利用对支持向量机识别石油钻机轴承故障

杜明贤 ， 张革民 ， 申中杰 ， 曹立天 ， 王富贵 ， 段武

（1宝鸡石油机械有限责任公司研究院，陕西 宝鸡 721002；2国家油气钻井装备工程技术研究中心，陕西 宝鸡 721002；3中煤科工集团西安研究院有限公司，西安 710077）

0 引言

石油钻机主要用于勘探地层，发现和开采地下石油、天然气等地下矿藏。石油钻机对其零部件有着很高的可靠性要求，一旦石油钻机零部件发生故障，势必会造成严重的后果。轴承是石油钻机中重要的旋转支撑零部件，在整个钻井设备的正常运行中起着非常重要的作用［1］。如果轴承意外失效，势必影响整个钻井设备的工作，甚至威胁施工人员安全，造成极大的经济损失。因此，有必要准确地识别出石油钻机轴承故障［2］。

由于石油钻机承受的交变负荷很大，载荷不确定性强，从发动机到各工作机以及到钻头有着非常长的传动路线和不同的能量转换方式，且钻机的工作环境恶劣，多在沙漠、山地、寒冷地带及沼泽地域流动作业，因此对石油钻机的轴承故障诊断不可能拥有足量的监测数据。因而判断石油钻机轴承故障诊断是一个有限样本问题。支持向量机（Support Vector machine，SVM）是一种解决有限样本条件下分类问题的优秀的机器学习方法［3］。它通过构造一个超平面和两个与超平面平行的支撑平面来将正常的轴承样本和故障轴承样本最大可能的分离。SVM在解决均衡样本分类时效果显著［4］。然而石油钻机轴承故障诊断的特殊性在于故障样本在整个监测数据中所占比例很小。……