工况，因此，针对其不同工况下的振动信号进行分析，对故障诊断技术的提高和油田生产具有实际意义[2-3]。通过对电机振动信号的有效处理和分析，能够做到故障预警。由于电机自身的结构特点、工作环境和负载工况等复杂因素，采集到的振动信号中含有大量的噪声信号，有时候噪声会使得有用信号无法识别[4-6]。运用传统的傅立叶分析方法有时不能满足要求，特别是在信号中含有较多畸变的有用信息时，傅立叶分析法就无能为力了。小波分析法以其处理非平稳信号所特有的优点，得到了日益广泛的应用[7-8]。

文献[9]提出了基于最优小波基的电机故障信号特征提取方法，但该方法只是找出适合电机特定故障信号的最优小波基，并没有对具体故障进行诊断分类。文献[10]提出采用小波包方法对电机匝间短路进行故障特征提取，以频带能量特征的对比诊断匝间短路故障，并未对电机其他故障以及信号能量特征采取进一步的智能诊断。

本文选用对电潜柱塞泵故障诊断适应性较高的db6小波，对采集到的振动信号进行小波包分析并与BP神经网络结合，提出了一种隐层神经元数变动的小波神经网络故障诊断方法，使其诊断精度及诊断周期得到很好的改善。……