| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题研究背景和意义 | 第9页 |
| ·DM 的产生和概念 | 第9-10页 |
| ·DM 一般过程与系统结构 | 第10-11页 |
| ·SPM 基本概念 | 第11-12页 |
| ·SPM 常用方法与主要技术 | 第12-14页 |
| ·论文主要研究内容及组织结构 | 第14-15页 |
| 第二章 抽油机井状态诊断方法及特征 | 第15-24页 |
| ·抽油机井运行状态及特征 | 第15-17页 |
| ·抽油机结蜡状态形成原理及影响 | 第15-16页 |
| ·抽油机失平衡状态形成原理及影响 | 第16-17页 |
| ·抽油机状态诊断方法及特征 | 第17-21页 |
| ·ID 诊断法 | 第17-20页 |
| ·电流曲线诊断法 | 第20-21页 |
| ·抽油机状态诊断的智能方法 | 第21页 |
| ·SPM 基本算法 | 第21-23页 |
| ·SP 的 AprioriAll 算法 | 第22页 |
| ·SP 的 GSP 算法 | 第22页 |
| ·SP 的 FreeSpan 算法 | 第22页 |
| ·SP 的 Prefixspan 算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于多层次序列模式挖掘的抽油机状态诊断 | 第24-30页 |
| ·数据预处理 | 第24-26页 |
| ·数据过滤 | 第24-25页 |
| ·不完整数据的预处理机制 | 第25-26页 |
| ·基于 Prefixspan 算法的抽油机运行模式挖掘 | 第26-29页 |
| ·Prefixspan 算法原理 | 第26页 |
| ·基于 Prefixspan 算法的抽油机结蜡情况诊断 | 第26-27页 |
| ·基于 Prefixspan 算法的抽油机平衡情况诊断 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于 PNNs 的抽油机故障模式诊断研究 | 第30-45页 |
| ·PNNs 模型 | 第30-31页 |
| ·MPNNs 网络模型建立与训练 | 第31-38页 |
| ·MPNNs 基本模型 | 第32-33页 |
| ·MPNNs 网络结构设计 | 第33-34页 |
| ·MPNNs 学习算法研究 | 第34-36页 |
| ·MPNNs 在抽油机产液电流载荷状态预测中的应用 | 第36-38页 |
| ·DPNNs 网络模型建立与训练 | 第38-44页 |
| ·DPNNs 基本模型 | 第38-40页 |
| ·功率曲线数据归一化 | 第40页 |
| ·DPNNs 网络结构设计 | 第40-41页 |
| ·DPNNs 学习算法研究 | 第41-42页 |
| ·DPNNs 在抽油机电流功率状态预测中的应用 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 PNNs 在抽油机井状态诊断中的应用 | 第45-54页 |
| ·MPNNs 在抽油机井结蜡状态诊断中的应用 | 第45-48页 |
| ·应用背景 | 第45页 |
| ·基于 MPNNs 的抽油机结蜡状态诊断与预测 | 第45-48页 |
| ·DPNNs 在抽油机井平衡状态诊断中的应用 | 第48-53页 |
| ·应用背景 | 第48-49页 |
| ·基于 DPNNs 抽油机平衡状态诊断与预测 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 结论与展望 | 第54-56页 |
| ·全文总结 | 第54页 |
| ·今后的研究方向 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 发表文章目录 | 第59-60页 |
| 致谢 | 第60-61页 |
| 详细摘要 | 第61-69页 |
