油井结蜡参数检测与智能判别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外发展现状和趋势 | 第10-13页 |
| 1.2.1 石油资源现状 | 第10-11页 |
| 1.2.2 国内外的发展情况 | 第11-13页 |
| 1.3 课题的研究内容 | 第13-15页 |
| 第2章 有杆抽油系统工作原理与示功图采集 | 第15-31页 |
| 2.1 有杆抽油系统的构成及原理 | 第15-18页 |
| 2.1.1 有杆抽油系统的构成 | 第15-17页 |
| 2.1.2 有杆抽油系统工作原理 | 第17-18页 |
| 2.2 示功图的形成及参数采集 | 第18-24页 |
| 2.2.1 示功图的定义 | 第18-19页 |
| 2.2.2 理论示功图 | 第19-21页 |
| 2.2.3 典型故障示功图简介 | 第21-24页 |
| 2.3 示功图的采集 | 第24-30页 |
| 2.3.1 载荷信号采集电路与显示 | 第24-29页 |
| 2.3.2 实验设备及结果 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 示功图的预处理及特征参数的提取 | 第31-49页 |
| 3.1 悬点示功图转化泵功图 | 第31-39页 |
| 3.1.1 数学模型的建立 | 第31-36页 |
| 3.1.2 计算步骤 | 第36-39页 |
| 3.2 泵功图的图像处理 | 第39-45页 |
| 3.2.1 阈值分割 | 第39-43页 |
| 3.2.2 数学形态学 | 第43页 |
| 3.2.3 膨胀及腐蚀处理 | 第43-44页 |
| 3.2.4 细化及收缩处理 | 第44-45页 |
| 3.3 泵功图的特征参数提取 | 第45-47页 |
| 3.3.1 不变矩理论 | 第45页 |
| 3.3.2 矩的概述 | 第45-47页 |
| 3.3.3 矩特征参数的提取 | 第47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 支持向量机的理论研究 | 第49-57页 |
| 4.1 统计学习理论 | 第49-51页 |
| 4.1.1 VC维的概述 | 第49页 |
| 4.1.2 推广性的界 | 第49-50页 |
| 4.1.3 结构风险最小化 | 第50-51页 |
| 4.2 支持向量机理论基础 | 第51-55页 |
| 4.2.1 最优分类超平面 | 第51-52页 |
| 4.2.2 线性支持向量机 | 第52-53页 |
| 4.2.3 非线性支持向量机 | 第53-54页 |
| 4.2.4 核函数 | 第54-55页 |
| 4.3 多分类支持向量机算法 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 基于支持向量机结蜡识别的诊断 | 第57-73页 |
| 5.1 工具箱的介绍及实验准备 | 第57-60页 |
| 5.1.1 LibSVM工具箱介绍 | 第57页 |
| 5.1.2 实验数据的获取 | 第57-59页 |
| 5.1.3 训练集及测试集的确定 | 第59-60页 |
| 5.2 支持向量机的参数寻优 | 第60-68页 |
| 5.2.1 交叉验证算法参数寻优 | 第60-63页 |
| 5.2.2 粒子群优化算法参数寻优 | 第63-66页 |
| 5.2.3 遗传算法参数寻优 | 第66-68页 |
| 5.3 不同类型核函数实验对比 | 第68-71页 |
| 5.4 实验结果分析 | 第71-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第6章 结论与展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 在学研究成果 | 第78-79页 |
| 致谢 | 第79页 |
