基于深度学习网络的潜油往复抽油机故障诊断研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题来源及研究目的和意义 | 第11-12页 |
| 1.1.1 课题来源 | 第11页 |
| 1.1.2 课题研究的目的和意义 | 第11-12页 |
| 1.2 故障诊断技术的研究现状 | 第12-14页 |
| 1.3 抽油机故障诊断技术的国内外现状 | 第14-15页 |
| 1.4 潜油往复抽油机故障诊断面临的困难 | 第15-16页 |
| 1.5 本课题的主要研究内容 | 第16-18页 |
| 第2章 深度学习神经网络 | 第18-29页 |
| 2.1 深度学习神经网络概念 | 第18-20页 |
| 2.1.1 机器学习的发展 | 第18-19页 |
| 2.1.2 深度学习网络 | 第19-20页 |
| 2.2 深度学习神经网络方法 | 第20-23页 |
| 2.2.1 自动编码器 | 第20-21页 |
| 2.2.2 受限玻尔兹曼机 | 第21-23页 |
| 2.2.3 卷积神经网络 | 第23页 |
| 2.3 深度信念网络 | 第23-27页 |
| 2.3.1 DBN网络模型 | 第23-26页 |
| 2.3.2 逐层预训练过程 | 第26-27页 |
| 2.3.3 反向调优过程 | 第27页 |
| 2.4 本章小节 | 第27-29页 |
| 第3章 潜油往复抽油机系统 | 第29-36页 |
| 3.1 工艺发展状况 | 第29-30页 |
| 3.2 潜油往复抽油机工作原理 | 第30-32页 |
| 3.3 抽油机系统故障类别 | 第32-35页 |
| 3.4 本章小节 | 第35-36页 |
| 第4章 基于电流的潜油往复抽油机故障诊断 | 第36-56页 |
| 4.1 非正常状态下运行电流特征分析 | 第36-40页 |
| 4.2 单特征信息故障诊断方案 | 第40-44页 |
| 4.2.1 单特征信息故障诊断概述 | 第40-42页 |
| 4.2.2 单特征信息故障诊断方案 | 第42-44页 |
| 4.3 抽油机故障诊断实验及分析 | 第44-54页 |
| 4.3.1 实验平台的搭建 | 第44-45页 |
| 4.3.2 实验数据描述及分析 | 第45-46页 |
| 4.3.3 DBN故障诊断模型 | 第46-47页 |
| 4.3.4 实验过程及结果分析 | 第47-52页 |
| 4.3.5 故障诊断模型的诊断效果及分析 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第5章 基于多参数的潜油往复抽油机故障诊断 | 第56-74页 |
| 5.1 井下多参数监测系统 | 第56-60页 |
| 5.1.1 井下多参数信息采集系统方案 | 第56-57页 |
| 5.1.2 井下多参数测量系统 | 第57-58页 |
| 5.1.3 井上数据处理系统 | 第58-59页 |
| 5.1.4 信号远距离分时传输机制 | 第59-60页 |
| 5.2 多参数信息故障诊断方案 | 第60-65页 |
| 5.2.1 多参数信息故障诊断概述 | 第61-63页 |
| 5.2.2 多参数信息融合 | 第63-64页 |
| 5.2.3 多参数信息故障诊断方案 | 第64-65页 |
| 5.3 故障诊断实验及结果分析 | 第65-73页 |
| 5.3.1 多参数信息系统实验平台 | 第65-67页 |
| 5.3.2 实验数据描述 | 第67-68页 |
| 5.3.3 实验过程及分析 | 第68-71页 |
| 5.3.4 故障诊断模型的诊断结果及对比分析 | 第71-73页 |
| 5.4 本章小结 | 第73-74页 |
| 结论 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间发表的学术论文和专利 | 第80-81页 |
| 致谢 | 第81页 |
