[发明专利]基于RBF神经网络的游梁式抽油机示功图在线软测量方法及装置

说明书

技术领域

本发明涉及游梁式抽油机示功图测量方法及装置领域，特别涉及基于RBF神经网络的游梁式抽油机示功图在线软测量方法及装置。

背景技术

游梁式抽油机在油田中广泛应用，示功图是分析、诊断游梁式抽油机是否正常运行的一种有效手段，也是对游梁式抽油机日常管理的一个重要组成部分。游梁式抽油机示功图是悬点载荷和位移的关系图，通过示功图可以判断游梁式抽油机井下的工作状况。现在测量示功图方法都是定期测量，而且每次测量需要载荷传感器。测量示功图时需要停止游梁式抽油机和起动抽油机，这样不仅测量过程非常麻烦，同时对游梁式抽油机有冲击，影响游梁式抽油机寿命。另外因为示功图是定期测量，所以不能及时知道游梁式抽油机的运行状况、油井下面的液面状况、光杆载荷变化等现象，这样游梁式抽油机得不到及时维护，影响产油量，浪费能源。从表面上看游梁式抽油机的动作似乎很简单，实际它涉及电量和非电量多种数量复杂关系，并且它们的变化全是非线性的。为此，本发明提出了一种基于RBF神经网络的游梁式抽油机示功图在线软测量方法，本发明无需载荷传感器,只要通过测量容易测量的游梁式抽油机物理量，如电机功率、电机电流和曲柄角度,这些物理量与游梁式抽油机示功图高度相关，由RBF神经网络进行非线性映射，可准确、可靠地预测游梁式抽油机示功图。

发明内容

本发明的一个目的在于提供基于RBF神经网络的游梁式抽油机示功图在线软测量方法，本发明的另一个目的在于提供此种测量方法使用的装置，由RBF神经网络进行非线性映射，可准确、可靠地预测游梁式抽油机示功图。

基于RBF神经网络的游梁式抽油机示功图在线软测量方法：

RBF神经网络结构见附图2，RBF神经网络预测示功图的过程描述如下：控制器把游梁式抽油机一个冲次的曲柄角度(θ)、电机功率(A)和电机电流(I)记录在控制器中，即记录θ₁、θ₂、···θ_i；A₁、A₂、···A_i；I₁、I₂、···I_i。其中i的大小按测量精度要求确定,一般i＝24，曲柄转15°(即Δθ)记录一次。控制器将θ₁、θ₂、···θ_i、A₁、A₂、···A_i和I₁、I₂、···I_i上载到人机接口面板(HMI)。θ₁、θ₂、···θ_i和A₁、A₂、···A_i及I₁、I₂、···I_i作为RBF神经网络输入变量，即构成X₁、X₂、···X_m输入向量,这里m＝3*i。由X₁、X₂、···X_m,通过已经训练成功的RBF神经网络计算得到输出变量P₁、P₂、···P_n，这里n＝i，P₁、P₂、···P_i就是游梁式抽油机一个冲次的载荷。再通过游梁式抽油机运动原理及几何尺寸，由θ₁、θ₂、···θ_i换算为游梁式抽油机悬点位移S₁、S₂、···S_i。这样就得到游梁式抽油机的示功图数据，人机接口面板(HMI)显示游梁式抽油机示功图，或者打印记录游梁式抽油机示功图。

游梁式抽油机示功图是悬点载荷(P)和悬点位移(S)之间的关系图，而控制器直接测量的是曲柄角度θ，需要把曲柄角度θ换算成游梁式抽油机的悬点位移。游梁式抽油机运动机构示意图见附图3，设游梁式抽油机的下死点作为悬点位移的零点(S＝0)，向上为位移正方向。

曲柄角度θ_i，其中i为控制器采样记录序号。

此时对于游梁式抽油机曲柄，下死点对于曲柄角度θ的起始角度(θmin)，曲柄顺时针旋转对应悬点从位移零开始向上运动。曲柄旋转360°完成一个冲次。