基于多特征融合的示功图诊断方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究目的及意义 | 第9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.3.1 特征提取方法研究现状 | 第9-11页 |
| 1.3.2 智能诊断方法研究现状 | 第11-12页 |
| 1.4 本文的主要研究内容 | 第12-14页 |
| 第二章 抽油机工作原理及示功图测试 | 第14-20页 |
| 2.1 引言 | 第14页 |
| 2.2 抽油机的结构及工作原理 | 第14-15页 |
| 2.3 抽油机示功图 | 第15-19页 |
| 2.3.1 理论示功图 | 第15-16页 |
| 2.3.2 常见典型示功图 | 第16-18页 |
| 2.3.3 油田实测示功图 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 示功图特征提取方法研究 | 第20-31页 |
| 3.1 引言 | 第20页 |
| 3.2 轮廓特征提取方法研究 | 第20-23页 |
| 3.2.1 轮廓表示 | 第20-21页 |
| 3.2.2 轮廓特征参数 | 第21-22页 |
| 3.2.3 轮廓特征有效性仿真分析 | 第22-23页 |
| 3.3 区域特征提取方法研究 | 第23-30页 |
| 3.3.1 矩的定义 | 第23-24页 |
| 3.3.2 矩的变换形式 | 第24-25页 |
| 3.3.3 不变矩 | 第25-26页 |
| 3.3.4 小波变换 | 第26-27页 |
| 3.3.5 小波矩的构造 | 第27-29页 |
| 3.3.6 小波矩不变性仿真分析 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 多特征融合方法研究 | 第31-39页 |
| 4.1 引言 | 第31页 |
| 4.2 特征融合概述 | 第31页 |
| 4.3 特征融合算法 | 第31-38页 |
| 4.3.1 主成分分析特征融合 | 第32-34页 |
| 4.3.2 线性判别分析特征融合 | 第34-37页 |
| 4.3.3 两种特征融合方法比较 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 基于多特征融合的示功图诊断方法应用 | 第39-56页 |
| 5.1 引言 | 第39页 |
| 5.2 算法流程 | 第39页 |
| 5.3 示功图的获取 | 第39-40页 |
| 5.4 示功图图像分割 | 第40-44页 |
| 5.4.1 示功图二值化处理 | 第41-42页 |
| 5.4.2 示功图边缘检测 | 第42-43页 |
| 5.4.3 示功图边缘细化 | 第43-44页 |
| 5.5 示功图特征提取 | 第44-49页 |
| 5.5.1 圆形度特征提取 | 第44页 |
| 5.5.2 小波矩特征提取 | 第44-48页 |
| 5.5.3 示功图特征提取结果 | 第48-49页 |
| 5.6 示功图特征融合 | 第49-50页 |
| 5.7 基于模糊核聚类的示功图故障类型诊断 | 第50-55页 |
| 5.7.1 FCM算法 | 第51-52页 |
| 5.7.2 KFCM算法 | 第52-53页 |
| 5.7.3 示功图模糊核聚类分类结果 | 第53-55页 |
| 5.8 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 发表文章目录 | 第61-62页 |
| 致谢 | 第62-63页 |
