← 返回列表

一种压裂泵故障检测方法、系统及存储介质

申请号: CN202311720413.2
申请人: 盐城市崇达石化机械有限公司
申请日期: 2023/12/14

摘要文本

本发明涉及故障诊断技术领域,具体公开了一种压裂泵故障检测方法、系统及存储介质,包括以下步骤:S10:确定探头的数量以及探头所对应的采集位置,并采集压裂泵故障数据和历史压裂泵状态检测数据;S20:将数据进行预处理与降维得到训练数据集;S30:基于深度学习神经网络构建压裂泵故障检测模型;S40:以训练数据集对所述压裂泵故障诊断模型进行训练;S50:将待预测数据输入压裂泵故障诊断模型中,得到产能预测结果;S60:根据得到的产能预测结果进行压裂泵的停产、检修和更换工作。本发明可以使CNN‑BiLSTM网络集中学习与当前压裂泵状态相关性更高的数据特征,增强网络在特征提取上的准确性。

专利详细信息

项目 内容
专利名称 一种压裂泵故障检测方法、系统及存储介质
专利类型 发明申请
申请号 CN202311720413.2
申请日 2023/12/14
公告号 CN117574327A
公开日 2024/2/20
IPC主分类号 G06F18/27
权利人 盐城市崇达石化机械有限公司
发明人 曾德刚; 彭光成; 陈海兵; 张晓东; 张立军; 王杭; 史靖文; 刘德昊
地址 江苏省盐城市建湖县芦沟镇大崔路99号、建湖县芦沟镇政达东路88号

专利主权项内容

1.一种压裂泵故障检测方法,其特征在于,包括以下步骤:S10:确定探头的数量以及探头所对应的采集位置,并采集压裂泵故障数据和历史压裂泵状态检测数据,所述历史压裂泵状态检测数据包括声发射信号的幅值、振铃计数、撞击数、质心频率、峰值频率、上升时间、持续时间、RMS和通道号和能量;S20:将所述压裂泵故障数据和历史压裂泵状态检测数据进行预处理与降维得到训练数据集;S30:基于深度学习神经网络构建压裂泵故障检测模型,所述压裂泵故障检测模型包括输入模块、CNN-BiLSTM-ATTENSION模块、特征融合模块和回归预测模块;S40:以训练数据集对所述压裂泵故障诊断模型进行训练;S50:将待预测数据输入压裂泵故障诊断模型中,得到产能预测结果;S60:根据得到的产能预测结果进行压裂泵的停产、检修和更换工作。。该数据由<马克数据网>整理