首页--工业技术论文--石油、天然气工业论文--石油机械设备与自动化论文--油气开采机械设备论文--抽油机械设备论文

螺杆泵实时工况自动诊断理论与软件研究

摘要第4-5页
abstract第5-6页
第一章 前言第9-13页
    1.1 研究目的和意义第9页
    1.2 国内外研究进展第9-11页
    1.3 主要研究内容及技术路线第11-13页
        1.3.1 主要研究内容第11页
        1.3.2 技术方案的分析和选择第11-12页
        1.3.3 存在的主要问题和技术关键第12-13页
第二章 螺杆泵工况诊断研究第13-40页
    2.1 螺杆泵井工况类型第13页
    2.2 螺杆泵井采油系统的分类及组成第13-14页
    2.3 螺杆泵井多相垂直管流计算第14-17页
    2.4 螺杆泵主要性能参数计算第17-19页
        2.4.1 排量第17页
        2.4.2 水力功率和轴功率第17-18页
        2.4.3 轴向力第18页
        2.4.4 扭矩第18-19页
        2.4.5 流体的流速第19页
    2.5 抽油杆主要性能参数计算第19-23页
        2.5.1 扭矩第19-20页
        2.5.2 轴向力第20-21页
        2.5.3 弯矩第21页
        2.5.4 剪切力第21-22页
        2.5.5 抽油杆应力第22-23页
    2.6 能够反映工况的参数第23-25页
        2.6.1 扭矩第23页
        2.6.2 载荷第23页
        2.6.3 电流第23页
        2.6.4 功率第23-25页
        2.6.5 压力第25页
        2.6.6 产液量第25页
        2.6.7 动液面第25页
    2.7 采用特性曲线分析油井工况第25-30页
        2.7.1 螺杆泵特性曲线的构成第25-26页
        2.7.2 螺杆泵水力特性曲线计算第26-30页
        2.7.3 利用特性曲线分析工况第30页
    2.8 综合多种参数进行工况诊断第30-37页
        2.8.1 螺杆泵井工况参数测试系统组成第30-31页
        2.8.2 螺杆泵井测试诊断技术原理第31-33页
        2.8.3 结合多参数螺杆泵井工况诊断第33-37页
    2.9 螺杆泵工况类型主要划分第37-40页
第三章 基于人工智能算法的实时工况诊断模型第40-50页
    3.1 人工神经网络方法第40-41页
        3.1.1 BP网络模型第40-41页
        3.1.2 BP算法的实现第41页
    3.2 螺杆泵井工况自动诊断系统第41-44页
        3.2.1 螺杆泵井工况自动诊断特征参数选择第41-42页
        3.2.2 输入参数的预处理第42-43页
        3.2.3 输出参数的预处理第43-44页
    3.3 螺杆泵井常见的工况分类第44页
    3.4 网络的训练第44-45页
    3.5 螺杆泵实时工况自动诊断系统实现第45-46页
    3.6 工况诊断系统的测试第46-50页
第四章 螺杆泵井实时工况诊断技术现场应用第50-58页
    4.1 实时工况诊断系统第50页
    4.2 光杆受力测试第50-53页
        4.2.1 工况测试步骤第51-52页
        4.2.2 螺杆泵工况参数测试第52-53页
    4.3 井口压力温度测试第53-54页
        4.3.1 工况测试步骤第53-54页
        4.3.2 无线数字压力变送器第54页
    4.4 电参数测试第54-58页
        4.4.1 装置功能第54-55页
        4.4.2 系统安装第55-58页
第五章 软件实现与现场实例第58-65页
    5.1 工况诊断软件的实现第58-62页
        5.1.1 数据的传输第58页
        5.1.2 数据的接受和储存第58-60页
        5.1.3 工况诊断软件实现第60-62页
    5.2 螺杆泵井实时工况自动诊断应用实例第62-65页
结论第65-66页
参考文献第66-69页
致谢第69页

论文共69页,点击 下载论文
上一篇:纳米SiO2改性树脂防砂体的力学性能及破坏机理研究
下一篇:交联酸纳米颗粒复合体系制备与性能评价研究