智能動力貓道及其方法技術

本發明專利技術公開了一種智能動力貓道及其方法，其采集到液壓系統在工作過程中的多個預定時間點的液壓油的壓力值、流量值和溫度值，在后端引入數據處理和分析算法來對液壓油的壓力值、流量值和溫度值進行智能化的時序協同關聯分析以實現對液壓系統的工作狀態判斷，從而確保液壓系統的正常運行，以提供足夠的力量來抬升送鉆柱裝置。升送鉆柱裝置。升送鉆柱裝置。

【技術實現步驟摘要】
智能動力貓道及其方法


[0001]本專利技術涉及智能動力貓道
，尤其涉及一種智能動力貓道及其方法。

技術介紹

[0002]動力貓道是主要用于鉆臺高度10.5m
?
12m鉆機所需地面管具自動輸送上下鉆井平臺的工作，適用于石油、天然氣、頁巖氣及煤層氣等鉆井作業現場地面管具的傳送作業。
[0003]在動力貓道的工作過程中，液壓系統的正常運行對于抬升送鉆柱裝置至關重要。然而，傳統的液壓系統監測方案通常是依賴于人工巡檢或數據自動監測的方式來進行。在人工巡檢方案中，需要專業技術人員來進行液壓系統的工作狀態分析判斷，這不僅需要耗費專業技術人員大量的時間和精力，還容易受到人員主觀判斷的影響，導致對于液壓系統的故障檢測精度較低，易產生漏檢誤檢。在數據自動檢測方案中，現有的方案只是基于對各個參數數據是否超過閾值進行檢測，并沒有關注到液壓系統工作過程中各個參數之間的關聯協同性，導致無法及時且有效地發現和處理液壓系統故障，造成設備損壞或生產中斷。
[0004]因此，期望一種智能動力貓道。

技術實現思路

[0005]本專利技術實施例提供一種智能動力貓道及其方法，其采集到液壓系統在工作過程中的多個預定時間點的液壓油的壓力值、流量值和溫度值，在后端引入數據處理和分析算法來對液壓油的壓力值、流量值和溫度值進行智能化的時序協同關聯分析以實現對液壓系統的工作狀態判斷，從而確保液壓系統的正常運行，以提供足夠的力量來抬升送鉆柱裝置。
[0006]本專利技術實施例還提供了一種智能動力貓道，其包括：底座；自所述底座以第一角度和第二角度向上延伸的坡道和支架；固定于所述坡道和所述支架之間的送鉆柱裝置；以及液壓系統和電氣系統。
[0007]在上述智能動力貓道中，所述液壓系統，包括：數據獲取模塊，用于獲取預定時間段內多個預定時間點的液壓油的壓力值、流量值和溫度值；協同關聯分析模塊，用于對所述多個預定時間點的液壓油的壓力值、流量值和溫度值進行數據協同關聯分析以得到液壓油多參數融合特征；以及液壓系統判斷模塊，用于基于所述液壓油多參數融合特征，確定液壓系統是否正常運行。
[0008]在上述智能動力貓道中，所述協同關聯分析模塊，包括：向量排列單元，用于將所述多個預定時間點的液壓油的壓力值、流量值和溫度值分別按照時間維度排列為液壓油壓力時序輸入向量、液壓油流量時序輸入向量和液壓油溫度時序輸入向量；壓力關聯編碼單元，用于對所述液壓油壓力時序輸入向量和所述液壓油流量時序輸入向量進行協同關聯編碼以得到液壓油流量
?
壓力關聯特征向量；溫度關聯編碼單元，用于對所述液壓油流量時序輸入向量和所述液壓油溫度時序輸入向量進行協同關聯編碼以得到液壓油流量
?
溫度關聯特征向量；以及融合單元，用于融合所述液壓油流量
?
壓力關聯特征向量和所述液壓油流量
?
溫度關聯特征向量以得到液壓油多參數融合特征向量作為所述液壓油多參數融合特
征。
[0009]在上述智能動力貓道中，所述壓力關聯編碼單元，用于：計算所述液壓油壓力時序輸入向量和所述液壓油流量時序輸入向量之間的液壓油流量
?
壓力關聯矩陣；以及將所述液壓油流量
?
壓力關聯矩陣通過基于第一卷積神經網絡模型的流量
?
壓力關聯提取器以得到所述液壓油流量
?
壓力關聯特征向量。
[0010]在上述智能動力貓道中，所述溫度關聯編碼單元，用于：計算所述液壓油流量時序輸入向量和所述液壓油溫度時序輸入向量之間的液壓油流量
?
溫度關聯矩陣；以及將所述液壓油流量
?
溫度關聯矩陣通過基于第二卷積神經網絡模型的流量
?
溫度關聯特征提取器以得到所述液壓油流量
?
溫度關聯特征向量。
[0011]在上述智能動力貓道中，所述融合單元，用于：使用注意力機制來融合所述液壓油流量
?
壓力關聯特征向量和所述液壓油流量
?
溫度關聯特征向量以得到所述液壓油多參數融合特征向量。
[0012]在上述智能動力貓道中，所述液壓系統判斷模塊，用于：將所述液壓油多參數融合特征向量通過分類器以得到分類結果，所述分類結果用于表示液壓系統是否正常運行。
[0013]在上述智能動力貓道中，還包括訓練模塊，用于對所述基于第一卷積神經網絡模型的流量
?
壓力關聯提取器、所述基于第二卷積神經網絡模型的流量
?
溫度關聯特征提取器和所述分類器進行訓練；其中，所述訓練模塊，包括：訓練數據獲取單元，用于獲取訓練數據，所述訓練數據包括預定時間段內多個預定時間點的液壓油的訓練壓力值、訓練流量值和訓練溫度值，以及，所述液壓系統是否正常運行的真實值；訓練向量排列單元，用于將所述多個預定時間點的液壓油的訓練壓力值、訓練流量值和訓練溫度值分別按照時間維度排列為訓練液壓油壓力時序輸入向量、訓練液壓油流量時序輸入向量和訓練液壓油溫度時序輸入向量；訓練壓力關聯矩陣計算單元，用于計算所述訓練液壓油壓力時序輸入向量和所述訓練液壓油流量時序輸入向量之間的訓練液壓油流量
?
壓力關聯矩陣；訓練溫度關聯矩陣計算單元，用于計算所述訓練液壓油流量時序輸入向量和所述訓練液壓油溫度時序輸入向量之間的訓練液壓油流量
?
溫度關聯矩陣；訓練第一特征提取單元，用于將所述訓練液壓油流量
?
壓力關聯矩陣通過所述基于第一卷積神經網絡模型的流量
?
壓力關聯提取器以得到訓練液壓油流量
?
壓力關聯特征向量；訓練第二特征提取單元，用于將所述訓練液壓油流量
?
溫度關聯矩陣通過所述基于第二卷積神經網絡模型的流量
?
溫度關聯特征提取器以得到訓練液壓油流量
?
溫度關聯特征向量；訓練融合單元，用于使用注意力機制來融合所述訓練液壓油流量
?
壓力關聯特征向量和所述訓練液壓油流量
?
溫度關聯特征向量以得到訓練液壓油多參數融合特征向量；訓練分類單元，用于將所述訓練液壓油多參數融合特征向量通過所述分類器以得到分類損失函數值；相似性損失函數值計算單元，用于計算所述訓練液壓油流量
?
壓力關聯特征向量和所述訓練液壓油流量
?
溫度關聯特征向量的共有流形隱式相似性因數以得到共有流形隱式相似性損失函數值；訓練單元，用于以所述分類損失函數值和所述共有流形隱式相似性損失函數值的加權和作為損失函數值，并通過梯度下降的方向傳播來對所述基于第一卷積神經網絡模型的流量
?
壓力關聯提取器、所述基于第二卷積神經網絡模型的流量
?
溫度關聯特征提取器和所述分類器進行訓練。
[0014]在上述智能動力貓道中，所述相似性損失函數值計算單元，用于：以如下損失公式計算所述訓練液壓油流量
?
壓力關聯特征向量和所述訓練液壓本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種智能動力貓道，其特征在于，包括：底座；自所述底座以第一角度和第二角度向上延伸的坡道和支架；固定于所述坡道和所述支架之間的送鉆柱裝置；以及液壓系統和電氣系統；其中，所述液壓系統，包括:數據獲取模塊，用于獲取預定時間段內多個預定時間點的液壓油的壓力值、流量值和溫度值；協同關聯分析模塊，用于對所述多個預定時間點的液壓油的壓力值、流量值和溫度值進行數據協同關聯分析以得到液壓油多參數融合特征；以及液壓系統判斷模塊，用于基于所述液壓油多參數融合特征，確定液壓系統是否正常運行。2.根據權利要求1所述的智能動力貓道，其特征在于，所述協同關聯分析模塊，包括：向量排列單元，用于將所述多個預定時間點的液壓油的壓力值、流量值和溫度值分別按照時間維度排列為液壓油壓力時序輸入向量、液壓油流量時序輸入向量和液壓油溫度時序輸入向量；壓力關聯編碼單元，用于對所述液壓油壓力時序輸入向量和所述液壓油流量時序輸入向量進行協同關聯編碼以得到液壓油流量
?
壓力關聯特征向量；溫度關聯編碼單元，用于對所述液壓油流量時序輸入向量和所述液壓油溫度時序輸入向量進行協同關聯編碼以得到液壓油流量
?
溫度關聯特征向量；以及融合單元，用于融合所述液壓油流量
?
壓力關聯特征向量和所述液壓油流量
?
溫度關聯特征向量以得到液壓油多參數融合特征向量作為所述液壓油多參數融合特征。3.根據權利要求2所述的智能動力貓道，其特征在于，所述壓力關聯編碼單元，用于：計算所述液壓油壓力時序輸入向量和所述液壓油流量時序輸入向量之間的液壓油流量
?
壓力關聯矩陣；以及將所述液壓油流量
?
壓力關聯矩陣通過基于第一卷積神經網絡模型的流量
?
壓力關聯提取器以得到所述液壓油流量
?
壓力關聯特征向量。4.根據權利要求3所述的智能動力貓道，其特征在于，所述溫度關聯編碼單元，用于：計算所述液壓油流量時序輸入向量和所述液壓油溫度時序輸入向量之間的液壓油流量
?
溫度關聯矩陣；以及將所述液壓油流量
?
溫度關聯矩陣通過基于第二卷積神經網絡模型的流量
?
溫度關聯特征提取器以得到所述液壓油流量
?
溫度關聯特征向量。5.根據權利要求4所述的智能動力貓道，其特征在于，所述融合單元，用于：使用注意力機制來融合所述液壓油流量
?
壓力關聯特征向量和所述液壓油流量
?
溫度關聯特征向量以得到所述液壓油多參數融合特征向量。6.根據權利要求5所述的智能動力貓道，其特征在于，所述液壓系統判斷模塊，用于：將所述液壓油多參數融合特征向量通過分類器以得到分類結果，所述分類結果用于表示液壓系統是否正常運行。7.根據權利要求6所述的智能動力貓道，其特征在于，還包括訓練模塊，用于對所述基于第一卷積神經網絡模型的流量
?
壓力關聯提取器、所述基于第二卷積神經網絡模型的流量
?
溫度關聯特征提取器和所述分類器進行訓練；其中，所述訓練模塊，包括：訓練數據獲取單元，用于獲取訓練數據，所述訓練數據包括預定時間段內多個預定時間點的液壓油的訓練壓力值、訓練流量值和訓練溫度值，以及，所述液壓系統是否正常運行的真實值；訓練向量排列單元，用于將...

【專利技術屬性】
技術研發人員：任兆國，王金平，蘆東輝，梁宸，任小鋒，蘆東亮，何新莊，李德江，張建，楊斐，張國強，譚慧麗，
申請(專利權)人：新疆塔林投資集團有限責任公司，
類型：發明
國別省市：