基于粗糙集神经网络的有杆抽油系统故障诊断研究

基于粗糙集神经网络的有杆抽油系统故障诊断研究

ID:32718670

大小:1.86 MB

页数:55页

时间:2019-02-15

基于粗糙集神经网络的有杆抽油系统故障诊断研究_第1页
基于粗糙集神经网络的有杆抽油系统故障诊断研究_第2页
基于粗糙集神经网络的有杆抽油系统故障诊断研究_第3页
基于粗糙集神经网络的有杆抽油系统故障诊断研究_第4页
基于粗糙集神经网络的有杆抽油系统故障诊断研究_第5页
资源描述:

《基于粗糙集神经网络的有杆抽油系统故障诊断研究》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、中文摘要论文题目:基于粗糙集神经网络的有杆抽油系统故障诊断研究专业:机械工程硕士生:袁比飞(签名)指导教师:吴伟(签名)陈福(签名)摘要目前,计算机智能己经在故障诊断中得到了广泛应用。人工神经网络是一种自适应非线性动力学系统,具有可学习性和并行计算能力,可实现分类、自组织、联想记忆等功能。由波兰学者Z.Pawlak提出的粗糙集理论,是一种研究不精确、不确定性知识的数学工具,可方便地描述知识表示中不同属性的重要性,减少知识表示空间的维数。抽油机泵功图包含有杆抽油系统工作状态的丰富信息,是有杆抽油系统故障诊断的重要基础资料,泵功图识别是人工智能与模式识别技术在有杆抽油系统领域的重要应用。因

2、此本文利用粗糙集理论的知识获取和知识约简能力,以及神经网络的学习能力和泛化能力,构造粗糙集神经网络完成有杆抽油系统中的故障诊断。本文融合粗糙集与神经网络的研究成果,建立基于粗糙集与神经网络结合的泵功图识别方法,即先利用粗糙集理论有效降低泵功图样本特征的维数,再利用约简后样本构造网络,简化神经网络识别器结构,减少神经网络识别器的学习和运行的时间。最后利用MATLAB软件建立有杆抽油系统井下故障诊断系统。网络诊断结果表明对于已学习过的样本知识,仿真结果与实际相吻合,表明该网络能够讵确地进行故障诊断,基于粗糙集与神经网络结合的泵功图识别系统的研究具有一定的理论意义和实践价值。关键词:故障诊断

3、;神经网络;粗糙集;泵功图;论文类型:应用研究¨英文摘要Subject"AStudyonFaultDiagnosisSystemforRodPumpedWellBasedontheRoughSetandNeuraINetworkSpecialty:MechanismEngineering^.Name:YuanBif:ei(sigⅡatu吨些型生岿::h“ruc协r-讹Che洲nFu:=;避(Signature)C,、-o^。±L^ABS’l。RAC。l’Nowadays,faultdiagnosishasdevelopedtotheComputationalIntelligentpha

4、se.ANNisaself-adaptnon—lineardynamicssystem.Ithasabilitiesoflearningandparallelcomputing,anditCanbeusedtoclassify,self-organizeandassociationmemory.RoughSettheory,anewmathematicaltooldealingwi血vaguenessanduncertainty,WasintroducedbyPolandscholarZ.Pawlak.ItCandescribethesignificanceofdifferentatt

5、ributesandreducethedimensionofknowledgespace.Thegraphofpumpworkcontainsmuchinformationwhichisimportantbasicdataforfaultdiagnosisabouttheworkconditionofsuckerrodpumpingoilsystem.Therefore,recognitionofthegraphofpumpworkhastheextremelyimportantpracticalsignificancewiththeunderstandingoilpumpingsys

6、temperformance.ThestudyinthisthesisshouldserveasthecombinationofANNandRStheoryresearchontheintelligentdiagnosisinthesuckerrodpumpingoilsystem.Combiningthesetwotheories,Thefaultdiagnosissystemhasbeenbuilted.Rou【ghsetisusedtosolvetheknowledgeacquisitionandreduction,andneuralnetworkisusedtosolvethe

7、patternrecognition.TheBPneuralnetshasbeenbuiltwiththepowerfulMATLAB-Toolboxtoclassifythefaulttype.ThediagnosisresultshowsthattherecognitionaccuracyCanreach.Thisarticlethroughthetheoreticalanalysisandtheexperimentalstudy,thef

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。