本文主要研究内容
作者徐通（2019）在《基于优化RBF网络的油田智能故障诊断系统研究》一文中研究指出：随着数字化油田建设与发展,示功图数据迈入了大数据时代。将神经网络作为核心算法的示功图诊断法成为了当今抽油机故障诊断领域的研究热点和发展趋势。RBF神经网络是目前应用最广泛的神经网络之一,但是其核函数参数选择的局限性对算法的性能造成很大影响。本文从优化RBF神经网络的核函数参数入手,建立了PSO-RBF神经网络,提升了RBF神经网络的性能。并使用PSO-RBF神经网络作为核心算法研制了新的油田智能故障诊断系统,用于抽油系统的故障诊断。首先基于矩阵灰度化原理,自行设计编写了一套示功图灰度化程序,对实采各类示功图进行了灰度化处理,提取了示功图的灰度矩阵特征信息,建立了作为故障诊断样本数据来源的示功图灰度矩阵特征信息数据库。针对RBF神经网络在核函数参数选择上的局限性,提出了针对其核函数参数的优化策略,比对优化方法后,选定K-Means++算法优化RBF网络核函数的中心值,使用改进后的PSO算法代替梯度下降法,优化RBF网络核函数的权值和宽度,构建了POS-RBF神经网络;并采用UCI数据库中的Winequality数据以及建立的示功图特征信息数据库中的数据对改进前后的算法性能进行对比,对比结果表明优化后的PSO-RBF神经网络在训练误差和拟合误差上均优于传统RBF神经网络。最后,以建立的示功图特征信息数据库为基础,提出的传统示功图诊断法与PSO-RBF神经网络的融合算法,并研制了一种新的油田智能故障诊断系统,实现了示功图故障类型的准确诊断。
Abstract
sui zhao shu zi hua you tian jian she yu fa zhan ,shi gong tu shu ju mai ru le da shu ju shi dai 。jiang shen jing wang lao zuo wei he xin suan fa de shi gong tu zhen duan fa cheng wei le dang jin chou you ji gu zhang zhen duan ling yu de yan jiu re dian he fa zhan qu shi 。RBFshen jing wang lao shi mu qian ying yong zui an fan de shen jing wang lao zhi yi ,dan shi ji he han shu can shu shua ze de ju xian xing dui suan fa de xing neng zao cheng hen da ying xiang 。ben wen cong you hua RBFshen jing wang lao de he han shu can shu ru shou ,jian li le PSO-RBFshen jing wang lao ,di sheng le RBFshen jing wang lao de xing neng 。bing shi yong PSO-RBFshen jing wang lao zuo wei he xin suan fa yan zhi le xin de you tian zhi neng gu zhang zhen duan ji tong ,yong yu chou you ji tong de gu zhang zhen duan 。shou xian ji yu ju zhen hui du hua yuan li ,zi hang she ji bian xie le yi tao shi gong tu hui du hua cheng xu ,dui shi cai ge lei shi gong tu jin hang le hui du hua chu li ,di qu le shi gong tu de hui du ju zhen te zheng xin xi ,jian li le zuo wei gu zhang zhen duan yang ben shu ju lai yuan de shi gong tu hui du ju zhen te zheng xin xi shu ju ku 。zhen dui RBFshen jing wang lao zai he han shu can shu shua ze shang de ju xian xing ,di chu le zhen dui ji he han shu can shu de you hua ce lve ,bi dui you hua fang fa hou ,shua ding K-Means++suan fa you hua RBFwang lao he han shu de zhong xin zhi ,shi yong gai jin hou de PSOsuan fa dai ti ti du xia jiang fa ,you hua RBFwang lao he han shu de quan zhi he kuan du ,gou jian le POS-RBFshen jing wang lao ;bing cai yong UCIshu ju ku zhong de Winequalityshu ju yi ji jian li de shi gong tu te zheng xin xi shu ju ku zhong de shu ju dui gai jin qian hou de suan fa xing neng jin hang dui bi ,dui bi jie guo biao ming you hua hou de PSO-RBFshen jing wang lao zai xun lian wu cha he ni ge wu cha shang jun you yu chuan tong RBFshen jing wang lao 。zui hou ,yi jian li de shi gong tu te zheng xin xi shu ju ku wei ji chu ,di chu de chuan tong shi gong tu zhen duan fa yu PSO-RBFshen jing wang lao de rong ge suan fa ,bing yan zhi le yi chong xin de you tian zhi neng gu zhang zhen duan ji tong ,shi xian le shi gong tu gu zhang lei xing de zhun que zhen duan 。
论文参考文献
论文详细介绍
论文作者分别是来自西安石油大学的徐通，发表于刊物西安石油大学2019-07-04论文，是一篇关于示功图灰度化论文,灰度矩阵特征信息论文,神经网络论文,故障智能诊断系统论文,西安石油大学2019-07-04论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自西安石油大学2019-07-04论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：示功图灰度化论文; 灰度矩阵特征信息论文; 神经网络论文; 故障智能诊断系统论文; 西安石油大学2019-07-04论文;