有杆抽油系统故障诊断的人工神经网络方法

doi:10.7623/syxb200602023

石油学报 ›› 2006, Vol. 27 ›› Issue (2): 107-110.DOI: 10.7623/syxb200602023

有杆抽油系统故障诊断的人工神经网络方法

徐芃, 徐士进, 尹宏伟

南京大学地球科学系, 江苏, 南京, 210093

收稿日期:2005-06-24 修回日期:2005-08-30 出版日期:2006-03-25 发布日期:2010-05-21
作者简介:徐芃,女,1976年2月生,2000年获南京理工大学硕士学位,现为南京大学博士研究生,主要研究方向为模式识别和神经网络.E-mail:xu_peng_nj@sma.com
基金资助:
国家自然科学基金项目(No.40402019)资助

Application of BP neural network and self-organizing competitive neural network to fault diagnosis of suck rod pumping system

Xu Peng, Xu Shijin, Yin Hongwei

Department of Geosciences, Nanjing University, Nanjing 210093, China

Received:2005-06-24 Revised:2005-08-30 Online:2006-03-25 Published:2010-05-21

摘要/Abstract

摘要： 将人工神经网络用于有杆抽油系统故障的自动识别.对江苏油田的实测示功图数据进行了预处理,利用Matlab6.5进行编程,应用相同的数据对BP神经网络模型和自组织竞争神经网络模型的识别效率进行了对比.结果表明,由自组织竞争神经网络建立的模型对测试数据的正确识别率更高,识别效果稳定.因此,将自组织竞争神经网络应用于示功图的自动识别问题对实现有杆抽油系统故障诊断的自动化以及实现真正意义上的数字油田提供了一种有效途径.

关键词: 有杆抽油系统, 故障诊断, 示功图, 自动识别, BP神经网络, 自组织竞争神经网络, 诊断模型

Abstract: On the basis of the artificial neural networks(ANN),a self-organizing competitive neural network model was developed and used for automation recognition of dynamometer cards and fault diagnosis for suck rod pumping system.Compared with BP neural network model,the self-organizing competitive neural network model has good classification and generalization capability for recognition of dynamometer cards.

Key words: suck rod pumping system, fault diagnosis, dynamometer card, automatic recognition, BP neural network, self-organizing competitive neural network, diagnosis model

中图分类号:

TE833

徐芃, 徐士进, 尹宏伟. 有杆抽油系统故障诊断的人工神经网络方法[J]. 石油学报, 2006, 27(2): 107-110.

Xu Peng, Xu Shijin, Yin Hongwei. Application of BP neural network and self-organizing competitive neural network to fault diagnosis of suck rod pumping system[J]. Editorial office of ACTA PETROLEI SINICA, 2006, 27(2): 107-110.

[1]	李金诺, 龚仁彬, 李群, 王从镔, 姚刚. 一种抽油机示功图数据无损压缩存储方法[J]. 石油学报, 2016, 37(2): 266-272.
[2]	戚元华, 林伟国, 吴海燕. 基于时域统计特征的天然气管道泄漏检测方法[J]. 石油学报, 2013, 34(6): 1195-1199.
[3]	李敬元陈国春李子丰李慧云. 滤波技术在有杆泵抽油系统诊断中的应用[J]. 石油学报, 2010, 31(1): 144-147.
[4]	裴峻峰, 张嗣伟, 齐明侠, 万广伟. 钻井泵液力端故障诊断新方法[J]. 石油学报, 2009, 30(4): 617-620.
[5]	刘柏希, 刘宏昭. 基于LuGre摩擦模型的定向井有杆抽油系统动态参数预测[J]. 石油学报, 2008, 29(6): 938-941.
[6]	刘磊明, 张发强, 闫成玉, 殷进垠, 黄学斌. 有杆抽油系统通用数学模型研究[J]. 石油学报, 2008, 29(5): 769-772.
[7]	何岩峰, 吴晓东, 韩国庆, 肖伟, 李伟超, 于晓玲. 示功图频谱分析新方法[J]. 石油学报, 2008, 29(4): 619-624.
[8]	董世民, 王胜杰, 卢东风, 姬生柱, 侯维前, 王希涛. 定向井有杆抽油系统抽汲参数的优化设计和仿真模型[J]. 石油学报, 2008, 29(1): 120-123.
[9]	李道伦, 卢德唐, 孔祥言, 杜奕. BP神经网络隐式法在测井数据处理中的应用[J]. 石油学报, 2007, 28(3): 105-108.
[10]	冯定, 朱宏武, 薛敦松. 基于系统分析的潜油电泵机组综合诊断模型[J]. 石油学报, 2007, 28(1): 127-130.
[11]	靳松, 朱筱敏, 钟大康. 变差函数在沉积微相自动识别中的应用[J]. 石油学报, 2006, 27(3): 57-60.
[12]	张允, 张宁生, 刘茜, 宁刚. 钻井机械故障诊断数据挖掘系统结构的研究[J]. 石油学报, 2006, 27(1): 111-113.
[13]	裴峻峰, 张嗣伟, 齐明侠. 共振解调和模糊识别技术在钻井泵轴承故障诊断中的应用[J]. 石油学报, 2005, 26(4): 119-122.
[14]	姜建胜, 林立, 由宏君, 刘先刚. 有杆抽油系统无级调冲次工艺研究[J]. 石油学报, 2005, 26(2): 111-114.
[15]	许少华, 刘扬, 何新贵. 基于过程神经网络的水淹层自动识别系统[J]. 石油学报, 2004, 25(4): 54-57.

有杆抽油系统故障诊断的人工神经网络方法

Application of BP neural network and self-organizing competitive neural network to fault diagnosis of suck rod pumping system

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价