1) “峰值-峰位”特征初步描述钻井泵振动信号的“峰值-峰位”数据是非常有用的,数据本身蕴涵了丰富的钻井泵工况信息。为了便于比较,笔者首先将表6-1的峰值数据进行规整处理,规整的方法是将主峰峰值取1,其他峰点的峰值相对主...[继续阅读]

    从图6-3可以看出,无论是峰值曲线还是峰位曲线,各类信号都有自身的分布特点,为此,笔者采用曲线自相关系数来对“峰值-峰位”曲线进行分类处理,最终将这些曲线分成45类,峰位曲线分成237类。图6-4是典型“峰值-峰位”分类曲线汇总...[继续阅读]

    钻井泵振动分段信号“峰值-峰位”信息的提取是一件很有意义的事情。限于篇幅,笔者在此只介绍峰值信息的提取。1) 峰值散点分布统计如果将图6-3的峰值曲线数据散点在平面位置上出现的数量进行统计,由于不同类型的曲线的分布...[继续阅读]

    虽然可以对不同类型钻井泵振动信号峰值分布做出合理的解释,但采用图6-8的统计结果进行信号的分类识别处理,处理的成功率并不高。如果光凭借“峰值-峰位”分布的统计结果进行各类信号的识别预测,研究表明,这种预测有效,但识...[继续阅读]

    采用上述HMM模型进行钻井泵分段信号识别的流程如下: (1) 提取钻井泵分段信号的峰值和峰位数据,并对峰值和峰位数据按照HMM随机事件定义的要求进行规整化处理,由此形成HMM事件链路[x1, x2, x3, …, xM]。(2) 设置每一类型分段信号的测...[继续阅读]

    通过以上的研究可以看出,无论是利用频谱、时域参数统计、信号的“峰值-峰位”几何特征信息,还是HMM模型,都不能很好地实现钻井泵分段信号的有效识别处理,但每一种方法都能够非常快速、准确地识别部分特征信号。例如,用频谱...[继续阅读]

    信号识别是一个非常富有挑战性的课题,也是一个战略性的研究课题,国内外都投入了大量的人力、物力和财力开展信号识别的研究。在前面的介绍中可以看出,无论是频谱分析、时域参数统计、 HMM模型,还是模式滤波分析,用这些方法...[继续阅读]

    通过前面几章的分析,笔者建立的机械设备振动信号识别流程参见图7-1。在信号识别过程中,图7-1将机械设备振动信号分成三类: 周期谐振振动信号、单一冲击振动信号和拟周期振动信号。对于周期信号,提取信号的波形特征、信号的周...[继续阅读]

    在进行钻井泵基元振动信号识别时,依照图7-1的故障诊断处理流程,结合图7-2的信号识别细化处理方式展开,具体处理步骤如下: 图7-1 机械设备振动信号识别流程图7-2 钻井泵工况检测与故障识别流程(1) 读入识别段的基元振动信号与按泵...[继续阅读]

    1) 钻井泵分段信号音频测试汇总开展钻井泵振动信号模式滤波精细化识别分析的目的,就是要对分段信号内部的各种弱信号成分进行更加精细的识别与量化处理,以便确定各种故障的量化关系及变化过程。在4.1节中已经介绍了钻井泵分...[继续阅读]