基于Freeman链码特征值的示功图分类识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-15页 |
| ·示功图诊断方法研究现状 | 第10-12页 |
| ·特征值提取研究现状 | 第12-14页 |
| ·人工神经网络研究现状 | 第14-15页 |
| ·本文主要工作 | 第15页 |
| ·论文结构与章节安排 | 第15-17页 |
| 第二章 油井故障诊断基本原理 | 第17-28页 |
| ·常见采油方法介绍 | 第17-18页 |
| ·有杆抽油系统组成 | 第18-22页 |
| ·抽油机 | 第19页 |
| ·抽油杆 | 第19-20页 |
| ·抽油泵 | 第20-22页 |
| ·示功图介绍 | 第22-25页 |
| ·典型工况示功图 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于Freeman链码示功图特征提取 | 第28-36页 |
| ·Freeman链码基本概念 | 第28-29页 |
| ·示功图Freeman链码表示 | 第29-31页 |
| ·Freeman链码特征值提取 | 第31-34页 |
| ·示功图边界点选取 | 第31-33页 |
| ·链码特征值的预处理 | 第33-34页 |
| ·差分码与示功图的关系 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于BP神经网络的示功图诊断 | 第36-50页 |
| ·人工神经网络相关概念 | 第36-39页 |
| ·人工神经元模型 | 第36-38页 |
| ·神经元网络 | 第38-39页 |
| ·BP神经网络的相关概念 | 第39-43页 |
| ·BP网络模型与结构 | 第40-41页 |
| ·BP学习规则 | 第41-43页 |
| ·神经网络模型设计 | 第43-46页 |
| ·输入层设计 | 第43-44页 |
| ·输出层设计 | 第44页 |
| ·隐含层设计 | 第44-45页 |
| ·网络参数初始化 | 第45-46页 |
| ·MATLAB仿真诊断 | 第46-49页 |
| ·实验结果分析 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·总结 | 第50-51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 在学研究成果 | 第55-56页 |
| 致谢 | 第56页 |
