發(fā)布時(shí)間：2024-06-01 03:01

　　隨著數(shù)字化油田建設(shè)與發(fā)展,示功圖數(shù)據(jù)邁入了大數(shù)據(jù)時(shí)代。將神經(jīng)網(wǎng)絡(luò)作為核心算法的示功圖診斷法成為了當(dāng)今抽油機(jī)故障診斷領(lǐng)域的研究熱點(diǎn)和發(fā)展趨勢(shì)。RBF神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)之一,但是其核函數(shù)參數(shù)選擇的局限性對(duì)算法的性能造成很大影響。本文從優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的核函數(shù)參數(shù)入手,建立了PSO-RBF神經(jīng)網(wǎng)絡(luò),提升了RBF神經(jīng)網(wǎng)絡(luò)的性能。并使用PSO-RBF神經(jīng)網(wǎng)絡(luò)作為核心算法研制了新的油田智能故障診斷系統(tǒng),用于抽油系統(tǒng)的故障診斷。首先基于矩陣灰度化原理,自行設(shè)計(jì)編寫了一套示功圖灰度化程序,對(duì)實(shí)采各類示功圖進(jìn)行了灰度化處理,提取了示功圖的灰度矩陣特征信息,建立了作為故障診斷樣本數(shù)據(jù)來源的示功圖灰度矩陣特征信息數(shù)據(jù)庫。針對(duì)RBF神經(jīng)網(wǎng)絡(luò)在核函數(shù)參數(shù)選擇上的局限性,提出了針對(duì)其核函數(shù)參數(shù)的優(yōu)化策略,比對(duì)優(yōu)化方法后,選定K-Means++算法優(yōu)化RBF網(wǎng)絡(luò)核函數(shù)的中心值,使用改進(jìn)后的PSO算法代替梯度下降法,優(yōu)化RBF網(wǎng)絡(luò)核函數(shù)的權(quán)值和寬度,構(gòu)建了POS-RBF神經(jīng)網(wǎng)絡(luò);并采用UCI數(shù)據(jù)庫中的Winequality數(shù)據(jù)以及建立的示功圖特征信息數(shù)據(jù)庫中的數(shù)據(jù)對(duì)改進(jìn)前后的算法性能進(jìn)行對(duì)比,對(duì)比結(jié)...

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1API診斷法示功圖對(duì)比圖

圖1-1API診斷法示功圖對(duì)比圖圖1-2API設(shè)計(jì)法無因次曲線對(duì)比圖

圖1-2API設(shè)計(jì)法無因次曲線對(duì)比圖

2圖1-2API設(shè)計(jì)法無因次曲線對(duì)比圖井下示功圖診斷法是通過直接測(cè)量抽油泵井下工作工作數(shù)據(jù)得到示功圖[11]。，美國Gilbert等人發(fā)明了井下動(dòng)力儀。由于直接進(jìn)行井下測(cè)量，因此可以消除大機(jī)工作過程中對(duì)井上測(cè)量精度造成影響的因素。如：力的傳遞慣性、光桿摩擦、及一系列未知因....

圖1-3論文組織結(jié)構(gòu)圖

圖1-3論文組織結(jié)構(gòu)圖K-Means++算法和改進(jìn)的PSO算法對(duì)RBF神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)絡(luò)�；髽�(gòu)建的PSO-RBF神經(jīng)網(wǎng)絡(luò)為核心算法，研制一種新的油田

圖2-1智能示功儀

第二章示功圖特征信息的獲取和計(jì)算機(jī)技術(shù)的發(fā)展，數(shù)字化成為了當(dāng)前世界首次由美國前副總統(tǒng)戈?duì)柼岢觥Ｋ^“數(shù)字性、集成性三者融合的數(shù)據(jù)系統(tǒng)。受此概念球”概念具體應(yīng)用到到油氣田開發(fā)上，提出實(shí)現(xiàn)多層次、大數(shù)據(jù)融合，利用虛擬現(xiàn)實(shí)技絡(luò)化、智能化、可視化特點(diǎn)。通過互聯(lián)網(wǎng)信管理。實(shí)現(xiàn)基于數(shù)據(jù)的產(chǎn)....

本文編號(hào)：3985460