| 【中文题名】 | 有杆抽油系统井下工况诊断技术的研究 |
| 【英文题名】 | The Research of the Down-hole Work Condition Diagnosis Technique on the Rod Pumping System |
| 【学科专业】 | 应用数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-6-26 |
| 【中关键词】 | 有杆抽油系统,示功图,波动方程,工况诊断,神经网络, |
| 【英关键词】 | rod pumping system,dynagrams,wave equation,work condition diagnosing,neural networks, |
| 【分类导航】 | 工业技术>石油、天然气工业>油气田开发与开采>采油工程>采油技术> |
| 【论文摘要】 |
本论文对有杆抽油系统进行故障诊断的关键是获得井下泵示功图。因此提出一种迭代法与差分法相结合的数值分析方法,用来求解有杆抽油系统故障诊断模型,并将神经网络应用于示功图的识别。为了实现有杆抽油系统故障诊断的智能化,本文提出了一种基于嵌入式DSP处理器的示功图预处理方法。此方法可以实现计算机对实测示功图的识别,获得用于求解故障诊断模型的两个边界条件,即载荷与时间和位移与时间的关系曲线。
随着有杆抽油系统的推广应用,就需要对此新型有杆抽油系统的静态和动态特性进行分析,建立系统的预侧模型,并通过本文提出的隐式差分法求解此模型,可得到抽油杆柱各个截面上的受力状态,绘出任意截面的示功图,以便对该系统及其有关参数进行设计计算和选择,并为对该系统进行故障诊断提供理论依据。
论述了BP神经网络的拓扑结构和算法,总结了BP算法的缺点和不足。重点论述了影响网络泛化能力的各方面因素,并说明了获得具有高质量和有代表性地训练样本的方法。 |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-9 |
|
第一章 绪论 |
9-15 |
|
1.1 选题背景 |
9-10 |
|
1.2 课题的研究目的和意义 |
10 |
|
1.3 国内外研究的现状 |
10-11 |
|
1.4 课题研究的主要内容 |
11-15 |
|
第二章 诊断技术基础理论研究 |
15-25 |
|
2.1 波动方程的建立 |
15-16 |
|
2.2 波动方程数值解法 |
16-20 |
|
2.3 抽油机井示功图的类别 |
20-25 |
|
第三章 波动方程的求解 |
25-32 |
|
3.1 数学模型及其隐式差分格式 |
25-27 |
|
3.2 初始条件 |
27 |
|
3.3 上边界条件 |
27 |
|
3.4 下边界条件 |
27-28 |
|
3.5 数值计算方法 |
28-29 |
|
3.6 诊断模型求解过程说明 |
29-32 |
|
第四章 井下示功图的识别 |
32-52 |
|
4.1 人工神经网络的基本原理 |
32-39 |
|
4.2 BP 神经网络模型与算法 |
39-46 |
|
4.3 BP 网络识别系统 |
46-52 |
|
第五章 实例分析 |
52-56 |
|
5.1 数据采集过程 |
52 |
|
5.2 泵功图分析 |
52-53 |
|
5.3 BP 神经网络识别 |
53-56 |
|
第六章 总结与展望 |
56-57 |
|
致谢 |
57-58 |
|
主要参考文献 |
58-59 |
|
| 【DOI】 | LunWen.ID:2.2008.61520 |
