井架背车液压系统故障诊断与处理

介绍了井架背车液压系统常见故障现场快速诊断方法,列举了常见故障处理实例及故障诊断效果。     

基于API极限工况下修井机井架强度计算研究

为研究井架在复杂工况下的强度与安全问题,以现场使用的350型修井机井架为研究对象,采用数值模拟对井架进行参数化建模;按照极限作业工况下24种组合载荷对井架进行强度分析,得出操作工况、非预期工况和可预期工况下井架的最大变形和应力云图;提取计算井架构件UC值的相关数据,对井架进行强度、刚度和整体安全性校核。结果表明:井架在常规风力作用下,最大钩载作业工况为其主要受力工况,此时井架最大等效应力小于许用应力,可满足安全需求;在相关工况中,井架的最大等效应力集中出现在上下体连接处、二层台和底部大腿处,计算井架构件各工况下的UC值均小于许用最大UC值,表明井架结构综合强度足够,满足API标准使用要求。     

基于小波包分析的石油井架结构损伤识别试验研究

通过对井架相似模型损伤工况模拟,提取其在承载时的振动响应信号,利用小波包变换方法获得小波包节点能量,得到基于归一化能量特征向量的损伤评价指标。研究表明:该指标可用于井架结构损伤位置的准确识别;将小波包能量分析与振动测试技术相结合的研究方法,为石油井架的损伤识别提供了新思路。     

油田在役石油井架安全检测及评价技术

从石油井架风灾害分析人手，客观分析了油田在役钻机井架不能正常工作或倾倒的根本原因。基于相似理论和基本假设，建立了石油井架计算机有限元模型，进行了结构有限元分析，并以JJ160／41-K型井架为例进行了现场实测。结果表明，基于有限元理论建立的石油井架安全检测与评价技术，能够满足当前石油勘探开发对在役石油钻机井架安全评价的基本需要。     

基于频率和BP神经网络的井架钢结构损伤识别

为了快速、准确地诊断井架钢结构的损伤位置和程度,提出仅基于测试精度高的频率数据和BP神经网络的识别方法。首先,选择频率变化比和频率平方变化比组合参数作为损伤位置识别因子,频率变化率作为损伤程度识别因子;然后,分步构建损伤位置和损伤程度识别的BP神经网络;最后,利用前10阶频率数据和BP神经网络对现场某井架钢结构的损伤位置和程度进行识别。分析结果表明,在测试噪声为10%时,采用前6阶损伤位置识别因子,能够清楚识别损伤位置,识别结果分别是1,5,9,15,19号单元损伤;采用前10阶损伤程度识别因子,1号单元的损伤程度识别结果分别为0.106 9,0.318 2,0.505 4,0.710 2,0.915 9,识别误差均不超过10%。     

基于正则化频率变化率与神经网络的石油井架结构损伤识别

阐述结构健康监测中损伤识别的关键问题,介绍基于正则化的频率变化率的损伤定位方法,提出一套基于模态参数和神经网络的损伤识别技术。按相似理论建立了JJ160/41-K型井架实物模型,根据其基本结构和受力特点,以JJ160/41-K井架的实物模型为对象进行损伤研究。结果表明:井架模型在局部结构发生变化时整体的固有频率发生改变;将模态分析理论和神经网络方法相结合,可对已定位损伤的井架进行定量分析;通过实例运算验证了其对结构损伤诊断的有效性。