声明
1绪论
1.1选题背景及研究意义
1.1.1选题背景
1.1.2研究意义
1.2国内外研究现状
1.3本文的主要研究内容及组织结构
2基本概念与理论分析
2.1抽油机示功图基础知识
2.2卷积神经网络基本知识
2.2.1网络结构
2.2.2激活函数
2.2.3反向传播算法
2.2.4权值初始化方法
2.3评估指标
2.3.1错误率与准确率
2.3.2召回率、精度、F值
2.4本章小结
3基于CNN的故障示功图诊断模型探究
3.1数据集的获取及预处理
1）数据集获取及划分
2）预处理
3.2示功图特性分析
3.3基础模型探究
3.3.1卷积核大小对模型性能的影响
3.3.2初始学习率对模型性能的影响
3.3.3网络深度对模型性能的影响
3.4初始化参数对网络性能的影响
3.5本章小结
4融合Bagging思想的CNN故障示功图识别方法
4.1 Bagging基本理论
4.2改进的Bagging投票机制
4.3融合改进投票策略的PB_CNN网络
4.4实验设计
4.4.1β值对F值的影响可视化
4.4.2实验数据集
4.4.3实验设置
4.4.4抽油机井故障示功图识别系统GUI
4.5本章总结
5总结与展望
5.1论文总结
5.2工作展望
致谢
参考文献
附录
