针对潜油柱塞泵无法使用传统地面示功图方法进行故障诊断的问题,提出了一种适用于该抽油机的故障诊断方法.该方法首先利用多变异位自适应遗传算法(MMAGA)对RBF神经网络进行参数寻优,然后从潜油直线电机的运行参数和油井井口的仪表参数等综合数据中,提取出反映油泵运行状态的特征参数,并将其作为故障诊断模型的输入向量,从而实现潜油柱塞泵故障工况的诊断.结果表明:MMAGA-RBF故障诊断方法能够在较少的训练样本下达到较高的综合诊断准确率,在训练样本集达到1 000组以上时,其综合误判率可低于4%,相对于普通遗传算法优化的模型,其泛化能力更强.MMAGA-RBF故障诊断方法符合潜油柱塞泵的工况特点,能够达到其综合诊断准确率的要求.

依托嵌入式计算机系统及自动控制技术,潜油柱塞泵在油田原油生产过程中得到大范围普及应用,这极大地提高了原油的开采效率。潜油柱塞泵的核心是位于井下的潜油直线电机,地面通过计算机控制井下电机的冲次、冲程等运行状态,使其与油井油藏状态相适应,从而在原油生产过程中达到高效、节能的目的。目前潜油柱塞泵的冲次控制方法是建立在动液面时间序列预测和计算的基础上的,本文介绍一种基于混沌时间序列的动液面预测计算方法,并与线性预测方法进行对比分析,最终得到能够满足潜油柱塞泵冲次优化控制的动液面预测方法。本文的研究内容为潜油柱塞泵的计算机控制提供了理论和应用依据。