基于局部線性嵌入的潛油柱塞泵故障診斷方法研究.pdf

1、潛油柱塞泵舉升系統(tǒng)是油田一種新型的節(jié)能采油設(shè)備，它的動力源為直線電機，這種新型結(jié)構(gòu)避免了傳統(tǒng)旋轉(zhuǎn)電機系統(tǒng)中換能裝置產(chǎn)生的能量損耗，提高了抽油效率。但潛油柱塞泵整套裝置完全工作于井下，現(xiàn)有的故障診斷方法難以對其工作狀態(tài)進行有效地監(jiān)測，不利于設(shè)備的維護與保養(yǎng)，降低了設(shè)備的使用效率，增加了企業(yè)的運營成本。研究潛油柱塞泵舉升系統(tǒng)故障診斷方法，實時監(jiān)測設(shè)備的運行狀態(tài)，并在設(shè)備出現(xiàn)故障時給出有效的參考信息，及時采取相對應(yīng)的補救措施，是延長設(shè)備使用壽

2、命，減輕企業(yè)運營負擔(dān)的重要手段。
　　故障診斷屬于模式識別范疇，主要研究信號的預(yù)處理、特征提取以及故障識別三個方面，其中特征提取是故障診斷技術(shù)的核心環(huán)節(jié)，它直接影響著后續(xù)故障識別算法的復(fù)雜度與精度。如何挖掘出隱藏在高維數(shù)據(jù)空間中的低維特征，以降低后續(xù)故障診斷的難度，仍是故障診斷領(lǐng)域一個熱門的課題。本文以局部線性嵌入算法（LLE)為基礎(chǔ)，針對LLE算法在維數(shù)約簡中存在的問題進行深入研究，并給出相應(yīng)的解決方案，主要工作如下：
　

3、　針對所采信號的非平穩(wěn)性和信噪比低可能會降低LLE算法的降維效果，影響最終識別精度的問題，研究了基于小波變換、奇異值分解（SVD)和LLE(WSLLE)多算法融合的故障診斷方法。為提取信號的顯著特征，該方法利用小波變換技術(shù)將信號投影到頻域空間中；采用SVD分解方法對信號在不同頻段的特征進行綜合考慮，以建立一個新的特征空間；運用LLE算法，在新特征空間中進行維數(shù)約簡，并將所得結(jié)果輸入到SVM識別算法中進行故障識別;采用潛油柱塞泵和軸承故障

4、數(shù)據(jù)集對所提故障診斷方法的可行性和識別精度進行了驗證。
　　針對多算法融合故障診斷方法復(fù)雜度較高的問題，深入分析了LLE算法中局部結(jié)構(gòu)對嵌入結(jié)果的影響，充分考慮原始高維重構(gòu)目標(biāo)函數(shù)的特點，結(jié)合稀疏正則理論，在高維空間中構(gòu)建一種新的目標(biāo)函數(shù)，并探究對目標(biāo)函數(shù)快速求解的新方法，在此基礎(chǔ)上，提出了迭代收縮LLE(ISLLE)算法以及基于ISLLE算法的故障診斷方法。采用人工數(shù)據(jù)集與實際數(shù)據(jù)集對ISLLE算法的自適應(yīng)性、魯棒性進行了驗證。

5、
　　針對ISLLE算法屬于無監(jiān)督模式，無法充分利用數(shù)據(jù)中的類別信息指導(dǎo)算法進行維數(shù)約簡的缺點和局限性，結(jié)合第三章所提的ISLLE算法和半監(jiān)督學(xué)習(xí)技術(shù)，研究設(shè)計一種能夠更加充分利用數(shù)據(jù)先驗知識的半監(jiān)督ISLLE(SS-ISLLE)算法，致力于提高嵌入結(jié)果的可分性能。將所研方法與SVM識別器相結(jié)合，提出一種基于SS-ISLLE算法的故障診斷方法。將SS-ISLLE算法運用于原始的高維數(shù)據(jù)空間中，學(xué)習(xí)出數(shù)據(jù)集的低維嵌入坐標(biāo)，并將SVM

6、識別器應(yīng)用于低維特征空間中，完成對故障類型的識別，采用Iris數(shù)據(jù)集、軸承數(shù)據(jù)集以及潛油柱塞泵數(shù)據(jù)集驗證了所提方法的實用性與通用性。
　　針對SS-ISLLE算法屬于批處理模式，處理新樣本效率較低的問題，深入研究SS-ISLLE算法的每一個步驟，分析其處理新樣本復(fù)雜度高的本質(zhì)原因,提出了一種增量式SS-ISLLE算法—ISS-ISLLE算法，實現(xiàn)對新樣本快速、精準(zhǔn)地處理?？紤]到數(shù)據(jù)的局部具有線性結(jié)構(gòu)，新樣本及部分結(jié)構(gòu)發(fā)生變化的舊數(shù)

7、據(jù)的嵌入結(jié)果可通過其近鄰域數(shù)據(jù)的線性組合來近似表示，在此基礎(chǔ)上利用梯度迭代算法對整個數(shù)據(jù)集進行更新。采用標(biāo)準(zhǔn)的人工數(shù)據(jù)對算法的可行性、精度以及計算速度進行了驗證，并將其與SVM識別器相結(jié)合應(yīng)用于對潛油柱塞泵的故障診斷中。
　　針對上述所提各種故障診斷方法的識別精度對嵌入維數(shù)敏感的問題，在深入研究分數(shù)維數(shù)估計方法的基礎(chǔ)上，重點分析了關(guān)聯(lián)維數(shù)估計方法，考慮了數(shù)據(jù)的概率分布對維數(shù)估計的影響，提出了一種加權(quán)關(guān)聯(lián)維數(shù)（WCD)估計算法。WC