基于粗糙集神經(jīng)網(wǎng)絡(luò)的有桿抽油系統(tǒng)故障診斷研究.pdf

1、目前，計(jì)算機(jī)智能己經(jīng)在故障診斷中得到了廣泛應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)是一種自適應(yīng)非線性動(dòng)力學(xué)系統(tǒng)，具有可學(xué)習(xí)性和并行計(jì)算能力，可實(shí)現(xiàn)分類、自組織、聯(lián)想記憶等功能。由波蘭學(xué)者Z.Pawlak提出的粗糙集理論，是一種研究不精確、不確定性知識(shí)的數(shù)學(xué)工具，可方便地描述知識(shí)表示中不同屬性的重要性，減少知識(shí)表示空間的維數(shù)。 抽油機(jī)泵功圖包含有桿抽油系統(tǒng)工作狀態(tài)的豐富信息，是有桿抽油系統(tǒng)故障診斷的重要基礎(chǔ)資料，泵功圖識(shí)別是人工智能與模式識(shí)別技術(shù)在有桿

2、抽油系統(tǒng)領(lǐng)域的重要應(yīng)用。因此本文利用粗糙集理論的知識(shí)獲取和知識(shí)約簡(jiǎn)能力，以及神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和泛化能力，構(gòu)造粗糙集神經(jīng)網(wǎng)絡(luò)完成有桿抽油系統(tǒng)中的故障診斷。 本文融合粗糙集與神經(jīng)網(wǎng)絡(luò)的研究成果，建立基于粗糙集與神經(jīng)網(wǎng)絡(luò)結(jié)合的泵功圖識(shí)別方法，即先利用粗糙集理論有效降低泵功圖樣本特征的維數(shù)，再利用約簡(jiǎn)后樣本構(gòu)造網(wǎng)絡(luò)，簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)識(shí)別器結(jié)構(gòu)，減少神經(jīng)網(wǎng)絡(luò)識(shí)別器的學(xué)習(xí)和運(yùn)行的時(shí)間。最后利用MATLAB軟件建立有桿抽油系統(tǒng)井下故障診斷系統(tǒng)。