| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景与研究意义 | 第11-12页 |
| 1.2 抽油机故障诊断技术的国内外研究现状 | 第12-13页 |
| 1.2.1 抽油机故障诊断技术的国外研究现状 | 第12页 |
| 1.2.2 抽油机故障诊断技术的国内研究现状 | 第12-13页 |
| 1.3 抽油机驱动电机故障诊断技术国内外研究现状 | 第13-15页 |
| 1.3.1 电机故障诊断技术国外研究现状 | 第13-14页 |
| 1.3.2 电机故障诊断技术国内研究现状 | 第14-15页 |
| 1.4 抽油机及其驱动电机故障监控系统现存问题 | 第15页 |
| 1.5 论文的主要研究内容 | 第15-17页 |
| 第2章 抽油机及其驱动电机的工作原理与故障分析 | 第17-41页 |
| 2.1 抽油机分类及其采油方法的研究 | 第17-18页 |
| 2.2 有杆泵式抽油机的工作原理 | 第18-20页 |
| 2.3 抽油机驱动电机的工作原理 | 第20页 |
| 2.4 抽油机及其驱动电机常规故障分析 | 第20-39页 |
| 2.4.1 基于示功图的抽油机故障分析 | 第21-32页 |
| 2.4.2 示功图故障特征参数提取 | 第32页 |
| 2.4.3 抽油机驱动电机常规故障机理分析 | 第32-36页 |
| 2.4.4 驱动电机故障特征参数提取 | 第36-39页 |
| 2.5 本章小结 | 第39-41页 |
| 第3章 基于BP神经网络的抽油机及其驱动电机故障诊断 | 第41-51页 |
| 3.1 抽油机故障诊断BP神经网络的建立 | 第41-45页 |
| 3.1.1 神经网络结构的确定 | 第41-42页 |
| 3.1.2 神经网络输入输出神经元个数的确定 | 第42-43页 |
| 3.1.3 学习样本数目的确定及处理 | 第43-44页 |
| 3.1.4 隐含层神经元个数的确定 | 第44-45页 |
| 3.2 驱动电机故障诊断BP神经网络的建立 | 第45-46页 |
| 3.3 基于BP神经网络故障诊断仿真分析 | 第46-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 基于模糊神经网络的抽油机及其驱动电机故障诊断 | 第51-67页 |
| 4.1 基于模糊神经网络和示功图分析的抽油机故障诊断 | 第51-63页 |
| 4.1.1 模糊神经网络故障诊断模型的建立 | 第51-54页 |
| 4.1.2 隶属度函数的确定及训练样本模糊量化 | 第54-57页 |
| 4.1.3 模糊神经网络的清晰化过程 | 第57页 |
| 4.1.4 基于BP学习算法模糊神经网络故障诊断仿真分析 | 第57-60页 |
| 4.1.5 基于黄金分割法变学习率BP算法故障诊断仿真及测试 | 第60-63页 |
| 4.2 基于黄金分割法变学习率BP算法驱动电机故障诊断 | 第63-65页 |
| 4.3 本章小结 | 第65-67页 |
| 第5章 抽油机故障监控系统设计 | 第67-81页 |
| 5.1 抽油机故障监控系统总体设计 | 第67-69页 |
| 5.2 数据采集功能的实现 | 第69页 |
| 5.3 系统远程通信的实现 | 第69-70页 |
| 5.3.1 现场层与站控层间的通信实现 | 第69-70页 |
| 5.3.2 站控层与管理层间的通信实现 | 第70页 |
| 5.4 状态诊断功能的实现 | 第70-74页 |
| 5.4.1 状态诊断特征参数的提取实现 | 第70-74页 |
| 5.4.2 LabVIEW中模糊神经网络算法的实现 | 第74页 |
| 5.5 数据管理功能的实现 | 第74-75页 |
| 5.6 监控系统测试 | 第75-80页 |
| 5.7 本章小结 | 第80-81页 |
| 第6章 总结与展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87页 |
