基于紅外熱成像與CNN的壓裂裝備故障精準識別及預警

作者：劉慧舟,胡瑾秋,張來斌,張彪

摘要：頁巖氣大規模壓裂作業過程中,以壓裂泵為代表的壓裂裝備的安全性、可靠性直接關系到整體壓裂作業的順利進行。考慮到復雜工況及作業環境對振動分析的影響,且設備內部不便安裝振動傳感器,可引入紅外熱成像技術進行運行狀態的監測。由于頁巖氣壓裂設備外部殼體較厚,加之內部液體的降溫作用,使得泵頭體等常見故障區域溫度表征不明顯。針對此問題,引入卷積神經網絡實現壓裂裝備故障精準識別和早期預警的智能化、無人化。通過模擬現場壓裂工況,開展室內試驗。結果表明,提出的壓裂裝備故障識別方法能夠達到94.8%準確率,同時將預警時間提前了10 s,對于降低事故后果嚴重度有借鑒作用。

發文機構：中國石油大學（北京）安全與海洋工程學院

關鍵詞：紅外熱成像卷積神經網絡壓裂泵狀態監測故障識別infrared thermal imagingconvolutional neural networkfracturing pumpcondition monitoringfault identification

分類號：