远程监测抽油机井工况智能诊断技术
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 前言 | 第10-15页 |
| ·研究的目的和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·主要研究内容和技术路线 | 第14-15页 |
| ·主要研究内容 | 第14页 |
| ·技术路线 | 第14-15页 |
| 第2章 抽油机井远程监测系统 | 第15-17页 |
| ·远程监测终端 | 第15页 |
| ·远程传输方式 | 第15-16页 |
| ·监控中心 | 第16-17页 |
| 第3章 抽油机井工况诊断数学模型的建立和求解 | 第17-26页 |
| ·抽油杆柱动力学分析 | 第17-19页 |
| ·抽油机井工况诊断的数学模型 | 第19-20页 |
| ·工况诊断数学模型的求解 | 第20-21页 |
| ·诊断模型的有限差分格式的稳定性 | 第21-22页 |
| ·诊断模型求解过程说明 | 第22-24页 |
| ·阻尼系数的计算 | 第24页 |
| ·泵示功图的计算程序图 | 第24-26页 |
| 第4章 抽油机井典型工况特征参数的提取 | 第26-44页 |
| ·抽油机井示功图 | 第26-30页 |
| ·示功图周期载荷变化分析 | 第26-28页 |
| ·漏失曲线分析 | 第28-29页 |
| ·泵示功图理论载荷的计算 | 第29-30页 |
| ·抽油机井典型故障分析 | 第30-35页 |
| ·抽油杆断脱 | 第30-31页 |
| ·连抽带喷 | 第31页 |
| ·游动凡尔漏失 | 第31页 |
| ·固定凡尔漏失 | 第31-32页 |
| ·柱塞上碰泵 | 第32页 |
| ·柱塞下碰泵 | 第32-33页 |
| ·气体影响 | 第33页 |
| ·供液不足 | 第33-34页 |
| ·柱塞遇卡 | 第34-35页 |
| ·泵正常工作 | 第35页 |
| ·不变矩理论 | 第35-38页 |
| ·矩的概念 | 第35-36页 |
| ·矩的物理意义 | 第36-37页 |
| ·中心矩的归一化处理 | 第37页 |
| ·不变矩 | 第37-38页 |
| ·典型工况示功图的不变矩 | 第38页 |
| ·不变矩的修正 | 第38-39页 |
| ·抽油机井典型工况特征参数的提取 | 第39-44页 |
| ·特征参数提取的原则 | 第39-40页 |
| ·特征参数的提取 | 第40页 |
| ·特征参数的预处理 | 第40-41页 |
| ·特征参数样本库的建立 | 第41-44页 |
| 第5章 远程监测抽油机井工况智能诊断系统的设计 | 第44-76页 |
| ·人工神经网络理论 | 第44-57页 |
| ·人工神经网络模型 | 第44-48页 |
| ·人工神经网络的特点 | 第48页 |
| ·人工神经网络用于抽油机井工况诊断中的优势 | 第48-49页 |
| ·BP 神经网络 | 第49-55页 |
| ·神经网络的泛化能力 | 第55-56页 |
| ·神经网络的集成 | 第56-57页 |
| ·BP 神经网络模型的设计 | 第57-62页 |
| ·输入层节点数的设计 | 第57页 |
| ·输出层节点数的设计 | 第57页 |
| ·输出模式的设计 | 第57-58页 |
| ·隐层的设计 | 第58页 |
| ·隐层节点数的设计 | 第58-61页 |
| ·初始值的选取 | 第61页 |
| ·期望误差的设计 | 第61页 |
| ·初始学习速率的设计 | 第61-62页 |
| ·BP 神经网络的训练 | 第62-69页 |
| ·训练样本 | 第62页 |
| ·子网络1 的训练 | 第62-64页 |
| ·子网络2 的训练 | 第64-65页 |
| ·子网络3 的训练 | 第65-67页 |
| ·子网络4 的训练 | 第67-69页 |
| ·抽油机井工况智能诊断系统 | 第69-76页 |
| ·抽油机井工况诊断系统的实现 | 第69-70页 |
| ·抽油机井工况诊断系统的测试 | 第70-72页 |
| ·抽油机井工况智能诊断系统软件 | 第72-73页 |
| ·抽油机井工况智能诊断软件的应用实例 | 第73-76页 |
| 结论 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士学位期间的研究成果 | 第80-81页 |
| 致谢 | 第81页 |
