基于RBF神经网络的MC-PMSM系统研究

基于RBF神经网络的MC-PMSM系统研究

ID:37045694

大小:2.63 MB

页数:81页

时间:2019-05-15

基于RBF神经网络的MC-PMSM系统研究_第1页
基于RBF神经网络的MC-PMSM系统研究_第2页
基于RBF神经网络的MC-PMSM系统研究_第3页
基于RBF神经网络的MC-PMSM系统研究_第4页
基于RBF神经网络的MC-PMSM系统研究_第5页
资源描述:

《基于RBF神经网络的MC-PMSM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、工学硕士学位论文基于深度学习网络的潜油往复抽油机故障诊断研究李妍美哈尔滨理工大学2018年3月国内图书分类号:TP18工学硕士学位论文基于深度学习网络的潜油往复抽油机故障诊断研究硕士研究生:李妍美导师:于德亮申请学位级别:工学硕士学科、专业:电力电子与电力传动所在单位:电气与电子工程学院答辩日期:2018年3月授予学位单位:哈尔滨理工大学ClassifiedIndex:TP18DissertationfortheMasterDegreeinEngineeringResearchonFaultDiagnosisforSubmersibl

2、eReciprocatingPumpBasedonDeepLearningNetworkCandidate:LiYanmeiSupervisor:YuDeliangAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:ElectricEngineeringDateofOralExamination:March,2018HarbinUniversityofScienceandUniversity:Technology哈尔滨理工大学硕士学位论文原创性声明本人郑重声明:此处所提交的硕士

3、学位论文《基于深度学习网络的潜油往复抽油机故障诊断研究》,是本人在导师指导下,在哈尔滨理工大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知,论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体,均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名:日期:2018年3月31日哈尔滨理工硕士学位论文使用授权书《基于深度学习网络的潜油往复抽油机故障诊断研究》系本人在哈尔滨理工大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归哈尔滨理工大学所有,本论文的研究

4、内容不得以其它单位的名义发表。本人完全了解哈尔滨理工大学关于保存、使用学位论文的规定,同意学校保留并向有关部门提交论文和电子版本,允许论文被查阅和借阅。本人授权哈尔滨理工大学可以采用影印、缩印或其他复制手段保存论文,可以公布论文的全部或部分内容。本学位论文属于保密,在年解密后适用授权书。不保密√。(请在以上相应方框内打√)作者签名:日期:2018年3月31日导师签名:日期:2018年3月31日哈尔滨理工大学工学硕士学位论文基于深度学习网络的潜油往复抽油机故障诊断研究摘要目前,石油仍然是世界上极其重要的能源,如何高效可靠地实现原油的开采

5、,一直是国内外相关研究人员研究的焦点。为了克服传统原油举升设备的缺点,人们提出了潜油往复抽油机这一新的举升设备。虽然潜油往复抽油机便于控制、工作效率高,但是由于其提出时间尚短且配套技术发展不完善,大大限制了其应用规模。充分发挥潜油往复抽油机自身的优势,促进其在油田上的广泛应用,实现油田生产效益的全面提高,具有十分重要的意义。因此,通过对潜油往复抽油机的结构和工作原理深入分析,提出了适用于潜油往复抽油机故障诊断的方法。首先,因潜油往复抽油机属于无杆装置,故无法使用传统的地面示功图方法通过载荷和位移之间的关系进行故障诊断。但潜油往复抽油机

6、的驱动电机直接通过柱塞与抽油泵相连接,即电机的动力输出直接作用在负载上,所以其运行电流的数据值能够间接体现载荷大小。借鉴地面示功图的原理,选择潜油电机的电流作为判定其故障状态的特征信息。其次,由于传统的故障诊断方法需要与一定的特征提取方法进行结合才能够实现分类识别功能,而这些特征提取方法往往含有不同程度的人为经验,这在一定程度上会降低模型的诊断效果。为了尽量避免人为因素对原始故障数据的影响,提出一种潜油往复抽油机深度信念网络(DeepBeliefNetwork,DBN)故障诊断模型。第三,搭建基于电流的潜油往复抽油机DBN故障诊断模型

7、。在实验平台上模拟不同故障状态,采集记录其电机运行电流值,构建样本库。利用多隐含层结构的DBN故障诊断模型对潜油往复抽油机机组常出现的6种典型油井故障进行诊断,并与传统故障诊断方法进行效果对比,验证该方法的有效性。最后,限于基于电流的故障诊断方法只能实现潜油往复抽油机油井部分故障的识别,现结合井下多参数采集装置构建基于多参数的潜油往复抽油机DBN网络故障诊断方法。将系统监测到的7个井下机组相关参数和地面上测量的电机电流结合在一起,作为判定其运行状态的特征信息。最后,通过具体的实验-I-哈尔滨理工大学工学硕士学位论文分析,验证该方法的有

8、效性。因此,基于多参数的故障诊断方法能够全面判定机组的运行状态,为其正常长期可靠运行提供保障。关键词电机电流;DBN;井下多参数采集;故障诊断;潜油往复抽油机-II-哈尔滨理工大学工学硕士学位论文ResearchonFa

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。