CN1718995A - 一种用于钻井泵状态检测与故障诊断的系统 - Google Patents

Abstract

钻井泵为往复式活塞泵，一般采用的是三缸单作用式，是石油钻机的关键设备，承担着向井下泵送钻井液的任务。根据钻井泵的结构和监测目标，分别在泵头、十字头处、动力端各轴承座上布置加速度测点，并安装一涡流传感器监测相位信号，然后将加速度信号分别送入电荷放大器，再通过接口箱，将信号输入计算机处理。对于在泵液力端测得的信号，采用小波包分析加神经网络方法进行泵阀泄漏和泵缸刺漏的识别和诊断；对于十字头，亦采用相同方法进行磨损量的诊断；对于泵动力端轴承，则采用故障特征值理论计算与共振解调加谱分析加模糊识别的方法进行故障诊断。本发明(结构图见摘要附图)的特点是建立了一套现场使用方便、快捷、诊断准确率高、实用的钻井泵的状态监测和故障诊断系统，目前尚未见到有同样类型的系统在现场使用，因此具有很好的应用前景。

Description

一种用于钻井泵状态检测与故障诊断的系统

技术领域

本发明提供一套新颖的用于石油钻井用的三缸单作用往复式泵的状态检测与故障诊断系统，系统可用于该类泵动力端(包括曲轴轴承、支承轴承、十字头)及液力端(包括活塞、缸套、吸入与排出阀)的状态监测和故障判别。

背景技术

一台石油钻机一般配备有两台钻井泵，现代钻井泵一般为三缸单作用往复泵。钻井泵是石油钻井循环系统的关键设备，它用以向井下泵送钻井的“血液”---钻井液，所以它被称为钻机的“心脏”。钻井泵压力的高低、排量的大小与钻井工艺密切相关，因此它工作状态的好坏直接影响到钻井工作能否正常进行，影响到钻井工作的安全、效率、成本和质量。在工作中，其皮带轮、齿轮、轴承作旋转运动，十字头为旋转运动与直线往复运动的交汇点，而活塞杆、活塞在泵缸中作直线往复运动，这些运动与泵缸中钻井液的压力波动一起引起泵的强烈振动。由于钻井泵工作在野外而且具有功率大、压力高、工作条件恶劣的特点，因此由于泵的损坏导致钻井工作停顿造成巨大损失的实例非常之多。目前，钻井泵工作状态的好坏全靠现场工人和技术人员凭经验来判断。钻井泵分为动力端和液力端两部分，动力端包括：皮带轮、齿轮、轴承、曲柄连杆机构、十字头等；液力端包括：活塞、泵缸、泵阀、空气包等。一般现场人员对液力端的故障较易判断和维修，而动力端由于结构复杂、封闭严密和装拆难度大，现场人员难以进行故障诊断和维修。因此现场常常采用定期大修的办法来保证泵工作的可靠性，所以带有一定的盲目性。有时大修时间已到，实际泵并无多大问题，若进行拆修更换，将带来不必要的经济开支；有时泵动力端已有严重问题但未觉察，因大修时间未到仍让其工作，在工作中突然损坏，导致钻井工作中断而造成重大损失。因此，积极开展钻井泵的状态监测和故障诊断工作是十分必要的。

目前，国内石油行业对钻井泵的故障诊断系统的研究工作深度和广度都还不够，离实际应用还有相当距离，问题的关键在于对钻井泵故障诊断的重点的把握及难点的突破上，因此有必要下功夫研究确定钻井泵故障诊断的重点所在，集中力量突破其难点，研制出符合钻井泵结构及工作实际的、适合于现场使用的、能取得明显成效的状态监测与故障诊断系统。

钻井泵属往复泵的一种，它的工作条件十分恶劣，其工作介质是一种带有磨砺性与腐蚀性的钻井液，它在工作中存在多种激励振源(如往复运动与旋转运动振源、钻井液压力脉动对机体的撞击以及各种不平衡惯性力的干扰等)，因此对其进行故障诊断具有较大的难度，国内外此项研究工作开展得都不多。根据对国内16个相关数据库近十年的资料查询，可知目前国内进行的相关研究工作主要集中在钻井泵的液力端(泵阀和活塞)，而对于动力端及整个系统的研究着力较少。国外关于往复泵故障诊断的研究工作的报道也很少，其中有用对已解调超声信号进行谱分析的方法进行往复机械故障诊断的，在俄罗斯炼油厂已有在线故障监测与诊断系统在离心泵上的成功应用，但未见有在往复泵上应用的报道。目前尚未有一套与本发明相同的钻井泵状态监测和故障诊断系统，其他单位诊断所采取的硬件和软件均与本发明不同。

由于钻井泵动力端部件价格昂贵，如曲轴大轴承，每个价值3~5万元，支承轴承每个价值约2万元，所以其故障造成的直接经济损失也远远大于液力端。因此，及时了解动力端的性能情况，采取正确的运行及维修决策，其对安全钻井及经济效益的价值更大。

综上所述，目前尚无一套成熟的钻井泵状态监测与故障诊断系统，需要进行研制和开发。

发明内容

本发明目的是克服现有技术的缺点，提供一套新的钻井泵状态监测与故障诊断系统，该系统具有结构简单、应用方便，既能较好地对钻井泵液力端进行状态监测和故障诊断，又能对钻井泵动力端进行状态监测和故障诊断，诊断准确率高，适合钻井现场使用。

(1)在测试传感器的选择和布置方面。考虑到曲轴大轴承在油池中作摆动的特点，我们选用了抗干扰和耐油的复合传感器(加速度型)，并采取特殊措施使传感器直接安装在轴承座上，以直接获取轴承的状态信息。对于液力端及十字头，则采用振动加速度计测取振动信息；为获取各缸运动件之间的正确的相位关系采用了涡流传感器来监测各缸活塞的死点位置；依据泵现有的压力表获取泵即时的压力情况。

(2)在测试分析系统的构建方面。我们构建了如附图1所示的钻井泵状态监测与故障诊断系统，有效地解决了状态信号的测取、放大及A/D转换、诊断结论获取及数据处理保存等问题。系统结构简单、携带方便、操作简单，既可使用井场电源，又具有独立电源，非常适合于在油田井场实际使用。

(3)可靠有效和诊断准确率高的诊断软件。

附图说明

图1 本发明所提出的钻井泵故障诊断系统及测点布置简图。

图2 本发明所提出的钻井泵动力端信号分析及故障诊断原理。

图3本发明所提出的钻井泵液力端信号分析及故障诊断原理。

具体实施方式

下面将结合附图进一步对这种系统进行描述。所发明的软件系统，针对钻井泵的动力端和液力端的实际情况，结合所作的实验研究工作，在一个完整的振动测试平台(见附图1)上采用不同的信号分析处理方法。具体地说：

对动力端，将采取如附图2所示方法进行处理分析。其目的是为减少噪声干扰，使故障特征谱线明显突出所以采用了谱分析加共振解调加模糊识别的综合分析方法。通过对此共振解调波的幅值域和频率域分析，就可判定故障的量值和类型。但由于轴承的实际运行工况与理论计算时的假设情况有一定差距，所以仅从频谱波型仍难以直接辩识出故障，因此还需要寻求别的方法予以处理，以取得较好的效果。通过摸索，我们根据模糊数学中的最近贴近原则，找到了判定轴承故障的阈值。

对液力端，将采取如附图3所示方法进行处理分析。通过理论研究和实验室小泵的大量实验，基本找到了对液力端泵阀泄漏、缸套刺漏等故障的识别方法。近年来发展起来的小波包分析(Wavelet Packet Analysis)能够为信号提供一种更加精细的分析方法，它将频带进行多层次划分，对多分辨分析没有细分的高频部分进一步分解，并能够根据被分析信号的特征，自适应地选择相应频带，使之与信号频谱相匹配，从而提高了时-频分辨率，因此小波包分析在机械故障诊断中具有更广泛的应用价值。利用了小波包分析能对信号频谱进行精细分析这一特点，大大减少了诊断特征向量的维数，同时又可提取出原始信号的主要特征。人工神经网络(Artificial Neural Networt)技术是基于神经科学研究的最新成果而发展起来的边缘学科，是对人脑某些基本特征的简单数学模拟。人工神经网络的平行分布式处理方式、联想记忆的容错能力、自组织自学习能力及较强的非线性映射能力在机械故障的诊断和识别中显示了极大的应用潜力。对于故障形成原因复杂、故障与征兆间对应关系复杂的情况，可利用人工神经网络方法来进行分类和识别。因此，在测试信号小波包分析的基础上，通过将分频带能量作为诊断特征向量，在大量实验研究的基础上，借助于人工神经网络中的多层前馈神经网络(BP网络)，有效地实现了信号处理中的小波包分析技术与状态识别中的人工神经网络的结合。所开发的软件可有效地诊断钻井泵液力端泵阀泄漏、缸套刺漏等故障。

Claims (2)

1.这种用于钻井泵状态检测与故障诊断的系统，包括硬件和软件两部分组成，其硬件部分的主要特征在于：以加速度计置放在各泵头的铅垂和水平方向，作为进行泵部件的振动测试的“一次仪表”，泵液力端(含缸套、活塞、阀及阀座)和十字头的振动信号(加速度计置放在各十字头轴瓦上)通过加速度计传给电荷放大器放大，再经过数据采集卡进行A/D转换，再送入计算机软件系统进行分析诊断；泵动力端(曲轴支撑轴承、曲拐大轴承)的振动信号通过一种具有防水、防油、密封性能好的加速度计置放在轴承座上而测得，通过共振解调仪作共振解调处理并进行放大，以突出故障信号，经过数据采集卡进行A/D转换，再送入计算机软件系统进行分析诊断；在十字头介杆头死点处安装一涡流传感器，测取十字头某一介杆头的行程信号，经过换算可得到三个活塞的相互相位信息。

2.按权利要求1所述的这种系统的软件部分的特征在于利用NI公司提供的I/O接口设备，使用Labwindows/CVI语言所编制的一套对振动信号进行测试分析和故障诊断的系统。此软件与权利要求1所包含的硬件系统紧密结合，可实现对钻井泵液力端和动力端的状态分析和故障诊断。对于泵液力端，用频谱分析加小波包处理(分解和重构)，根据特征向量值的变化来判断有无故障及故障的严重程度；对于泵动力端，对经共振解调处理后的振动信号采用频谱分析加模糊识别，以确定各轴承的故障情况及故障类型。

Images