【摘要】：在石油開采的過程中,及時去了解抽油井下的工作情況尤為重要。在傳統(tǒng)上,井下的工作情況是由井上專家人員通過觀察得到的實際示功圖,利用經(jīng)驗進行判斷的,判斷結(jié)果容易受到人為因素和技術(shù)水平的影響。示功圖是對油井工況進行分析研究的主要依據(jù),井下的工作情況是通過對示功圖有效特征的分析判斷得出的,根據(jù)示功圖的面積變化和點線角幾何特征,能夠反映出異常故障現(xiàn)象。因此利用計算機對示功圖進行特征提取,進而可以更快速準確的對其故障進行分類。所以通過計算機對示功圖故障類別進行準確的分類意義重大。本文結(jié)合示功圖圖形特征,對示功圖位移載荷坐標提出了兩種特征提取方法,并對常見故障示功圖提出了二次診斷模型。主要完成以下內(nèi)容。首先,通過對示功圖點線角特征進行分析研究,提出一種基于特征點的位置,特征線的波動系數(shù),特殊角的方差系數(shù)的特征提取方法。并選取特征點,特征線和特征角9個特征,利用樣本庫去構(gòu)建分類特征向量,并結(jié)合該向量提出幾何特征故障判定方法。其次,通過對示功圖輪廓區(qū)域面積進行分析研究,提出一種基于幾何面積變化的特征提取方法。對示功圖進行了坐標歸一化和點數(shù)歸一化,并將示功圖網(wǎng)格化之后,選用示功圖曲線外區(qū)域面積變化特征值,建立一種面積填充模型,給出具體的網(wǎng)格面積計算方法,并結(jié)合6個區(qū)域面積變化提出一種幾何特征識別的故障判定方法。最后,提出一種二次診斷方法,該算法將點線角特征和面積變化特征進行了結(jié)合。并且對所提算法從時間效率和識別準確率分別進行了實驗對比驗證。
【圖文】：

圖 2-1 理論示功圖2.2.2 實測示功圖如圖 2-2 所示，該圖為實測示功圖圖形，數(shù)據(jù)取自中國石油長慶油田公司下屬第三采油廠的一些樣本，該樣本也是本文進行實驗驗證所使用樣本。

燕山大學工學碩士學位論文圖 2-1 理論示功圖2.2.2 實測示功圖如圖 2-2 所示，該圖為實測示功圖圖形，數(shù)據(jù)取自中國石油長慶油田公司下屬第三采油廠的一些樣本，該樣本也是本文進行實驗驗證所使用樣本。
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TE34

【相似文獻】

相關(guān)期刊論文 前10條

1 陳輝;;淺議車牌識別中字符的特征提取方法[J];科技傳播;2009年05期

2 徐德友,胡壽松;利用粗集上近似處理特征提取中的噪聲問題[J];南京理工大學學報(自然科學版);2002年S1期

3 佟德純;王永興;;一種新的齒輪狀態(tài)的分類識別方法—CEP-AR特征提取與分類[J];振動與沖擊;1988年03期

4 羅斌;黃端旭;;皮膚癌表面圖象特征提取[J];安徽大學學報(自然科學版);1989年03期

5 王仁華;宋原章;;漢語孤立音節(jié)的分段研究[J];信號處理;1989年02期

6 史廣;楊艷;;沙化土地地理信息多維結(jié)構(gòu)特征提取仿真[J];計算機仿真;2019年11期

7 楊小軍;;圖片特征提取[J];中小企業(yè)管理與科技(中旬刊);2017年03期

8 武弘;;六種常用的網(wǎng)絡(luò)流量特征提取工具[J];計算機與網(wǎng)絡(luò);2017年06期

9 李晉徽;楊俊安;王一;;一種新的基于瓶頸深度信念網(wǎng)絡(luò)的特征提取方法及其在語種識別中的應(yīng)用[J];計算機科學;2014年03期

10 唐朝霞;;一種基于特征提取的簡答題閱卷算法[J];湖南工程學院學報(自然科學版);2010年01期

相關(guān)會議論文 前10條

1 王紀凱;王鵬;張啟彬;陳宗海;;激光數(shù)據(jù)特征提取與學習方法[A];第17屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)年會論文集（17th CCSSTA 2016）[C];2016年

2 薛燕;李建良;朱學芳;;人臉識別中特征提取的一種改進方法[A];第十三屆全國圖象圖形學學術(shù)會議論文集[C];2006年

3 黃先鋒;韓傳久;陳旭;周劍軍;;運動目標的分割與特征提取[A];全國第二屆信號處理與應(yīng)用學術(shù)會議�？痆C];2008年

4 路文煥;曲悅欣;楊亞龍;王建榮;黨建武;;用于無聲語音接口的超聲圖像的混合特征提取[A];第十三屆全國人機語音通訊學術(shù)會議(NCMMSC2015)論文集[C];2015年

5 徐繼偉;李建中;柳勃;楊昆;;使用支持向量機和改進特征提取方法的蛋白質(zhì)分類[A];第二十二屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2005年

6 劉德剛;邵國凡;;高維遙感數(shù)據(jù)分析的特征提取方法[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學術(shù)年會文集[C];2000年

7 姜成柱;劉志成;何其芳;卞榮;席聞;;基于信號分解與稀疏恢復(fù)的空間群目標微動特征提取[A];第八屆中國航空學會青年科技論壇論文集[C];2018年

8 許強;楊佳;;基于線性加權(quán)的免疫克隆算法的手指靜脈特征提取[A];中國自動化學會控制理論專業(yè)委員會B卷[C];2011年

9 高學;金連文;尹俊勛;;基于筆劃密度的彈性網(wǎng)格特征提取方法[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

10 徐萍;武其松;羅昕煒;陶俊;;基于畸變拖曳陣的高保真特征提取方法[A];中國聲學學會水聲學分會2019年學術(shù)會議論文集[C];2019年

相關(guān)重要報紙文章 前3條

1 宇航智控;預(yù)測與健康管理(PHM)技術(shù)[N];中國航空報;2018年

2 記者 賈玎玎;北京紡控主營業(yè)務(wù)收入增長11.39%[N];首都建設(shè)報;2015年

3 中國信息通信研究院泰爾終端實驗室 曾晨曦 段虎才;深度學習框架的前世今生[N];人民郵電;2018年

相關(guān)博士學位論文 前10條

1 陳良琴;鉛鋅礦浮選表面特征提取關(guān)鍵算法研究[D];福州大學;2018年

2 王曉輝;汽車模具表面缺陷特征提取關(guān)鍵技術(shù)研究[D];南昌大學;2019年

3 蘇雷曼 施查布（SOULEYMAN CHAIB）;面向高分辨率圖像場景分類的特征提取與選擇研究[D];哈爾濱工業(yè)大學;2018年

4 宋洪超;基于微波的乳腺癌檢測算法研究[D];北京郵電大學;2018年

5 溫柳英;多模態(tài)數(shù)據(jù)特征提取的粒計算方法研究與應(yīng)用[D];西南石油大學;2017年

6 李文娟;基于局部特征提取的人臉識別方法研究[D];天津大學;2017年

7 王振宇;面向人臉識別的特征提取技術(shù)應(yīng)用研究[D];東南大學;2016年

8 馬麗紅;復(fù)雜背景下人臉的定位和特征提取[D];華南理工大學;1999年

9 謝平;故障診斷中信息熵特征提取及融合方法研究[D];燕山大學;2006年

10 張紹武;基于支持向量機的蛋白質(zhì)分類研究[D];西北工業(yè)大學;2004年

相關(guān)碩士學位論文 前10條

1 袁雷;基于想象語言識別的特征提取研究[D];北京理工大學;2017年

2 李霽鑫;基于深度學習的局部特征提取及其應(yīng)用[D];吉林大學;2019年

3 陳佳;基于深度學習的車內(nèi)人手檢測技術(shù)的研究[D];華中科技大學;2019年

4 張超凡;示功圖特征提取方法及其應(yīng)用研究[D];燕山大學;2019年

5 郭杰;潤滑油液中磨粒信號的處理與特征提取研究[D];燕山大學;2019年

6 李銘;基于稀疏表示的風電裝備傳動系統(tǒng)故障瞬態(tài)特征提取研究[D];燕山大學;2019年

7 張明明;基于光相位邊緣特征提取的生物細胞形態(tài)及動態(tài)活動快速檢測實驗研究[D];江蘇大學;2019年

8 肖雪;電靜壓伺服系統(tǒng)健康特征提取方法[D];中國運載火箭技術(shù)研究院;2019年

9 鄭渝;深度學習在認知雷達行為特征辨識中的應(yīng)用[D];中國運載火箭技術(shù)研究院;2019年

10 袁茂洲;X線肺部圖像的特征提取與分類方法研究[D];大連理工大學;2019年

，

本文編號：2621364