潘灵永

(中石化四机石油机械有限公司,湖北 荆州 434000)

0 引 言

压裂泵是油气田开发压裂装备的“心脏”,由于其工作压力大、工作介质含砂石等因素,造成压裂泵的单向阀工作寿命相对较短,且不稳定,给设备的安全运行造成影响。

目前,人工检泵成为保障该类设备安全运行的必要手段[1]。而据不完全统计,人工检泵有效率不超过60%,存在人力资源浪费和设备运行安全难以保证等问题。若不能及时排查出故障,会进一步导致其阀座损坏,甚至泵体本身损坏[2]。因此,针对压裂泵单向阀的故障诊断具有重要意义。

目前,针对页岩气开采中使用的压裂泵单向阀,对其进行故障诊断的研究仍然处于探索阶段。与常规旋转机械设备故障诊断相似,对单向阀进行故障诊断的基本原理仍是根据机械设备振动、功率、声音等信息,以此来分析设备的健康状况[3]。

国内针对高压隔膜泵的单向阀故障诊断相关研究较多。熊鹏博等人[4]提出了一种基于多时域特征与SVM的单向阀故障诊断方法,但需要人工挑选特征,且其采用的模型为浅层模型。吴漫等人[5]提出了基于VMD-SVD的单向阀微弱故障诊断方法,但是其特征的提取过程比较复杂,且要依赖于专家的经验。

随着计算机技术的快速发展,深度学习技术的应用不断深化,其在图像识别和语音处理领域展现了强大的自学习能力[6],许多学者开始将深度学习技术应用到机械故障诊断领域。

文龙等人[7]将滚动轴承原始振动数据输入卷积神经网络模型进行了轴承故障诊断,获得了良好的效果。……