钻机故障诊断毕业设计论文文章教学教案.doc

目录1绪论 22钻机常见故障机理分析 113钻机常见故障诊断数据库的建立 194钻机常见故障诊断专家系统的设计 275钻机常见故障专家系统软件设计 376结论与展望 40参考文献 41致谢 42附录1软件使用说明书 43附录2程序源代码 ,是一个国家工业发展的基本保证。而石油钻机则是石油工业重要的机械设备。对提高生产质量、竞争力、生产效率和可靠性有重要的意义。然而,石油钻机的工作条件十分恶劣,对于地面设备,既有工作于沙漠、高寒、高原地带的,又有处于沼泽、海洋、浅滩环境的,由于风沙、低温、缺氧、海水腐蚀等因素,给石油钻机的运输、安装、使用、搬迁、维修等带来许多的困难,对其可靠性的要求也就很高。另一方面石油钻机井下长期工作于油、气钻井液环境中,高压高温、污染、腐蚀等复杂的工作条件产品的可靠性也提出了更高的要求,当钻井事故发生前或发生时,若不能及时的加以预防和处理,就可能引起恶性事故的发生或扩大;事故后,若不能及时的诊断排除,就会贻误生产,带来巨大的经济损失,极大地影响生产效率和工程质量,严重时可导致整个钻孔报废。因此,开展钻机的故障诊断,对隐含的故障进行正确的早期诊断,并提出解决措施,对于减少和防止故障的发生,提高经济效益,起到极大地促进作用。,初期钻井施工单位处于凭经验打钻,对于常出现的钻机故障的诊断和处理只能凭借认为的经验来决定,即只能凭听(机器的声音)、看(压力表)、摸(机器的振动)等感觉来获取钻机运转过程的状态信息,而人的感觉难免粗糙失准,且易受环境和情绪等的影响。即使操作者精神高度集中,随时对耳、眼、手感觉到得信息进行综合,与头脑中经验进行分析对比并快速作出判断和采取手动控制措施,也跟不上孔内状态变化速度。几年来,随着石油工业的发展和高新技术的出现,人工智能技术和专家系统逐渐引入到钻机诊断中,通过研究钻机系统故障智能诊断的理论和方法,建立了钻机故障图形化模糊神经网络专家知识库,提出了有专家规则、模糊逻辑、神经网络有机结合构成的智能推理机,使钻机故障诊断系统使用于多变量、多参数、多过程的复杂系统。例如,我国河南石油勘探局研发的基于振动测试及频谱分析基础、综合应用共振解调、模糊判别、小波分析、人工神经网络等技术的钻井泵状态检测和故障诊断系统[1],此系统在对多台钻井泵的现场实测中,故障诊断准确率达到90%以上,取得了较好的效果。,其运行状态会通过各种物理参数反映出来,并且随时间的变化呈现出一定的规律。当钻机正常运转时,这些物理参数都有特定的浮动范围,一旦钻机某个部位发生故障,会伴随有某些参数的变化。所以当系统发生故障时其特征参数必随之又相应的变化,因此振动信号的分析是对钻机进行故障诊断的一种重要方法。个物理参量可通过各种相应的传感器、测量仪器及数据采集装置转化为随时间变化的数字信息,这些信号中包含了设备运行状态的有关各种信息。有效的利用、分析和处理这些信息,建立起他们与钻机运行状态之间的相互联系,是进行钻机故障识别与诊断的基础。本文将从这些物理参数着手,对这些参数进行分析处理,进而提取反映钻机工作状况的关键特征数据信息,将采样到的数据信息与专家知识库着那个建立的系统模型输入节点进行比较,再按照推理引擎需要的特定数据格式将输入数据信息通过指定通讯协议传替给推理机,根据特定的推理机制,就可得到钻机发生的故障,同时搜索故障知识库,寻找发生故障的原因、部位,并给出合理的处理方法。,通过计算机编程开发出界面友好