基于神经网络的油井故障诊断专家系统研究

《基于神经网络的油井故障诊断专家系统研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华中科技大学硕士学位论文一==2===；===；============2===；===；=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。本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。／由于泵功图形状包含了油井故障的丰富信息，因此，首先根据泵功图的几何特征，完成特征值的提取，作为神经网络的输入信号。然后，神经网络通过对样本的学习，将知识以权值和闽值的形式存储

2、在网络中。最后，网络的输出作为故障的类型模式。但它不具备解释功能。利用基于符号推理的专家系统完成对故障诊断结果的解释。因此，将神经网络和专家系统结合运用，发挥各自的优点，为井下故障诊断提供了新的理论方法和实现手段。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。本文还对用于

3、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。关键词：神经商蟛专家素绣故障落嘶BP算法泵坊旨有荐辐油机华中科技大学硕士学位论文：=：：：：==；====；==；=≈==；自==={==；=；====ABSTRACTIntheopeningupoilfields．it'saIlimporta

4、nttaskinpetroleumindustrytopredictanddiagnosethefaultundertheoilfields，tounderstandandmasterworking-pump’sconditionofoil6elds．andtorealizeautomaticmonitorandscientificmanagementinaexploitoilwell．Becauseitisdifficultthatthefaultsarediagnosedautomatically,afaultdiagnosisexpe

5、rtsystemisdesignedtoutilizepattemrecognitionofneuralnetworks·Becausemuchinformationisincludedintheworking-pump'sgraphofoilwell，since，atfirstthecharacteristicextractingisobtainedbasedthegeometriccharacteristicoftheworking—pump’Sgraphasinputsignalsofneuralnetworks．Thentheneu

6、ralnetworkskeeptheknowledgeinnetsintheformofweighandthresholdbylearningfromsamples．Finaltheoutputsofnetsaretypicalmodelsofthefault,butithasn’texplanatoryfunctions．Theresultsareexplainedbyexpertsystemsbasedsymbolinference．Therefore，it'sanewmethodandinstrumentalityforthefaul

7、tdiagnosistocombinebothSOthatthebothmeritscarlbegiyenfullplay．Themulti-subnettechnologyisappliedtothemulti-faultdiagnosissimultaneously．Itisadifficultyofthefaultdiagnosisforthepumpoilwellatpresent．ThelowspeedoflearningisapredominantdefectforthefaultdiagnosissystemsbaseBPne

8、uralnetworks．SeveralfastlearningalgorithmsforBPnetworksareanalyzedandstudied．Theconvergen