[发明专利]基于示功图的有杆抽油系统故障递阶诊断方法

权利要求书

1.一种基于示功图的有杆抽油系统故障递阶诊断方法，其特征在于包括如下步骤：

1)故障分辨阶段，故障分辨阶段又分为两个阶段：

11)训练阶段：在训练阶段由正常或平稳样本提取15个示功图上的几何特征量，根据这些样本的特征量得到相关统计信息：

111)人工选取n个正常或平稳样本，进行15个特征量的提取，其中n≥50；

112)对提取的特征量进行异常值检验，如果异常，则剔除该样本，并重新进行异常值检验，直至没有异常值；

113)对异常值检验后的样本进行分布规律检验；

114)根据分布规律检验结果计算正常区域和故障区域；

12)分辨阶段：根据测试样本本身是否存在打结点和测试样本是否有特征量落入故障区域来判断是否故障：

121)判断测试样本本身是否存在打结点，如果存在，则为故障样本，跳转步骤2)；否则跳转步骤122)；

122)提取测试样本的15个特征量；

123)测试样本是否有特征量落入故障区域，如果有，则为故障样本，跳转步骤2)；否则跳转步骤124)；

124)判定测试样本为正常样本，不需要进行故障识别，结束；

2)故障识别阶段：采用基于示功图的有杆抽油系统故障识别的搜索树方法，对故障样本进行故障类型的识别。

2.根据权力要求1所述的基于示功图的有杆抽油系统故障递阶诊断方法，其特征在于所述15个特征量为下死点(E点)载荷、上死点(F点)位移和载荷、固定凡尔打开点(B点)的位移和载荷、游动凡尔打开点(D点)的位移和载荷、面积、最大载荷、最小载荷、载荷总的平均变化量，EB、BF、FD、DE段载荷的平均变化量。

3.根据权力要求1所述的基于示功图的有杆抽油系统故障递阶诊断方法，其特征在于步骤112)所述剔除异常样本的方法采用t检验准则剔除异常数据法：

21)在n个观测值中找出与平均值相比误差最大的正常样本的特征量值作为可疑值x_k，其中观测值为正常样本的一个特征量；

22)对不包括可疑值x_k在内的n-1个观测值，计算平均值：

x‾=(Σi≠ki=1nxi)/(n-1)---(1)]]>

以及标准差估计值：

s‾=[Σi≠ki=1n(xi-x‾)2]/(n-2)---(2)]]>

23)确定风险率α_T，α_T＝0.001，从t分布表上查出A_T(α_T；n-2)，再计算得到：

K(αT,n)=AT(αT;n-2)·nn-1]]>

                  (3)

24)检查x_k，如果有

|xk-x‾|>K(αT,n)·s‾---(4)]]>

成立，则x_k为异常值，应予剔除，跳转步骤25)；否则x_k不是异常值，不能剔除，并终止检查；

25)若x_k为异常值，将它剔除后，对余下的n-1个观测值重复上述步骤，直到不再有异常值。