基于PNN神经网络的抽油机井工况诊断研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·抽油机故障诊断 | 第10-12页 |
| ·神经网络在抽油机故障诊断的应用 | 第12-13页 |
| ·主要研究内容和章节安排 | 第13-14页 |
| ·本文的主要研究内容 | 第13页 |
| ·本文的章节安排 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第二章 抽油井故障诊断原理 | 第15-24页 |
| ·油田主要采油方法 | 第15-16页 |
| ·有杆抽油系统组成 | 第16-19页 |
| ·抽油机 | 第17页 |
| ·抽油杆 | 第17-18页 |
| ·抽油泵 | 第18-19页 |
| ·示功图 | 第19-21页 |
| ·示功图的定义 | 第19页 |
| ·理论示功图 | 第19-21页 |
| ·典型工况示功图 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 电流法间接示功图测量方法研究 | 第24-31页 |
| ·电流法间接测量示功图的基本原理 | 第24页 |
| ·电流与光杆之间的数学模型 | 第24-28页 |
| ·建立悬点位移数学模型 | 第25-27页 |
| ·建立电流与光杆载荷关系 | 第27-28页 |
| ·建立光杆载荷与位移的关系 | 第28页 |
| ·等效示功图的绘制方法 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于Freeman链码的示功图特征提取 | 第31-38页 |
| ·Freeman链码 | 第31-32页 |
| ·示功图边界Freeman链码表示 | 第32-34页 |
| ·示功图预处理和特征点的选取 | 第34-35页 |
| ·示功图图像预处理 | 第34页 |
| ·示功图边界点的选取 | 第34-35页 |
| ·Freeman链码特征值预处理 | 第35-37页 |
| ·链码起点归一化 | 第35-36页 |
| ·链码旋转归一化 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 基于PNN网络的抽油机故障诊断 | 第38-51页 |
| ·BP神经网络 | 第38-41页 |
| ·BP网络模型和基本结构 | 第38-39页 |
| ·BP网络算法 | 第39-41页 |
| ·PNN神经网络 | 第41-42页 |
| ·PNN网络概述 | 第41页 |
| ·PNN网络模型建立 | 第41-42页 |
| ·PNN网络的优点 | 第42页 |
| ·抽油机工况诊断模型 | 第42-43页 |
| ·基于PNN网络的工况诊断仿真实现 | 第43-47页 |
| ·故障模式类别 | 第43-44页 |
| ·PNN网络的学习过程 | 第44-45页 |
| ·仿真结果分析 | 第45-47页 |
| ·诊断方法对比分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·总结 | 第51-52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 在学研究成果 | 第56-57页 |
| 致谢 | 第57页 |
