| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究目的及意义 | 第8页 |
| 1.2 国内外发展概况与研究现状 | 第8-12页 |
| 1.3 主要研究任务及研究思路 | 第12-13页 |
| 1.3.1 主要研究任务 | 第12页 |
| 1.3.2 主要研究思路 | 第12-13页 |
| 1.4 完成的主要研究工作 | 第13-14页 |
| 第2章 有杆抽油泵故障诊断系统总体方案设计 | 第14-25页 |
| 2.1 有杆抽油机工作原理 | 第14页 |
| 2.2 有杆抽油泵采油原理 | 第14-15页 |
| 2.3 示功图的几何特征 | 第15-21页 |
| 2.3.1 示功图理论 | 第15-17页 |
| 2.3.2 示功图的几何特征 | 第17-21页 |
| 2.4 有杆抽油泵故障诊断系统需求分析 | 第21-22页 |
| 2.5 有杆抽油泵故障诊断系统总体架构设计 | 第22-24页 |
| 2.5.1 系统总体方案设计 | 第22-23页 |
| 2.5.2 系统物理架构设计 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 有杆抽油泵故障诊断系统硬件方案设计 | 第25-33页 |
| 3.1 系统硬件总体方案设计 | 第25页 |
| 3.2 硬件选型 | 第25-29页 |
| 3.3 数据采集软件设计 | 第29-31页 |
| 3.3.1 GPRS通信系统软件设计 | 第29-30页 |
| 3.3.2 上位机数据采集软件设计 | 第30-31页 |
| 3.4 现场测试 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 示功图特征值提取方法研究 | 第33-42页 |
| 4.1 示功图的预处理 | 第33-34页 |
| 4.1.1 平滑处理 | 第33-34页 |
| 4.1.2 归一化 | 第34页 |
| 4.2 灰度特征值提取 | 第34-38页 |
| 4.2.1 灰度矩阵理论 | 第35-36页 |
| 4.2.2 灰度矩阵的特征值提取 | 第36-38页 |
| 4.3 示功图特征值提取 | 第38-41页 |
| 4.3.1 传统示功图灰度特征值提取方法 | 第38-40页 |
| 4.3.2 改进的示功图灰度特征值提取法 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 基于支持向量机的故障诊断方法研究 | 第42-54页 |
| 5.1 支持向量机理论 | 第42-46页 |
| 5.1.1 线性支持向量机 | 第43-45页 |
| 5.1.2 非线性支持向量机 | 第45-46页 |
| 5.1.3 核函数 | 第46页 |
| 5.2 多核学习支持向量机 | 第46-48页 |
| 5.3 基于遗传算法的核函数权系数优化方法 | 第48-49页 |
| 5.4 基于多核支持向量机与遗传算法的故障诊断方法 | 第49-53页 |
| 5.4.1 遗传算法设计 | 第49-50页 |
| 5.4.2 试验结果及分析 | 第50-53页 |
| 5.5 本章总结 | 第53-54页 |
| 第6章 有杆抽油泵故障诊断系统软件设计 | 第54-64页 |
| 6.1 软件总体结构设计 | 第54-55页 |
| 6.2 数据库的设计与开发 | 第55-57页 |
| 6.3 软件功能模块开发 | 第57-61页 |
| 6.3.1 系统登录模块 | 第57页 |
| 6.3.2 系统实时监控模块 | 第57-58页 |
| 6.3.3 系统故障诊断模块 | 第58-60页 |
| 6.3.4 解决方案模块 | 第60-61页 |
| 6.3.5 系统设置模块 | 第61页 |
| 6.4 诊断实例 | 第61-63页 |
| 6.5 本章小结 | 第63-64页 |
| 第7章 结论及建议 | 第64-65页 |
| 7.1 结论 | 第64页 |
| 7.2 建议 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第70页 |