基于神经网络的油井故障诊断专家系统研究

摘要

在油井开采中,对抽油井井下故障进行预测和诊断,了解和掌握采油系统的工况,实现采油系统的自动监控和科学管理,是当前石油行业迫切需要解决的一个重大课题.该论文针对油田有杆泵抽油井井下故障难以自动诊断的问题,利用神经网络的高度模式识别能力,设计出了基于神经网络的故障诊断专家系统.针对目前油井井下故障诊断的难点——多故障同时诊断的问题,应用了多子网识别技术.对故障诊断系统所采用的BP网络存在收敛速度慢的问题,对多种改进的BP算法进行了分析和研究,对收敛速度进行了比较,结果表明:基于梯度下降改进算法中的弹性BP算法和基于数值优化算法中的Levenberg-Marquart法,能有效地解决这一问题.该文还对用于故障诊断的三层神经网络结构的确定和隐层神经元的机理进行了分析,并针对隐层单元数的选择问题,提出了利用遗传BP算法进行神经网络结构优化设计的方法.为了进一步提高诊断的准确性和多故障同时诊断的能力,论文还提出了集成神经网络和多子网联合诊断的方法.最后通过一个故障诊断实例,证明了该神经网络专家系统的有效性.

目录

文摘

英文文摘

1绪论

1.1基于神经网络智能诊断的形成

1.2神经网络的故障诊断能力

1.3课题背景介绍

1.4本文的组织安排

2反向传播(BP)网络

2,1 BP网络的结构

2.2误差反向传播算法(BP算法)

3 BP算法的改进

3.1 BP算法的不足

3.2基于标准梯度下降的改进方法

3.3基于数值优化的改进算法

4神经网络结构的优化设计

4.1隐层数的分析

4.2隐层神经元的作用机理

4.3神经网络结构的优化设计

4.4演化算法对多层感知器结构的优化

4.5演化多层感知器的实现及其在故障诊断中的应用

5有杆抽油机井井下故障诊断原理

5.1抽油泵的工作原理及泵功图的求取

5.2有杆抽油泵井井下故障的分类

5.3泵功图几何特征参数的提取

6基于神经网络的专家系统

6.1专家系统简介

6.2传统专家系统的缺陷

6.3神经网络专家系统的基本原理

6.4神经网络专家系统在有杆抽油井井下故障诊断中的应用

6.5故障诊断的实例分析

6.6基于多子网的多故障诊断

6.7实验结果

6.8针对课题背景的改进方向

总结

致谢

参考文献

附录1攻读学位期间发表论文目录