基于RBF网络的抽油机井故障诊断研究

摘要

抽油机井工作状况恶劣，在实际生产工作过程中，油井设备会出现各种各样的故障，影响到油井的正常生产，因此，有必要及时地对抽油机井作出故障判断。如何及时地作出正确的判断，一直是石油科技人员探讨的主要问题之一。针对这个问题，为提高故障判别准确性提出了用径向基函数神经网络(Radial Basis Function Neural Network，简称RBF网络)对抽油机井进行故障诊断。 本文主要围绕着以下三个方面的内容来开展基于RBF网络的抽油机井故障诊断的研究： (1)抽油井故障诊断系统的建立实地采集抽油井示功图，选用示功图的矩特征作为网络输入的特征向量，通过对示功图进行矩特征提取获得神经网络诊断用的征兆/故障样本集，使用这些征兆/故障样本训练RBF网络，以此建立基于RBF网络的抽油机井故障诊断模型。 (2)抽油井故障诊断系统的仿真分析隐层的径向基函数中心向量的求解算法及影响RBF网络泛化能力的分布函数spead，对比BP和RBF网络算法精度和速度，调用MATLAB神经网络工具箱软件包，对抽油井故障诊断系统进行仿真。 (3)抽油井故障诊断系统的验证通过大量的现场实测示功图对建立的RBF网络诊断模型进行验证，分析最后诊断结果，并且针对径向基函数网络的特点对影响诊断结果的因素进行了深入的分析和探讨。 通过上述三个方面的研究，建立的RBF网络对已知的五种典型故障类型能做到准确识别。其结果，对油田的实际生产有一定的指导意义。

目录

文摘

英文文摘

声明

第一章绪论

1.1引言

1.2抽油机井故障诊断研究及发展过程

1.2.1抽油机井故障诊断常用方法

1.2.2神经网络在抽油机井故障诊断中的应用

1.3论文主要研究内容

第二章径向基函数网络模型解析

2.1概述

2.1.1人工神经网络及其特征

2.1.2人工神经网络结构原理与学习算法

2.2径向基函数网络

2.2.1 RBF函数网络模型

2.2.2 RBF网络学习规则

2.2.3 RBF网络训练方式

2.2.4 RBF网络与BP网络的性能比较

2.2.5小结

第三章有杆抽油系统典型示功图及其矩特征提取

3.1有杆抽油系统典型示功图

3.1.1有杆抽油系统工作原理

3.1.2杆式抽油井的故障类型

3.1.3示功图的特征

3.2示功图的矩特征提取

3.2.1示功图的数字化及前处理

3.2.2示功图图像的二值化处理

3.2.3示功图图像的细化处理

3.2.4示功图的矩特征提取方法

3.3小结

第四章MATLAB环境下的故障诊断与仿真

4.1神经网络故障诊断策略

4.2 MATLAB环境下的诊断仿真

4.2.1 MATLAB语言与工具箱系统主要特点与功能

4.2.2 MATLAB环境下的诊断仿真流程

4.2.3径向基函数网络的创建与学习过程

4.3网络输入变量归一化处理

4.4应用举例

4.5小结

第五章基于RBF网络的抽油机井故障诊断

5.1 RBF网络诊断流程

5.2抽油机井故障诊断实例

5.2.1输入、输出向量的确定及征兆/故障样本集的设计

5.2.2网络输出处理

5.2.3网络测试结果与分析

5.3网络分布常数spead的选取

5.4小结

第六章结论

致谢

参考文献

附录

攻读学位期间发表的学术论文