近日，中國科學院沈陽自動化研究所在有桿泵抽油機故障診斷方面研究取得新進展?？蒲袌F隊提出了基于自校驗的有桿泵抽油機運動周期估計、基于物理模型和數據融合驅動的加速度信號重建、基于邊緣智能的有桿泵抽油機工況識別等一系列創新性方法，相關研究成果發表在Top期刊IEEE Internet of Things Journal。

　　油氣資源是國民經濟發展的重要基礎，有桿泵抽油機是油田生產的核心設備，其工作狀況直接影響了油田的產量和效益。在有桿泵抽油機故障監測系統中，通常在其懸點位置安裝加速度傳感器，并通過加速度信號求解出抽油機井的速度和位移信息，進而獲得有桿泵抽油機運行狀況估計。但是受環境和設備工作狀態等因素的影響，加速度信號中通常包含著大量的噪聲。這些噪聲在速度和位移計算過程中會迅速積累并放大，從而顯著降低了有桿泵抽油機工況識別準確率。 

　　針對上述問題，沈陽自動化所邊緣計算團隊提出了面向低信噪比加速度信號的有桿泵抽油機工作狀態高精度識別方法。該方法基于多個估計周期的重構數據與原始數據的相似性實現有桿泵抽油機真實運動周期的高精度估計，在此基礎上基于物理模型參數尋優替代數據直接去噪實現數據的高精度重建。在油田有桿泵抽油機實際監測數據上的測試結果表明，提出方法在采集數據包含嚴重噪聲情況下仍然能夠獲得可靠的有桿泵抽油機故障診斷結果，從而有效提升了有桿泵抽油機故障監測系統的可用性。 

　　該研究成果得到了國家重點研發計劃和國家自然科學基金的支持。