一种石油压裂泵阀箱的升温控制系统和控制方法

技术领域

本发明涉及石油压裂泵阀箱技术领域，具体而言，涉及一种石油压裂泵阀箱的升温控制系统和控制方法。

背景技术

目前，在石油开采领域，压裂技术能够有效的提高石油的开采量，而压裂泵是压裂开采过程中的关键设备，其性能、质量和可靠性直接影响压裂实施过程的质量和进度。压裂泵的使用工况极其恶劣，要求压裂泵有更高的泵压和更大的排量，能够承受高压、循环载荷作用，且能够输送高压带磨砺、腐蚀的介质，进而能够在恶劣的工况下可靠运行，并保持较长的使用寿命。

石油压裂泵的阀箱作为其主要的压力工作部件，其强度需要经过热处理方能达到技术要求。石油压裂泵的阀箱的热处理通常包括正火、淬火、一次回火和二次回火这几道热处理工序。因此，压裂泵阀箱热处理方法的优劣对压裂泵阀箱的耐蚀、耐热性、力学性能等有很大影响，而且对压裂泵阀箱的加工性能起着决定性的作用，进而影响着压裂泵的使用条件和使用寿命。

热处理通常在火炉中进行，但是在进行热处理的过程中炉内温度通常设定的就是工件热处理的温度，在实际热处理的过程中，其升温速率的快慢直接决定了能否通过均匀保温阶段调控防止锻件温度超调。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种石油压裂泵阀箱的升温控制系统和控制方法，能够提高产品质量。

根据本发明的第一方面实施例的石油压裂泵阀箱的升温控制系统，包括第一检测模块和第二检测模块以及数据处理模块：

第一检测模块用于采集阀箱数据信息，所述阀箱数据信息包括阀箱体积值、阀箱热导率、第一阀箱横截面积值、第二阀箱横截面积值、第三阀箱横截面积值；

第二检测模块用于采集火炉数据信息，所述火炉数据信息包括火炉体积值、第一火炉横截面积值、第二火炉横截面积值、第三火炉横截面积值、火炉顶端面温度、火炉底端面温度、火炉前端面温度、火炉后端面温度、火炉左端面温度和火炉右端面温度；

数据处理模块包括接口模块、初处理模块和数据融合处理模块，所述接口模块与所述第一检测模块和所述第二检测模块电连接，所述初处理模块与所述数据融合模块和所述接口模块相连接，所述初处理模块用于根据贝叶斯网络算法和改进后的马尔科夫毯算法进行特征选择；所述数据融合处理模块用于根据火炉温度特征变化进行K-均值聚类并融合升温过程中的功率值的加热模式等级选取。

根据本发明实施例的石油压裂泵阀箱的升温控制系统，至少具有如下有益效果：通过第一检测模块采集阀箱数据信息和第二检测模块采集火炉数据信息，根据阀箱数据信息以及火炉数据信息，将阀箱和火炉两方面的因素融合起来对加热模式进行分级选取，不仅能够大大的降低温度超调出现的可能性，还可以实现升温过程温度场最优控制方法。

根据本发明第二方面实施例的根据本发明上述第一方面实施例的基于石油压裂泵阀箱的升温控制系统的控制方法，包括以下步骤：

步骤一：实时采集阀箱数据信息和火炉数据信息；

步骤二：对采集到的数据信息进行特征提取和加热模式等级选取，并综合评价出此时加热模式等级；

步骤三：根据加热模式等级的结果，发送相应的信号给控制器。

根据本发明实施例的基于石油压裂泵阀箱的升温控制系统的控制方法，至少具有如下有益效果：通过第一检测模块采集阀箱数据信息和第二检测模块采集火炉数据信息，根据阀箱数据信息以及火炉数据信息，将阀箱和火炉两方面的因素融合起来对加热模式进行分级选取，不仅能够大大的降低温度超调出现的可能性，还可以实现升温过程温度场最优控制方法。

根据本发明的一些实施例，其中步骤二具体为：

a.获取所述第一检测模块和所述第二检测模块所采集到的数据信息后，所述初处理模块通过改进后的马尔科夫毯特征提取算法将无关特征进行消除，提取合理的加热关联性特征以便于加热模式等级识别；

b.所述初处理模块通过构建贝叶斯网络算法，再将步骤a中所提取的加热关联性特征进行模型分析，最终通过与所述数据融合处理模块中的基于火炉温度特征变化进行K-均值聚类并融合升温过程中的功率值的加热模式等级分类算法相结合，综合评价出此时火炉的加热模式等级。

根据本发明的一些实施例，所述改进后的马尔科夫毯的特征提取算法具体为：

基于贪婪策略的增长，如果发现一个变量X和目标变量T关于第一马尔科夫毯集合中所有的元素条件独立，则认为变量X是第一马尔科夫毯集合的新元素并将其添加到第一马尔科夫毯集合中；增长结束后，得到第二马尔科夫毯集合，再对所述第二马尔科夫毯集合中所有元素根据元素与所述目标变量T依赖度的高低程度进行排序；裁剪假正元素，对所述第二马尔科夫毯集合的每个元素进行检查，以找出所有假正元素，并将其删除，最后得到第三马尔科夫毯集合即为需要寻找的特征变量的集合；其中所述第二马尔科夫毯集合中的元素X和目标变量T关于所述第二马尔科夫毯集合中除去所述元素X之外所有的元素条件独立，则所述元素X是假正元素。

根据本发明的一些实施例，所述第一马尔科夫毯集合的初始状态为空集。

根据本发明的一些实施例，所述贝叶斯网络算法包括三个步骤：针对所述第三马尔科夫毯集合确定变量集和变量域、确定网络结构和确定局部概率分布，其中所述第三马尔科夫毯集合是完整的，并且所述贝叶斯网络的根节点C与隐藏的父节点

根据本发明的一些实施例，确定网络结构的具体过程包括属性离散化、建立无向图、优化无向图、建立有向图和专家评价以选择最合适结构。

根据本发明的一些实施例，所述确定局部概率分布的具体步骤包括：

步骤一：基于传统的贝叶斯概率公式，可以得到父节点a和子节点b的条件概率分布，如式（1）所示：

步骤二：根据父节点a具有n个状态参数，子节点b具有m个变量，推导出

步骤三：由于变量a和变量b彼此独立，因此可以通过式（3）得出变量a的边缘概率，即局部概率分布：

根据本发明的一些实施例，所述加热模式等级分为４级，0级表示升温速度为零，处于保温状态；1级表示升温速度为低速，处于小火加热状态；2级表示升温速度为中速，处于中火加热状态；3级表示升温速度为最快速，处于全功率加热状态；其具体的分级过程如式（4）所示：

式中：D为加热模式等级；S为火炉温度特征变化率，通过聚类分析可以将其分为

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为石油压裂泵阀箱的升温控制系统的结构示意图；

图2为石油压裂泵阀箱的升温控制系统的控制方法的示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

根据本发明的第一方面实施例的石油压裂泵阀箱的升温控制系统，参见图1，包括第一检测模块10和第二检测模块20以及数据处理模块30。

第一检测模块10用于采集阀箱数据信息，阀箱数据信息包括阀箱体积值、阀箱热导率、第一阀箱横截面积值、第二阀箱横截面积值、第三阀箱横截面积值。具体的，阀箱一般为有规则的形状，例如长方体，第一阀箱横截面积值、第二阀箱横截面积值和第三阀箱横截面积值是指沿着阀箱的长度方向选取三个不同位置，并计算出其阀箱横截面积值。

第二检测模块20用于采集火炉数据信息，火炉数据信息包括火炉体积值、第一火炉横截面积值、第二火炉横截面积值、第三火炉横截面积值、火炉顶端面温度、火炉底端面温度、火炉前端面温度、火炉后端面温度、火炉左端面温度和火炉右端面温度。具体的，火炉一般为有规则的形状，例如长方体，第一火炉横截面积值、第二火炉横截面积值和第三火炉横截面积值是指沿着火炉的高度方向选取三个不同位置，并计算出其火炉横截面积值。

数据处理模块30包括接口模块、初处理模块和数据融合处理模块，接口模块与第一检测模块10和第二检测模块20电连接，初处理模块与数据融合模块和接口模块相连接，数据处理模块30用于对采集到的数据信息进行特征选择和加热模式等级选取；初处理模块用于根据贝叶斯网络算法和改进后的马尔科夫毯算法进行特征选择；数据融合处理模块用于根据火炉温度特征变化进行K-均值聚类并融合升温过程中的功率值的加热模式等级选取。

根据本发明实施例的石油压裂泵阀箱的升温控制系统，通过第一检测模块10采集阀箱数据信息和第二检测模块20采集火炉数据信息，根据阀箱数据信息以及火炉数据信息，然后通过初处理模块中的改进后的马尔科夫毯的特征提取算法（IAMB）对所采集到的特征信息进行选择，再使贝叶斯网络（BNs）算法对所选取的特征信息进行辨识，再通过基于火炉温度特征变化进行K-均值聚类并融合升温过程中的超调行为的加热模式等级分类算法，综合评价出此时加热模式等级，最后根据所辨识到的加热模式等级，发送相应的信号，从而对阀箱进行相应的加热模式。将阀箱和火炉两方面的因素融合起来对加热模式进行分级选取，不仅能够大大的降低温度超调出现的可能性，还可以实现升温过程温度场最优控制方法。

根据本发明第二方面实施例的根据本发明上述第一方面实施例的基于石油压裂泵阀箱的升温控制系统的控制方法，参见图2，包括以下步骤：

步骤一S100：实时采集阀箱数据信息和火炉数据信息；阀箱数据信息包括阀箱体积值、阀箱热导率、第一阀箱横截面积值、第二阀箱横截面积值、第三阀箱横截面积值。火炉数据信息包括火炉体积值、第一火炉横截面积值、第二火炉横截面积值、第三火炉横截面积值、火炉顶端面温度、火炉底端面温度、火炉前端面温度、火炉后端面温度、火炉左端面温度和火炉右端面温度。

具体的，阀箱一般为有规则的形状，例如长方体，第一阀箱横截面积值、第二阀箱横截面积值和第三阀箱横截面积值是指沿着阀箱的长度方向选取三个不同位置，并计算出其阀箱横截面积值。

具体的，火炉一般为有规则的形状，例如长方体，第一火炉横截面积值、第二火炉横截面积值和第三火炉横截面积值是指沿着火炉的高度方向选取三个不同位置，并计算出其火炉横截面积值。

步骤二S200：对采集到的数据信息进行特征提取和加热模式等级选取，并综合评价出此时加热模式等级；

步骤三S300：根据加热模式等级的结果，发送相应的信号给控制器。

根据本发明实施例的基于石油压裂泵阀箱的升温控制系统的控制方法，至少具有如下有益效果：通过第一检测模块10采集阀箱数据信息和第二检测模块20采集火炉数据信息，根据阀箱数据信息以及火炉数据信息，将阀箱和火炉两方面的因素融合起来对加热模式进行分级选取，不仅能够大大的降低温度超调出现的可能性，还可以实现升温过程温度场最优控制方法。

根据本发明的一些实施例，其中步骤二S200具体为：

a.获取第一检测模块10和第二检测模块20所采集到的数据信息后，初处理模块通过改进后的马尔科夫毯特征提取算法将无关特征进行消除，提取合理的加热关联性特征以便于加热模式等级识别；

b.初处理模块通过构建贝叶斯网络算法，再将步骤a中所提取的加热关联性特征进行模型分析，最终通过与数据融合处理模块中的基于火炉温度特征变化进行K-均值聚类并融合升温过程中的功率值的加热模式等级分类算法相结合，综合评价出此时火炉的加热模式等级。

根据本发明的一些实施例，改进后的马尔科夫毯的特征提取算法具体为：

基于贪婪策略的增长，如果发现一个变量X和目标变量T关于第一马尔科夫毯集合中所有的元素条件独立，则认为变量X是第一马尔科夫毯集合的新元素并将其添加到第一马尔科夫毯集合中；增长结束后，得到第二马尔科夫毯集合，再对第二马尔科夫毯集合中所有元素根据元素与目标变量T依赖度的高低程度进行排序；

裁剪假正元素，对第二马尔科夫毯集合的每个元素进行检查，以找出所有假正元素，并将其删除，最后得到第三马尔科夫毯集合即为需要寻找的特征变量的集合；其中第二马尔科夫毯集合中的元素X和目标变量T关于第二马尔科夫毯集合中除去元素X之外所有的元素条件独立，则元素X是假正元素。

改进后的马尔科夫毯的特征提取算法可以有效地对无关和冗余的特征进行消除，将获得的多维数据进行离散化，将温度超调作为目标节点变量，在利用改进后的马尔科夫毯的特征提取算法（IAMB）选取对加热过程中超调具有显著性影响的特征。

根据本发明的一些实施例，第一马尔科夫毯集合的初始状态为空集。实际应用时，第一马尔科夫毯集合的初始状态的具体形式可根据实际使用需要而相应设定，在此不作限制。

根据本发明的一些实施例，贝叶斯网络算法包括三个步骤：针对第三马尔科夫毯集合确定变量集和变量域、确定网络结构和确定局部概率分布，其中第三马尔科夫毯集合是完整的，并且贝叶斯网络的根节点C与隐藏的父节点

根据本发明的一些实施例，确定网络结构的具体过程包括属性离散化、建立无向图、优化无向图、建立有向图和专家评价以选择最合适结构。

根据本发明的一些实施例，确定局部概率分布的具体步骤包括：

步骤一：基于传统的贝叶斯概率公式，可以得到父节点a和

步骤二：根据父节点a具有n个状态参数，子节点b具有m个变量，推导出

步骤三：由于变量a和变量b彼此独立，因此可以通过式（3）得出变量a的边缘概率，即局部概率分布：

根据本发明的一些实施例，加热模式等级分为４级，0级表示升温速度为零，处于保温状态；1级表示升温速度为低速，处于小火加热状态；2级表示升温速度为中速，处于中火加热状态；3级表示升温速度为最快速，处于全功率加热状态；其具体的分级过程如式（4）所示：

式中：D为加热模式等级；S为火炉温度特征变化率，通过聚类分析可以将其分为

本领域的技术人员容易理解的是，在不冲突的前提下，上述优选方式可以自由地组合和叠加。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。