本文關(guān)鍵詞： 工況診斷 過程神經(jīng)元網(wǎng)絡(luò) 極限學(xué)習(xí) Moore-Penrose廣義逆 網(wǎng)絡(luò)訓(xùn)練　出處：《計(jì)算機(jī)工程與科學(xué)》2017年10期 　論文類型：期刊論文

【摘要】：普通神經(jīng)網(wǎng)絡(luò)進(jìn)行抽油機(jī)工況診斷時(shí)存在診斷精度偏低的問題,提出選用連續(xù)過程神經(jīng)元網(wǎng)絡(luò)作為診斷模型,特征輸入選取能直接反映示功圖幾何形態(tài)特征的位移和載荷兩種連續(xù)信號(hào)。為提高模型學(xué)習(xí)速度,提出過程神經(jīng)網(wǎng)絡(luò)的極限學(xué)習(xí)算法,將訓(xùn)練轉(zhuǎn)換為最小二乘問題,根據(jù)樣本輸入計(jì)算隱層輸出矩陣,使用SVD法求解Moore-Penrose廣義逆,最后計(jì)算隱層輸出權(quán)值。通過診斷實(shí)驗(yàn),模型學(xué)習(xí)速度提升5倍左右,與普通神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比,診斷精度提高8個(gè)百分點(diǎn)左右,驗(yàn)證了方法的有效性。
[Abstract]:There is the problem of low diagnostic accuracy in the condition diagnosis of pumping unit by common neural network. The continuous process neural network is used as the diagnostic model. In order to improve the speed of model learning, a limit learning algorithm of process neural network is proposed in order to select two kinds of continuous signals of displacement and load that can directly reflect the geometric shape of indicator graph. The training is transformed into the least square problem, and the hidden layer output matrix is calculated according to the sample input, and the SVD method is used to solve the Moore-Penrose generalized inverse. Finally, the output weight of hidden layer is calculated. Through the diagnosis experiment, the learning speed of the model is increased about 5 times, and compared with the common neural network, the diagnostic accuracy is increased by about 8 percentage points, which verifies the validity of the method.
【作者單位】： 東北石油大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院;山東科技大學(xué)信息科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金(61170132) 黑龍江省教育廳基金(11551015)
【分類號(hào)】：TE933.1;TP183
【正文快照】： 1　引言在油田生產(chǎn)過程中,對(duì)抽油機(jī)故障的及時(shí)診斷,對(duì)油田生產(chǎn)、安全具有重要作用。示功圖中不僅包含抽油機(jī)的狀態(tài)信息,而且可實(shí)時(shí)反映井內(nèi)因素影響,因此利用示功圖進(jìn)行準(zhǔn)確的工況診斷具有很重要的現(xiàn)實(shí)意義[1]。目前,各采油廠利用示功圖診斷過程中,主要使用人工方式,方法有網(wǎng)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳新杰,孫定源,閆光輝;基于神經(jīng)網(wǎng)絡(luò)處理油井液面深度的方法[J];遼寧大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年01期

2 段善寧,汪玉春;神經(jīng)網(wǎng)絡(luò)技術(shù)在儲(chǔ)運(yùn)工程中的應(yīng)用綜述[J];天然氣與石油;2004年04期

3 孫輝;;神經(jīng)網(wǎng)絡(luò)技術(shù)在油田防砂中的應(yīng)用及發(fā)展方向分析[J];中外能源;2007年03期

4 賀康;龐海榮;代粉蕾;;SOM神經(jīng)網(wǎng)絡(luò)在全液壓鉆機(jī)液壓系統(tǒng)故障診斷中的應(yīng)用[J];煤礦機(jī)械;2011年04期

5 孫玉學(xué);謝建波;趙景原;歷艷明;王嬌;;應(yīng)用量子神經(jīng)網(wǎng)絡(luò)快速預(yù)測(cè)儲(chǔ)層敏感性[J];鉆采工藝;2012年05期

6 魏海平，夏吾勇;基于神經(jīng)網(wǎng)絡(luò)的離線調(diào)優(yōu)控制的研究[J];撫順石油學(xué)院學(xué)報(bào);1997年01期

7 施云惠,阮秋琦;基于再生核神經(jīng)網(wǎng)絡(luò)的斷層面模型重構(gòu)[J];中國圖象圖形學(xué)報(bào);2005年06期

8 胡永建;閆博;魯文俊;何媛媛;;神經(jīng)網(wǎng)絡(luò)自動(dòng)訓(xùn)練及井下復(fù)雜情況診斷[J];計(jì)算機(jī)應(yīng)用;2011年S1期

9 余建星,祁世芳;基于神經(jīng)網(wǎng)絡(luò)的長輸管道綜合可靠度評(píng)估方法[J];油氣儲(chǔ)運(yùn);2001年09期

10 印興耀，吳國忱，張洪宙;神經(jīng)網(wǎng)絡(luò)在儲(chǔ)層橫向預(yù)測(cè)中的應(yīng)用[J];石油大學(xué)學(xué)報(bào)(自然科學(xué)版);1994年05期

相關(guān)會(huì)議論文 前3條

1 劉喜梅;于飛;;潤滑油脫蠟過程的神經(jīng)網(wǎng)絡(luò)方法建模及仿真[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];1999年

2 孫效功;王碩儒;;函數(shù)型連接神經(jīng)網(wǎng)絡(luò)的一種改進(jìn)算法及其應(yīng)用[A];1993年中國地球物理學(xué)會(huì)第九屆學(xué)術(shù)年會(huì)論文集[C];1993年

3 詹治田;E．B．Karus;劉淑妹;;神經(jīng)網(wǎng)絡(luò)在多井插值中的應(yīng)用[A];1995年中國地球物理學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];1995年

相關(guān)博士學(xué)位論文 前3條

1 肖紅;離散過程神經(jīng)網(wǎng)絡(luò)算法及在儲(chǔ)層識(shí)R%中的應(yīng)用研究[D];東北石油大學(xué);2015年

2 張濤;用人工神經(jīng)網(wǎng)絡(luò)研究元素與巖漿巖、沉積巖巖性及沉積巖礦物的關(guān)系[D];西北大學(xué);2016年

3 王瓊;基于優(yōu)化理論的神經(jīng)網(wǎng)絡(luò)研究及在抽油機(jī)故障診斷中的應(yīng)用[D];東北石油大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 趙丹;混沌遺傳算法的神經(jīng)網(wǎng)絡(luò)在輸油管道泄漏中的應(yīng)用[D];東北石油大學(xué);2015年

2 張莉;基于粗糙集與神經(jīng)網(wǎng)絡(luò)的天然氣管道泄漏檢測(cè)[D];東北石油大學(xué);2015年

3 周坤;管道智能檢測(cè)裝置里程系統(tǒng)的研究與設(shè)計(jì)[D];東北大學(xué);2014年

4 王思宇;基于EMD和BP神經(jīng)網(wǎng)絡(luò)的天然氣管道泄漏監(jiān)測(cè)[D];東北石油大學(xué);2016年

5 龍盼;基于優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的油田回注水余氯預(yù)測(cè)模型研究[D];武漢科技大學(xué);2016年

6 趙月嬌;基于生物地理優(yōu)化算法的神經(jīng)網(wǎng)絡(luò)故障診斷方法研究[D];東北石油大學(xué);2013年

7 周志光;神經(jīng)網(wǎng)絡(luò)技術(shù)在油田分析中的應(yīng)用研究[D];吉林大學(xué);2007年

8 李桂山;基于靜態(tài)電成像的砂礫巖儲(chǔ)層巖性識(shí)別研究[D];中國石油大學(xué);2011年

9 李松松;神經(jīng)網(wǎng)絡(luò)在管道漏磁信號(hào)分析中的應(yīng)用[D];沈陽工業(yè)大學(xué);2003年

10 張晗;基于神經(jīng)網(wǎng)絡(luò)的錄井導(dǎo)向?qū)＜蚁到y(tǒng)研究[D];大連海事大學(xué);2009年

，

本文編號(hào)：1442637