风险预警技术在往复泵系统中的应用
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第10-28页 |
| 1.1 课题说明与研究意义 | 第10-11页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 课题背景 | 第10页 |
| 1.1.3 研究意义 | 第10-11页 |
| 1.2 风险预警概述 | 第11-21页 |
| 1.2.1 风险预警研究现状 | 第11-14页 |
| 1.2.2 油田设备风险预警现状 | 第14-15页 |
| 1.2.3 预警常用方法 | 第15-21页 |
| 1.3 数据挖掘技术概述 | 第21-26页 |
| 1.3.1 神经网络 | 第21-23页 |
| 1.3.2 决策树 | 第23-24页 |
| 1.3.3 数据挖掘过程 | 第24-26页 |
| 1.4 论文的技术路线和主要研究内容 | 第26-28页 |
| 1.4.1 技术路线 | 第26页 |
| 1.4.2 主要研究内容 | 第26-28页 |
| 第2章 往复泵故障分析及故障特征建立 | 第28-39页 |
| 2.1 引言 | 第28页 |
| 2.2 往复泵简介 | 第28-30页 |
| 2.2.1 往复泵的组成 | 第28-29页 |
| 2.2.2 往复泵工作原理 | 第29-30页 |
| 2.2.3 往复泵的特点 | 第30页 |
| 2.3 往复泵常见故障分析 | 第30-34页 |
| 2.3.1 电机转子结构 | 第30-31页 |
| 2.3.2 电机轴承故障机理 | 第31-32页 |
| 2.3.3 齿轮箱结构及故障机理 | 第32-33页 |
| 2.3.4 泵体结构及故障机理 | 第33-34页 |
| 2.4 往复泵故障诊断现场调研 | 第34-35页 |
| 2.4.1 现场故障诊断现状 | 第34页 |
| 2.4.2 现场往复泵故障统计情况 | 第34-35页 |
| 2.5 往复泵故障特征建立 | 第35-38页 |
| 2.5.1 常用信号处理技术 | 第35-37页 |
| 2.5.2 往复泵故障特征参数 | 第37-38页 |
| 2.6 小结 | 第38-39页 |
| 第3章 基于模糊FTA的往复泵风险辨识 | 第39-51页 |
| 3.1 引言 | 第39页 |
| 3.2 模糊集理论 | 第39-41页 |
| 3.2.1 模糊数的基本概念 | 第39-40页 |
| 3.2.2 模糊数的表示 | 第40-41页 |
| 3.3 模糊事故树分析 | 第41-42页 |
| 3.3.1 模糊事故树的逻辑门算子 | 第41页 |
| 3.3.2 基本事件的模糊概率表示 | 第41-42页 |
| 3.3.3 模糊事故树分析的主要过程 | 第42页 |
| 3.4 基于模糊FTA的往复泵风险辨识 | 第42-49页 |
| 3.4.1 构建往复泵事故树 | 第43-45页 |
| 3.4.2 往复泵事故概率计算 | 第45-48页 |
| 3.4.3 往复泵模糊事故树分析 | 第48-49页 |
| 3.4.4 往复泵风险辨识结果 | 第49页 |
| 3.5 小结 | 第49-51页 |
| 第4章 基于综合评价法的往复泵风险评价 | 第51-66页 |
| 4.1 引言 | 第51页 |
| 4.2 风险评价方法介绍 | 第51-53页 |
| 4.2.1 优序图法 | 第52页 |
| 4.2.2 模糊综合评价法 | 第52-53页 |
| 4.3 风险评价指标体系建立 | 第53-56页 |
| 4.3.1 评价指标选取原则 | 第53-54页 |
| 4.3.2 往复泵安全影响因素 | 第54-55页 |
| 4.3.3 往复泵风险评价指标体系建立 | 第55-56页 |
| 4.4 基于优序图的评价指标权重计算 | 第56-62页 |
| 4.4.1 权重计算方法选择 | 第56-58页 |
| 4.4.2 优序图概述 | 第58页 |
| 4.4.3 往复泵风险评价指标权重计算 | 第58-62页 |
| 4.5 往复泵风险模糊综合评价 | 第62-65页 |
| 4.5.1 模糊综合评价法介绍 | 第62-63页 |
| 4.5.2 往复泵模糊综合评价 | 第63-64页 |
| 4.5.3 风险评价结果讨论 | 第64-65页 |
| 4.6 小结 | 第65-66页 |
| 第5章 基于神经网络的往复泵风险预测模型构建 | 第66-90页 |
| 5.1 引言 | 第66页 |
| 5.2 往复泵预测方法评价 | 第66-70页 |
| 5.2.1 往复泵预测方法评价 | 第68页 |
| 5.2.2 神经网络理论 | 第68-70页 |
| 5.3 往复泵风险预测模型选择 | 第70-73页 |
| 5.3.1 神经网络预测模型选择 | 第70页 |
| 5.3.2 BP神经网络的设计 | 第70-71页 |
| 5.3.3 BP神经网络算法流程 | 第71-73页 |
| 5.4 往复泵神经网络预测模型的建立 | 第73-74页 |
| 5.4.1 影响因子分析 | 第73页 |
| 5.4.2 样本中各因子的选取 | 第73-74页 |
| 5.5 往复泵故障预测的神经网络模型实现 | 第74-84页 |
| 5.5.1 获取样本数据 | 第74-76页 |
| 5.5.2 BP网络设计 | 第76页 |
| 5.5.3 BP网络训练与测试 | 第76-83页 |
| 5.5.4 往复泵故障实例验证 | 第83-84页 |
| 5.6 基于BP神经网络的往复泵风险预警 | 第84-89页 |
| 5.6.1 风险预警级别划分 | 第84-85页 |
| 5.6.2 往复泵风险预警应用 | 第85-89页 |
| 5.7 小结 | 第89-90页 |
| 第6章 结论和展望 | 第90-92页 |
| 6.1 结论 | 第90-91页 |
| 6.2 展望 | 第91-92页 |
| 参考文献 | 第92-97页 |
| 致谢 | 第97页 |
