基于神经网络的钢丝绳柔性抽油杆抽油机井故障诊断的研究
| 第一章 引言 | 第1-16页 |
| ·国内外抽油机井故障诊断的研究概况 | 第11-15页 |
| ·本文研究的目的和主要内容 | 第15-16页 |
| 第二章 钢丝绳柔性抽油杆抽油技术的基本理论 | 第16-25页 |
| ·柔性连续抽油杆及钢丝绳柔性抽油技术的基本理论 | 第16-18页 |
| ·常规钢抽油杆在机械采油中存在的主要问题 | 第16页 |
| ·柔性连续抽油杆的主要优点 | 第16-17页 |
| ·钢丝绳柔性抽油杆的应用 | 第17-18页 |
| ·有杆抽油泵 | 第18-20页 |
| ·有杆抽油泵的使用情况 | 第18-19页 |
| ·有杆抽油泵的主要故障 | 第19-20页 |
| ·抽油机井示功图 | 第20-25页 |
| ·抽油机井示功图的概念 | 第20页 |
| ·抽油机井示功图的类别 | 第20-25页 |
| 第三章 计算机图像处理以及模式识别技术 | 第25-39页 |
| ·模式识别 | 第25-30页 |
| ·模式识别的概念 | 第25-26页 |
| ·模式识别的原理 | 第26-28页 |
| ·模式识别的方法和过程 | 第28-30页 |
| ·计算机图像处理 | 第30-33页 |
| ·数字图像 | 第30-33页 |
| ·数字图像在计算机内的处理 | 第33页 |
| ·BMP位图介绍 | 第33-39页 |
| ·位图及调色板 | 第33-35页 |
| ·与设备无关位图DIB | 第35-39页 |
| 第四章 人工神经网络技术 | 第39-60页 |
| ·人工神经网络的基本概念 | 第39-43页 |
| ·人工神经网络的发展及现状 | 第39-40页 |
| ·人工神经元模型 | 第40-42页 |
| ·人工神经网络的结构以及工作方式 | 第42-43页 |
| ·人工神经网络的学习 | 第43-45页 |
| ·学习方式 | 第43-44页 |
| ·学习算法 | 第44-45页 |
| ·学习与自适应 | 第45页 |
| ·BP网络 | 第45-60页 |
| ·BP网络的结构与数学描述 | 第45-48页 |
| ·BP网络的学习算法 | 第48-53页 |
| ·BP网络的误差曲面讨论 | 第53-55页 |
| ·算法的改进 | 第55-60页 |
| 第五章 诊断原理和过程 | 第60-95页 |
| ·示功图的处理 | 第60-75页 |
| ·示功图的获取 | 第60页 |
| ·示功图数字图像的获取 | 第60-62页 |
| ·示功图的预处理 | 第62-72页 |
| ·示功图数字图像矩阵的获得 | 第72-73页 |
| ·图像的分块处理 | 第73-75页 |
| ·诊断界面的实现和诊断过程 | 第75-95页 |
| ·程序设计语言及开发环境 | 第75-76页 |
| ·诊断流程 | 第76-77页 |
| ·诊断系统界面和网络训练模块功能的实现 | 第77-84页 |
| ·样本诊断功能 | 第84-87页 |
| ·三样本处理和诊断举例 | 第87-95页 |
| 第六章 结论 | 第95-96页 |
| 参考文献 | 第96-100页 |
| 致谢 | 第100-101页 |
| 攻读学位期间发表的学术论文 | 第101页 |
