基于电功率数据的抽油机故障诊断方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 抽油机故障诊断方法 | 第11-12页 |
| 1.2.2 不平衡数据分类算法 | 第12-14页 |
| 1.2.3 主动学习方法 | 第14-16页 |
| 1.3 论文主要内容与结构 | 第16-18页 |
| 第2章 抽油机典型故障电功率信号及特征提取 | 第18-30页 |
| 2.1 抽油机电功率信号 | 第18-23页 |
| 2.1.1 抽油机电功率信号采集 | 第18-20页 |
| 2.1.2 抽油机典型故障电功率信号 | 第20-23页 |
| 2.2 电功率信号分解及特征提取 | 第23-29页 |
| 2.2.1 小波变换 | 第23-25页 |
| 2.2.2 基于小波变换的电功率信号分解 | 第25-27页 |
| 2.2.3 抽油机电功率信号特征提取 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 基于不平衡分类的抽油机故障诊断 | 第30-38页 |
| 3.1 基于SVM的不平衡数据分类方法 | 第30-32页 |
| 3.1.1 支持向量机分类算法 | 第30-31页 |
| 3.1.2 SVM不平衡分类算法 | 第31-32页 |
| 3.2 多类不平衡数据SVM分类算法 | 第32-34页 |
| 3.3 抽油机电功率数据分类实验 | 第34-37页 |
| 3.3.1 实验设置 | 第34页 |
| 3.3.2 分类模型评价指标 | 第34-36页 |
| 3.3.3 实验结果分析 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 面向不平衡数据的主动学习方法 | 第38-59页 |
| 4.1 主动学习框架及其失效问题 | 第38-40页 |
| 4.1.1 主动学习 | 第38-39页 |
| 4.1.2 主动学习失效 | 第39-40页 |
| 4.2 基于聚类分析的主动学习方法 | 第40-46页 |
| 4.2.1 不确定区域构建 | 第41-42页 |
| 4.2.2 区域聚类分析 | 第42-44页 |
| 4.2.3 样本选择策略 | 第44-46页 |
| 4.2.4 停止条件 | 第46页 |
| 4.3 标准数据集测试实验 | 第46-56页 |
| 4.3.1 数据集介绍 | 第46-47页 |
| 4.3.2 实验结果分析 | 第47-56页 |
| 4.4 抽油机电功率数据测试实验 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 结论与展望 | 第59-61页 |
| 参考文献 | 第61-68页 |
| 攻读硕士学位期间取得的学术成果 | 第68-69页 |
| 致谢 | 第69页 |
