基于仿生模式识别的有杆抽油泵示功图识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 有杆抽油机井工况诊断研究现状 | 第10-11页 |
| 1.3 课题研究的主要内容 | 第11-13页 |
| 第2章 有杆泵采油原理及典型示功图样本库建立 | 第13-24页 |
| 2.1 有杆泵采油原理 | 第13-15页 |
| 2.1.1 抽油机工作原理 | 第13-14页 |
| 2.1.2 抽油泵工作原理 | 第14-15页 |
| 2.2 示功图简介 | 第15-17页 |
| 2.2.1 示功图的定义 | 第15页 |
| 2.2.2 理论示功图及其分析 | 第15-17页 |
| 2.3 典型示功图分析 | 第17-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 示功图特征提取方法的研究与仿真分析 | 第24-37页 |
| 3.1 示功图的预处理 | 第25-26页 |
| 3.2 基于矩特征向量的示功图特征提取 | 第26-30页 |
| 3.2.1 矩特征向量基本原理 | 第26页 |
| 3.2.2 示功图的预处理 | 第26-28页 |
| 3.2.3 示功图矩特征提取方法 | 第28-29页 |
| 3.2.4 仿真结果 | 第29-30页 |
| 3.3 示功图频谱分析方法特征提取 | 第30-35页 |
| 3.3.1 示功图频谱分析基本原理 | 第30-32页 |
| 3.3.2 示功图频谱分析特征提取过程 | 第32-34页 |
| 3.3.3 示功图频谱分析仿真结果 | 第34-35页 |
| 3.4 两种示功图特征提取算法分析比较 | 第35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 基于支持向量机的示功图分类方法研究 | 第37-45页 |
| 4.1 支持向量机理论基础 | 第37-41页 |
| 4.1.1 最优分类面 | 第37-39页 |
| 4.1.2 支持向量分类机 | 第39-41页 |
| 4.1.3 核函数的选择 | 第41页 |
| 4.2 LIBSVM 基础 | 第41-43页 |
| 4.2.1 LIBSVM 简介 | 第41-42页 |
| 4.2.2 LIBSVM 训练步骤 | 第42-43页 |
| 4.3 支持向量机的训练与分类 | 第43-44页 |
| 4.3.1 样本训练与分类过程 | 第43页 |
| 4.3.2 结果分析对比 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 基于仿生模式识别的示功图分类方法研究 | 第45-54页 |
| 5.1 仿生模式识别理论基础 | 第45-47页 |
| 5.2 仿生模式识别的实现方法 | 第47-50页 |
| 5.2.1 仿生模式识别的实现工具 | 第47页 |
| 5.2.2 示功图仿生模式识别的实现方法 | 第47-48页 |
| 5.2.3 神经元的选择 | 第48-50页 |
| 5.3 仿生模式识别的训练与分类 | 第50-53页 |
| 5.3.1 示功图样本的训练方法 | 第50-52页 |
| 5.3.2 示功图样本的训练结果及分析 | 第52-53页 |
| 5.4 两种模式识别方法分析比较 | 第53页 |
| 5.5 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间取得的学术成果 | 第59-60页 |
| 致谢 | 第60页 |
