基于CEEMDAN 的压裂装备潜在性故障诊断模型

苗俊田， 李卓军， 刘冬冬， 鹿德台， 赵 博

（中国石油大学（华东）， 山东 青岛 266400）

0 引 言

压裂装备[1]作业流程需要严格控制力学载荷的数值水平，其运行环境必须保持高压力、高转速、高排量的状态，特别是在作用行为不断发生变化的情况下，如果不能精准控制力学负载效果，使压裂装备载荷水平持续增大，则会导致潜在性故障问题。

针对压裂装备的潜在性故障问题，采用模糊贝叶斯网络的诊断方法[2]在融合模糊函数的基础上，测算多维特征指标与不同故障行为之间的关联性，再按照危害性条件对故障进行分级，其诊断指令的生成需借助计算机生成综合评分标准。因此，设备元件的运行能力直接影响诊断结果的准确性。基于GA-BP 神经网络的诊断方法[3]通过主分量启发式计算的方式，确定潜在性故障行为与故障指征之间的属性关系；再根据初始权重取值，确定压裂装备在潜在故障情况下的运行能力，从而实现故障行为的初步诊断。由于无法确定额定载荷作用与故障力学载荷结果之间的数值关系，所以上述方法所得诊断结果始终不满足精确诊断的应用需求。

CEEMDAN 分解方法[4]的作用效果不会随着模态分量值的改变而出现非精准求解的问题，因此即便是在必要分解信息保持非相关状态的情况下，只要保证模态分量取值结果的规律性，就能够得到相对理想的分解结果。针对压裂装备潜在性故障诊断准确性不高的问题，构建一种基于CEEMDAN 的新型压裂装备潜在性故障诊断模型，并通过对比实验的方式，验证该模型的实用性价值。

1 基于CEEMDAN 的潜在性故障序列分解

潜在性故障是指未表现出来但却会对压裂装备运行能力造成影响的故障，若不能实现对潜在性故障的精准诊断，则会影响压裂装备的实际运行能力。对于压裂装备潜在性故障序列的分解，应按照CEEMDAN 分解原则确定排列熵指标的实际取值，再根据求解所得结果定义潜在性故障的序列分解条件，从而实现对压裂装备潜在性故障序列的分解。

使用CEEMDAN 原则分解压裂装备潜在性故障序列，应将故障数据流划分为高、中、低频分量。在分解故障序列的过程中，精准区分三类不同的数据样本对象，可使诊断主机更好地确定潜在性故障行为的表现能力，从而确定排列熵指标的实际取值范围[5-7]。故障数据的CEEMDAN 分解原则如图1 所示。

图1 压裂装备故障数据的CEEMDAN 分解原则

排列熵反映了高、中、低频分量在序列集合中的概率分布水平。相较于其他类型的熵值参数，排列熵计算结果的稳健性更强，且计算流程较为简单，适用于多种不同的力学负载条件。排列熵指标的计算流程如下：

1） 计算低频分量概率分布参数，公式为：

式中：Imin表示极小值定义项；α表示压裂装备潜在性故障数据的时间混乱度描述参数；β表示熵指标分布系数；pα表示低频分量取样参数。

2） 计算中频分量概率分布参数，公式如下：

3） 计算高频分量概率分布参数，公式如下：

式中：Imax表示极大值定义项；p3表示高频分量取样参数。

4） 进行压裂装备潜在性故障序列排列熵求解，公式如下：

式中：δ表示故障数据评级参数；χ表示故障数据序列定义参数；y1、y2、y3分别表示与低、中、高频分布参数相关的排列熵。

对步骤4）获取的压裂装备潜在性故障序列排列熵进行序列分解，公式为：

式中：φ表示基于CEEMDAN 原则的数据序列分解参量；e、r表示两个不为0 的排列熵取值参数，且e≠r的不等式取值条件恒成立；We表示基于参数e的压裂装备[8]潜在性故障数据序列基准值；Wr表示基于参数r的压裂装备潜在性故障数据序列基准值。

2 压裂装备潜在性故障诊断模型构建

完成序列分解的压裂装备潜在性故障数据保持分段式分布状态，低频、中频、高频分量分别对应不会造成、间接造成、直接造成故障问题的数据样本。在诊断故障过程中，这种相互独立的数据分类形式有助于主机元件对不同类型的故障问题进行精准辨别。在此基础上，构建压裂装备潜在性故障诊断模型，即利用序列分解表达式，分别对低频、中频、高频分量所对应的故障数据参量进行诊断，从而在确定潜在性故障等级条件鲁棒局部均值的同时，完成对瞬态故障[9-10]特征的提取。利用CEEMDAN 分解原则定义诊断模型，首先应确定故障数据的鲁棒局部均值。鲁棒局部均值的求解公式为：

式中：γ表示均分值；E1、E2、E3分别表示低频、中频、高频分量所对应的故障行为鲁棒性取样参数。由于低频、中频、高频分量与潜在性故障行为数据之间的鲁棒性对应程度依次减弱，所以E1、E2、E3的取值大小关系为E1＜E2＜E3。

设定t1表示低频分量瞬态提取周期，t2表示中频分量瞬态提取周期，t3表示高频分量瞬态提取周期，d表示压裂装备[11]潜在性故障数据的瞬态行为参量，a˙表示故障数据瞬态行为指征，联立公式（6），可将瞬态特征计算式表示为：

在式（7）的基础上，构建压裂装备潜在性故障诊断模型表达式：

3 实验分析

3.1 实验准备与步骤

选择SYN5410TYL1860B 2500 型压裂装备作为实验对象，将其串联在如图2 所示的潜在性故障诊断回路中，在施压过程中，当故障指示灯亮起，表示当前压力示数达到压裂装备额定载荷作用条件。

为了保证实验的有效性，忽略摩擦作用等其他外界条件对实验结果的影响。通过对比故障指示灯亮起时的实时力学载荷效果、压裂装备额定载荷作用条件，分析所应用的诊断模型对于潜在性故障的诊断能力，差值越小表示所应用方法的诊断准确性越高。设目标压裂装备发生潜在性故障时的额定载荷作用条件为5.7×109N，具体实验步骤如下：

1） 完善图2 所示的诊断回路，将压裂装备串联入回路中；

2） 调试mark-10 型测力计，并将其探针深入压裂设备部件内部；

3） 不断增大人工施压强度，并利用测力计测量各个阶段力学载荷的具体数值，并将所得实验结果与额定载荷作用条件进行对比；

4） 根据实时载荷与额定载荷之间的差值，分析所应用诊断方法的应用能力。

3.2 数据与结果分析

以基于CEEMDAN 的压裂装备潜在性故障诊断模型作为实验组方法，基于模糊贝叶斯网络的诊断方法作为对照（一）组方法，基于GA-BP 神经网络的诊断方法作为对照（二）组方法进行实验，具体实验结果如图3 所示。

图3 力学载荷实验对比结果

分析图3 可知，压裂装备潜在性故障行为发生在15～35 min 期间。在该时间阶段内，实验组力学载荷的最大测量值为5.7×109N，与额定载荷作用条件相等；对照（一）组和对照（二）组力学载荷的最大测量值分别为7.8×109N 和3.0×109N，与额定载荷作用条件的差值分别 为2.1×109N 和2.7×109N。综 上 可 知，应 用 基 于CEEMDAN 的压裂装备潜在性故障诊断模型，所得力学载荷测量结果与发生潜在性故障时的额定载荷作用条件完全相等，能够实现对压裂装备潜在性故障行为的准确诊断。

4 结 语

基于CEEMDAN 分解原则所设计的压裂装备潜在性故障诊断模型通过定义序列分解表达式的方式，求解鲁棒局部均值与瞬态特征参量。实验结果表明，所构建诊断模型可以保障诊断结果与发生潜在性故障时的压裂装备额定载荷作用条件完全相同，实现了对压裂装备潜在性故障行为的准确诊断，符合实际应用需求。