基于BP神经网络与示功图分析的抽油机故障诊断系统
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究的背景及意义 | 第10页 |
| 1.3 抽油机的故障诊断技术的发展和国内外现状 | 第10-12页 |
| 1.4 系统总体设计方案 | 第12-15页 |
| 1.4.1 系统的结构和组成 | 第12-13页 |
| 1.4.2 系统主要功能和工作过程 | 第13-15页 |
| 1.5 论文主要研究内容 | 第15-16页 |
| 第2章 示功图分析的理论基础 | 第16-32页 |
| 2.1 油田采油方式 | 第16-17页 |
| 2.2 有杆泵抽油原理 | 第17-20页 |
| 2.2.1 抽油机工作原理 | 第17-19页 |
| 2.2.2 抽油泵工作原理 | 第19-20页 |
| 2.3 示功图 | 第20-22页 |
| 2.4 典型故障示功图特征 | 第22-32页 |
| 第3章 人工神经网络理论 | 第32-40页 |
| 3.1 神经网络的基本概念 | 第32页 |
| 3.2 人工神经网络的组成与结构 | 第32-35页 |
| 3.2.1 神经元模型 | 第32-33页 |
| 3.2.2 人工神经元的工作过程 | 第33-34页 |
| 3.2.3 人工神经网络系统的特性 | 第34页 |
| 3.2.4 神经网络的学习方式 | 第34-35页 |
| 3.3 BP神经网络 | 第35-40页 |
| 3.3.1 BP算法的学习过程 | 第35-40页 |
| 第4章 BP神经网络的建立与故障诊断 | 第40-62页 |
| 4.1 神经网络结构、输入和输出神经元个数的确定 | 第40-41页 |
| 4.2 数据及训练样本的处理 | 第41-42页 |
| 4.3 样本数目的确定 | 第42页 |
| 4.4 隐含层神经元个数的选取 | 第42-48页 |
| 4.5 传递函数的选取 | 第48-49页 |
| 4.6 BP网络算法的一些改进 | 第49-51页 |
| 4.7 改进算法的性能分析 | 第51-53页 |
| 4.8 改进算法训练分析 | 第53-60页 |
| 4.9 本章小结 | 第60-62页 |
| 第5章 故障诊断系统实现 | 第62-72页 |
| 5.1 LabVIEW软件平台 | 第62页 |
| 5.2 LabVIEW与数据库的连接 | 第62-63页 |
| 5.3 LabVIEW与MATLAB混合编程 | 第63-65页 |
| 5.3.1 MATLAB Script节点 | 第63-64页 |
| 5.3.2 利用Active与MATLAB连接 | 第64-65页 |
| 5.4 故障诊断的计算分析 | 第65-67页 |
| 5.5 故障的识别 | 第67-68页 |
| 5.6 前面板的设计 | 第68-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
