基于ISVD-GMM的绞车故障预警方法探索  

作　　者：骆学理 金艺 张易[1,2] 贾登 陈冰邓 吴昌亮 

机构地区：[1]中国石油集团工程技术研究院有限公司 [2]北京康布尔石油技术发展有限公司,北京102206

出　　处：《中国设备工程》2024年第6期19-23,共5页China Plant Engineering

基　　金：中国石油天然气集团有限公司科学研究与技术开发项目(2021DJ4304)。

摘　　要：针对绞车受基座晃动、横向风载及起放钻具外部冲击等影响,故障信号噪声成分复杂,难以实现准确故障预警的问题。提出了基于迭代奇异值分解(Iterative Singular Value Decomposition,ISVD)和高斯混合模型(Gauss mixture model,GMM)的绞车故障预警方法。采用ISVD分解原始信号并提取故障信号的有效成分;通过小波包变换(Wavelet Packet Transform,WPT)重构信号增强微弱故障信号成分;利用GMM方法建立统计分布,结合KL距离进行故障预警。最后通过实验验证了基于ISVD-GMM的绞车故障预警方法的有效性。

关 键 词：绞车 故障预警 迭代奇异值分解 高斯混合模型 

分 类 号：TE92[石油与天然气工程—石油机械设备]