基于神经网络的抽油井故障诊断系统

论文摘要

在油井开采中,对抽油井井下故障进行预测和诊断,及时了解和掌握采油系统的工况,实现采油系统的自动化监控和科学管理,是当前石油行业迫切需要解决的问题。本文采用神经网络技术,利用其高度的识别能力,以井下有杆泵抽油井的故障诊断为例,设计并实现了基于神经网络的抽油井故障诊断系统,本文的主要工作如下:(1)论述了抽油井的工作原理,并对抽油井的主要故障及原因作了阐述。由于泵示功图包含了抽油井故障的丰富信息,因此着重研究了泵示功图的概念和表示抽油井故障的原理和类别,并提取其几何参数作为神经网络的输入信号;(2)对神经网络技术进行了总结,阐述了神经网络技术在故障诊断问题中的研究现状,重点分析了神经网络中应用最为广泛的BP网络,并结合抽油井井下故障诊断的特殊需求,提出了附加动量和自适应学习率的算法改进策略;(3)将改进后的BP算法用于抽油井故障诊断中,采用MATLAB实现了一个基于神经网络的抽油井故障诊断原型系统,并给出了原型系统的设计与实现过程。理论分析和实验表明,改进的BP神经网络在抽油井故障诊断系统中有较好的识别能力,具有一定的实用性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究目的和意义
• 1.2 国内外研究现状
• 1.3 本文的组织安排
• 第二章 抽油泵井故障诊断原理
• 2.1 抽油泵的工作原理
• 2.2 抽油泵井的主要故障
• 2.3 泵示功图
• 2.3.1 泵示功图的概念
• 2.3.2 泵示功图的类别
• 2.3.3 典型泵示功图分析
• 2.4 本章小结
• 第三章 神经网络技术
• 3.1 神经网络简介
• 3.1.1 神经网络的发展
• 3.1.2 神经网络的特点
• 3.1.3 神经网络在故障诊断中的应用
• 3.2 神经网络三要素
• 3.2.1 人工神经元模型
• 3.2.2 神经网络的拓扑结构
• 3.2.3 神经网络的学习
• 3.3 BP 神经网络
• 3.3.1 BP 神经网络的结构
• 3.3.2 BP 算法
• 3.3.3 BP 算法的不足及改进
• 3.3.4 BP 网络的泛化能力及其影响因素
• 3.4 本章小结
• 第四章 抽油井故障诊断系统的研究及实现
• 4.1 系统总体设计
• 4.2 系统开发工具-MATLAB 的简要介绍
• 4.2.1 MATLAB 系统
• 4.2.2 MATLAB 神经网络工具箱的使用
• 4.3 基于神经网络的抽油井故障诊断系统基本原理
• 4.4 原型系统功能设计与实现
• 4.4.1 泵示功图的预处理
• 4.4.2 神经网络的建立
• 4.4.3 神经网络训练
• 4.4.4 故障诊断的实现
• 4.5 本章小结
• 总结与展望
• 参考文献
• 攻读硕士学位期间取得的研究成果