基于支持向量机的有杆抽油系统工况的诊断研究

《基于支持向量机的有杆抽油系统工况的诊断研究》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、学位论文创新性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安石油大学或其它教育机构J；匀学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。论文作者签名：搏日期：学位论文使用授权的说明斗乒尘本人完全了解西安石油大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工

2、作的知识产权单位属西安石油大学。学校享有以任何方法发表、复制、公开阅览、借阅以及申请专利等权利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时，署名单位仍然为西安石油大学。论文作者签名：导师签名：丑迎胜地。日飙．．五!主：三：枷日期：淖L功·注：如本论文涉密，请在使用授权的说明中指出(含解密年限等)。中文摘要论文题目：专业：硕士生：指导教师：基于支持向量机的有杆抽油系统工况的诊断研究IIIIIIIIIUlIIIIlY2426752摘要在当今世界石油生产中，有杆采油占据着主导地位。因为油田通常所处环境恶劣，工况复杂，

3、油井设备易于损坏，严重影响了采油效率和经济效益；所以及时掌握油井工况，对实现采油系统自动监控和科学管理而言十分重要。目前虽然有很多诊断方法，但对于相似示功图识别率低，因此本文提出支持向量机、神经网络、油井综合工况参数相结合的有杆抽油系统诊断方法，利用其对小样本事件的高度识别能力提高有杆抽油系统的故障诊断率。以有杆抽油系统工况为研究对象，深入分析了有杆抽油系统的工作原理及示功图的形成原理，重点介绍了典型工况下示功图的图形特点；并提取了实测示功图的不变矩(仍，f_1，．．一7)为图形几何特征，结合油井泵效(77。)、上冲程实测载荷与理论

4、载荷比值(觚)、下冲程实测载荷与理论载荷比值(必)组成了代表井况的特征参数，建立了有杆抽油系统典型工况的特征参数样本库；在此基础之上，基于统计学习理论与支持向量机理论，提出了以支持向量机为分类器的有杆抽油系统工况诊断方法。通过构造支持向量机的有杆抽油系统诊断实验表明：输入样本的预处理方式，核函数的选择及参数组合(惩罚因子C与参数g)的寻优都会对最终结果造成影响。为了验证该方法的优越性，在相同油井工况下，将支持向量机所得结果与神经网络(BP神经网络及径向基神经网络)作对比分析，结果证明在小样本和相似井况情况中支持向量机的诊断能力更强，

5、识别正确率更高。实验结果表明：综合特征((仍，扛l，．．．．7)，仉，蚯，峨)结合支持向量机的有杆抽油系统故障诊断方法，不仅可以较好解决相似示功图难以判断的问题，还具有较强的井况识别能力。关键词：示功图不变矩支持向量机神经网络故障诊断论文类型：应用研究II英文摘要Subject：AStudyonDiagnosisofSucker-rodPumpmgSystemBasedonSVMgInstructor：WuWei(signature)丛&坠鱼丛WeiHangxin(signature)丝亟虫擎i△ABSTRACTInrecentye

6、ars，rodpumpingoildominatesthemainpositionintheoilindustry．Oilfieldenvironmentisharsh，complexwellconditions，oilwellequipmentiseasytodamage，seriousimpactontheoilrecoveryefficiencyandeconomicbenefits．Sograsptheoilwellconditionsisveryimportanttoachievetheautomaticmonitorin

7、gandscientificmanagementofproductionsystems．Althoughtherearemanydiagnosticmethods，butthesemethodsmakessimilarindicatordiagramsrecognitionrateverylow．Thisarticlerodpumpingoilsystemdiagnosticmethodisthesupportvectormachines，neuralnetworks，wellsworkingparameterscombinatio

8、n．RodpumpingsystemfaultdiagnosisrateCanbeimprovedbyusingahighdegreeofrecognitionabilityofthismethodonasmallsampleofev