Study on Fault Diagnosis Technology for Fluid End of Drilling Pump

doi:10.11885/j.issn.1674-5086.2013.12.31.01

Abstract

Abstract:

The fault diagnosis method of fluid end that combines the statistical indexes and neural network is proposed in this
paper based on the analysis of fault diagnosis methods for fluid end of mud pump and the features of structure and operating
condition of mud pump. Firstly，the following indexes of vibration signal are selected to illustrate the characteristic index：
effective value，variance，peak index，impulsion index，kurtosis value and margin index，etc. At the same time，vibration
testing signal is collected by using a dynamic data acquisition instrument and piezoelectric acceleration sensors and the average
index for vibration signal is caculated. In order to construct the BP neural network and set network parameters，the selected
characteristic indexes are normalized. As the training samples，then these indexes are put into the BP neural network for training，
after which the constructed BP neural network can entirely meet the set training precision requirement. The corresponding
diagnostic errors of different plungers in field are 0.007 7，0.017 9，0.017 7 and 0.021 6，which shows that the constructed BP
network can reach the demands of plunger fault diagnosis. Therefore，this method may accurately diagnose fault of fluid end
of mud pump，which can be applied to engineering practice.

Key words: mud pump, fluid end, statistical indexes, neural network, fault diagnosis

CLC Number:

TE926
TE928

Zhang Zhidong1，2*, Ai Zhijiu1, Zheng Wei3, Li Ben4, Zhong Gongxiang1. Study on Fault Diagnosis Technology for Fluid End of Drilling Pump[J]. 西南石油大学学报(自然科学版), DOI: 10.11885/j.issn.1674-5086.2013.12.31.01.

0
/ / Recommend

Add to citation manager EndNote|Ris|BibTeX

URL: http://journal15.magtechjournal.com/Jwk_xnzk/EN/10.11885/j.issn.1674-5086.2013.12.31.01

http://journal15.magtechjournal.com/Jwk_xnzk/EN/Y2015/V37/I5/167

References

[1] 段礼祥，王福善. 基于复合指标的往复泵柱塞缸套磨
损故障诊断[J]. 石油机械，2006，34（10）：52 55.
Duan Lixiang，Wang Fushan. Fault diagnosis of plunger
wear of reciprocating pump based on the composite
index[J]. China Petroleum Machinery，2006，34（10）：
52 55.
[2] 黄志强，卜艳，李琴，等. 万米钻井泥浆泵柱塞密封失
效分析及改进[J]. 天然气工业，2009，29（1）：70 72.
Huang Zhiqiang，Bu Yan，Li Qin，et al. Analysis on sealing
failure of myriameter drilling mud pump plunger and
improvement measures[J]. Natural Gas Industry，2009，
29（1）：70 72.
[3] 杨其俊，徐长航，孙辉，等. 三缸泵泵阀故障的幅值域
多参数诊断法[J]. 石油机械，1999，27（1）：35 38.
Yang Qijun，Xu Changhang，Sun Hui，et al. A method
for trouble diagnosis of triplex pump valve[J]. China
Petroleum Machinery，1999，27（1）：35 38.
[4] 何正嘉，陈进，王太勇，等. 机械故障诊断理论及应
用[M]. 北京：高等教育出版社，2010.
[5] 杜长龙，曹红波，王燕宁. 乳化液泵容积效率仿真研
究[J]. 中国矿业大学学报，1995，24（3）：103 108.
Du Changlong，Cao Hongbo，Wang Yanning. Simulating
study on the Volume Efficiency of emulsion pump[J].
Journal of China University of Mining & Technology，
1995，24（3）：103 108.
[6] 刘泽华，尹瑞. 基于EMD 和ART-1 神经网络的故障
诊断方法研究[J]. 计算机测量与控制，2012，20（8）：
2061 2064.
Liu Zehua，Yin Rui. Research of fault diagnosis based on
EMD and ART-1 neural network[J]. Computer Measurement
& Control，2012，20（8）：2061 2064.
[7] 胡昌华，张军波，李学锋. 一种基于小波和人工神经网
络的故障检测与诊断方法[J]. 航天控制，2000，18（2）：
64 71.
Hu Changhua，Zhang Junbo，Li Xuefeng. A method of
fault detection and diagnosis based on wavelet and artificial
neural networks[J]. Aerospace Control，2000，18（2）：
64 71.
[8] 杨国安，张冬，黄聪. 钻井泵阀的冲击特性分析[J]. 振
动与冲击，2008，27（12）：18 22.
Yang Guoan，Zhang Dong，Huang Cong. Impact characteristic
analysis of drilling pump valve[J]. Journal of Vibration
and Shock，2008，27（12）：18 22.
[9] 万邦烈，李继志. 石油矿场水力机械[M]. 北京：石油工
业出版社，1987.
[10] 楼顺天，施阳. 基于MATLAB 的系统分析与设
计神经网络[M]. 西安：西安电子科技大学出版
社，1999.
[11] 任燕燕. 基于人工神经网络的故障诊断方法的研究及
应用[D]. 北京：华北电力大学，2009.
[12] 杨其俊，裴峻峰，田佳禾. 神经网络在往复泵活塞磨
损故障诊断中的应用[J]. 石油大学学报：自然科学版，
1998，22（5）：68 70.
Yang Qijun，Pei Junfeng，Tian Jiahe. Failure diagnosis of
worn piston in reciprocating pump with artificial neural
network[J]. Journal of the University of Petroleum，China，
1998，22（5）：68 70.
[13] 赵庶旭，张振海，张华卫，等. 神经网络：理论、技术、
方法及应用[M]. 北京：中国铁道出版社，2013.
[14] 马瑞恒，王新晴，王耀华，等. 小波除噪、神经网络与发
动机故障诊断[J]. 内燃机工程，2002，24（6）：38 46.
Ma Ruiheng，Wang Xinqing，Wang Yaohua，et al.
Wavelet noise filtering，neural network and engine fault
diagnosis[J]. Chinese Internal Combustion Engine Engineering，
2002，24（6）：38 46.
[15] 金路，廖明夫，黄崴. 一种航空发动机振动信号多线程
采集模块设计[J]. 测控技术，2013，32（8）：50 53.
Jin Lu，Liao Mingfu，Huang Wei. A multi-thread data acquisition
module for vibration signal of aero-engine[J].
Measurement & Control Technology，2013，32（8）：
50 53.
[16] 杨其俊，裴峻峰，魏国祥. 基于BP 网络的往复泵泵阀
故障识别系统的研究[J]. 噪声与振动控制，1998（3）：
36 39.
Yang Qijun，Pei Junfeng，Wei Guoxiang. Fault diagnosis
system on pump valves in a reciprocating pump
with BP neural network[J]. Noise And Vibration Control，
1998（3）：36 39.
[17] 张德丰. MATLAB 神经网络应用设计[M]. 北京：机械
工业出版社，2009.
[18] 高璇. 基于神经网络的故障诊断研究[D]. 沈阳：东北大
学，2010.
[19] 王树亮，王东，冯珍，等. 基于小波包神经网络故障
诊断系统研究[J]. 南京理工大学学报，2004，28（4）：
356 359.
[20] Sorsa T，Koivo H N，Koivisto H. Neural networks in process
fault diagnosis[J]. Systems，Man and Cybernetics，
IEEE Transactions on，1991，21（4）：815 825.
[21] 杨福生. 小波变换的工程分析与应用[M]. 北京：科学
出版社，2000.