王亚昆

（大庆油田力神泵业公司，黑龙江 大庆 163311）

基于RSGWPT-MSE和PNN的潜油电泵故障诊断方法

王亚昆

（大庆油田力神泵业公司，黑龙江 大庆 163311）

针对潜油电泵特征提取及状态判别问题，提出一种基于冗余第二代小波包变换、多尺度熵和概率神经网络的诊断方法。首先，利用冗余第二代小波包对拾取的信号样本进行处理，得到相应的子带信号分量，继而计算所得子带信号分量的多尺度熵值，并构造能够表征电泵状态的特征向量，最终将特征向量输入到概率神经网络中实现潜油电泵故障的自动识别。实测数据分析结果表明，所述方法能够有效对潜油电泵的工作状态进行识别，具有一定工程应用价值。

冗余第二代小波包变换；多尺度熵；概率神经网络；潜油电泵；故障诊断

0 引 言

潜油电泵采油技术，因其排量大、功率高、能量传递方式简单以及管理方便等优点得到了现场的广泛应用。但由于潜油电泵结构较为复杂，井下工作条件恶劣，在油田开采过程中综合故障率较高，因此对潜油电泵的状态进行监测、辨识是确保安全生产的关键，具有重要而实际的意义[1]。

近些年，随着非线性理论的发展，许多非线性算法如关联维数、近似熵、样本熵等被陆续应用于机械设备诊断领域，但这些参数只能反映信号序列单一尺度的特征信息，分析效果具有一定局限性[2]。由Costa等[3]提出的多尺度熵（Multiscale entropy,MSE）方法不仅能够在整体上刻画信号序列的动力学特征，而且可以根据尺度的变化反映时间序列不同尺度上的规律特性[3]。……