基于红外热成像与CNN的压裂装备故障精准识别及预警

作者：刘慧舟,胡瑾秋,张来斌,张彪

摘要：页岩气大规模压裂作业过程中,以压裂泵为代表的压裂装备的安全性、可靠性直接关系到整体压裂作业的顺利进行。考虑到复杂工况及作业环境对振动分析的影响,且设备内部不便安装振动传感器,可引入红外热成像技术进行运行状态的监测。由于页岩气压裂设备外部壳体较厚,加之内部液体的降温作用,使得泵头体等常见故障区域温度表征不明显。针对此问题,引入卷积神经网络实现压裂装备故障精准识别和早期预警的智能化、无人化。通过模拟现场压裂工况,开展室内试验。结果表明,提出的压裂装备故障识别方法能够达到94.8%准确率,同时将预警时间提前了10 s,对于降低事故后果严重度有借鉴作用。

发文机构：中国石油大学（北京）安全与海洋工程学院

关键词：红外热成像卷积神经网络压裂泵状态监测故障识别infrared thermal imagingconvolutional neural networkfracturing pumpcondition monitoringfault identification

分类号：