基于模糊神经网络的抽油井冲次智能调节方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-15页 |
| 1.3 本文的主要工作 | 第15-17页 |
| 第2章 抽油井工作原理与冲次智能调节 | 第17-25页 |
| 2.1 游梁式抽油机采油系统 | 第17-18页 |
| 2.1.1 采油系统工作原理 | 第17-18页 |
| 2.1.2 抽油机的基本结构 | 第18页 |
| 2.2 异步电动机变频调速原理 | 第18-21页 |
| 2.3 抽油井冲次智能调节研究方案 | 第21-24页 |
| 2.3.1 抽油井冲次智能调节思路 | 第21-22页 |
| 2.3.2 基于模糊神经网络的抽油井冲次决策 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 决策冲次的模糊神经网络模型 | 第25-45页 |
| 3.1 模糊理论基础 | 第25-28页 |
| 3.1.1 模糊基本概念 | 第25-26页 |
| 3.1.2 模理糊推 | 第26-28页 |
| 3.1.3 反模糊化 | 第28页 |
| 3.2 神经网络理论基础 | 第28-30页 |
| 3.2.1 人工神经网络模型 | 第29页 |
| 3.2.2 人工神经网络的互联模式 | 第29-30页 |
| 3.2.3 神经网络的学习方式 | 第30页 |
| 3.3 模糊逻辑与神经网络的融合 | 第30-33页 |
| 3.4 模糊神经网络 | 第33-40页 |
| 3.4.1 模糊神经网络特点 | 第33-34页 |
| 3.4.2 模糊神经网络模型的选择 | 第34-38页 |
| 3.4.3 T-S模糊神经网络的学习算法 | 第38-40页 |
| 3.5 决策冲次的模糊神经网络设计 | 第40-44页 |
| 3.5.1 基于灰色关联分析的变量选取 | 第40-43页 |
| 3.5.2 冲次决策的模糊神经网络结构 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于改进PSO算法优化模糊神经网络 | 第45-63页 |
| 4.1 粒子群算法概述 | 第45-46页 |
| 4.2 标准粒子群优化算法 | 第46-50页 |
| 4.2.1 数学模型 | 第46-48页 |
| 4.2.2 算法流程 | 第48-49页 |
| 4.2.3 粒子群优化算法行为特性分析 | 第49-50页 |
| 4.3 粒子群算法的改进 | 第50-55页 |
| 4.3.1 改进的粒子群算法——AHPSO | 第51-54页 |
| 4.3.2 AHPSO算法流程 | 第54-55页 |
| 4.4 基于AHPSO算法优化模糊神经网络 | 第55-57页 |
| 4.5 实验结果及分析 | 第57-61页 |
| 4.5.1 数据提取及参数设置 | 第57页 |
| 4.5.2 实验结果 | 第57-61页 |
| 4.5.3 结果分析 | 第61页 |
| 4.6 本章小结 | 第61-63页 |
| 第5章 抽油井冲次调节系统仿真 | 第63-69页 |
| 5.1 抽油机系统仿真模型的建立 | 第63-66页 |
| 5.1.1 变频器等效模型 | 第63-64页 |
| 5.1.2 异步电动机变频调速仿真模型 | 第64-66页 |
| 5.2 基于PID控制的抽油系统 | 第66-68页 |
| 5.2.1 PID控制器 | 第66页 |
| 5.2.2 PID控制器的参数整定 | 第66-67页 |
| 5.2.3 基于PID控制的抽油系统仿真 | 第67-68页 |
| 5.3 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77页 |
