抽油井示功图神经网络识别模型

以专家经验及大量的现场实例为基础，应用模糊数学与人工神经网络技术理论，建立了有限个精选井下示功图的反向传播的神经网络示功图识别模型，该识别系统可初步用于对现场实测示功图进行识别诊断，性能基本稳定，能有效地诊断抽油机的故障类型。     

基于改进神经网络的抽油机故障智能诊断研究

针对目前抽油机示功图故障诊断人工分析方法效率低,而智能方法计算量大且识别类型少的问题,提出了抽油机故障智能诊断新方法,通过改进的自组织特征映射网络(SOM神经网络)对抽油机示功图进行故障诊断。对比了蚁群算法(ACO)、遗传算法(GA)、粒子群算法(PSO)对SOM神经网络的改进效果,PSO算法的最优个体适应度值最小,且所需的迭代次数少,收敛速度快。同时对比了神经网络BP、LVQ、常规SOM和PSO-SOM诊断模型效果,PSO-SOM神经网络在识别时间、诊断准确率和诊断方差方面展现出了明显的优势。采用傅里叶描绘子和不变矩复合的形状识别方法提取抽油机样本示功图特征参数,利用PSO-SOM神经网络技术进行学习训练和仿真分析,实现了不同工况模式的分类以及待测示功图的工况诊断。研究表明：对于XX油田现场抽油机700井次的9种不同工况示功图,PSO-SOM方法有效识别正确率高达90.3%,是实现智能化高效诊断示功图的一种有效途径。     

油井异常示功图智能甄别模型研究与应用

针对油田现场远程在线实时监测示功图异常、无法正常进行油井工况诊断与分析或诊断结果错误等问题,通过对示功图形成原理的分析,研究了示功图形成的4个阶段可能出现载荷与位移的异常情况,通过特征分析,提取了异常示功图的特征值,建立了示功图甄别模型,并编制了甄别软件。经J油田32井次的油井示功图甄别应用,有10井次的示功图异常,反馈给油田现场更换测试设备重新检测,并进行了示功图的对比检验,验证了甄别结果的准确性,符合率为100%,表明油井实时监测示功图智能甄别模型的研究能够为油田现场实时分析示功图数据的真伪、及时发现示功图测量仪器故障提供了手段,为提高油井工况诊断和分析的准确性提供了理论与技术支持,提升了油井智能化管理水平。     

基于稀疏自编码神经网络的抽油机井故障诊断

针对传统示功图识别方法对抽油机井进行故障诊断存在人工选取示功图几何特征,识别准确度低等问题,提出一种基于稀疏自编码神经网络的示功图智能识别模型。采用无监督学习方式的稀疏自编码器构建特征学习网络自动提取无标签示功图训练集图像特征,然后采用有标签示功图训练集对softmax分类器进行有监督训练,最后通过稀疏自编码神经网络对学习到的有标签示功图测试集特征进行分类并给出故障诊断结果。结果表明,将稀疏自编码神经网络应用于示功图识别,测试准确度能够达到99.44%,优于其它分类模型。稀疏自编码神经网络直接从像素层面提取所需要的特征,不需要人为选定设计特征,为提高示功图识别准确度提供了帮助,进而解决了抽油机井故障难以准确诊断的难题。     

油井异常示功图智能甄别模型及其应用

针对油田现场远程在线实时监测示功图异常、无法正常进行油井工况诊断与分析或诊断结果错误等问题,通过对示功图形成原理的分析,研究了示功图形成的4个阶段可能出现载荷与位移的异常情况,通过特征分析,提取了异常示功图的特征值,建立了示功图甄别模型,并编制了甄别软件。经J油田32井次的油井示功图甄别应用,有10井次的示功图异常,反馈给油田现场更换测试设备重新检测,并进行了示功图的对比检验,验证了甄别结果的准确性,符合率为100%,表明油井实时监测示功图智能甄别模型的研究能够为油田现场实时分析示功图数据的真伪、及时发现示功图测量仪器故障提供了手段,为提高油井工况诊断和分析的准确性提供了理论与技术支持,提升了油井智能化管理水平。     

抽油井地面示功图的回归分析

运用多元统计分析理论，结合理论研究成果和现场实际经验，对在抽油井现场收集的实测示功图进行了回归分析，给出了一种在正常稀油抽汲工况下预测示功图的方法．计算结果表明，这种方法预测出的几种具有代表性工况的系统效率均在现场实际公认的取值范围内，该方法可应用于抽油机的动力优化设计和分析．     

游梁式抽油机示功图的间接测量

用间接测量的方法来测量游梁式抽油机的示功图,建立了示功图的间接测量模型,并介绍了示功图的计算过程．提出了通过同步点信号来获取抽油机电机功率与光杆位移对应关系的方法．给出了该测量方法在现场的试验结果,并将间接测量的示功图与直接测量的示功图进行了比对,两者误差比较小．     

抽油井地面示功图的回归分析

运用多元统计分，结合理论研究成果和现场实际经验，对在抽油井现场收集的实测示功图进行了回归分析，给出了一种在正常稀油抽汲工况下预测示功图的方法。     

根据地面示功图对有杆泵故障自动诊断的理论研究

本文把模式识别方法与有杆泵抽油井的三维振动方程结合起来,提出了一种直接根据地面示功图对有杆抽油井井下故障进行自动诊断识别的数学模型,并进一步证明了该模型解的存在性和唯一性,这为直接利用地面示功图自动诊断有杆泵抽油井故障提供了理论依据。     

基于CNN卷积神经网络的示功图诊断技术

抽油机井示功图能够直接反映油井生产运行的情况,对其进行分析和研究是进行油井工况分析、参数优化最直接、最有效的手段。通过对油井参数及示功图进行数字化描述,结合卷积神经网络技术,建立示功图诊断模型并开发计算程序,实现对抽油机井工况的智能诊断。测试结果表明,该模型对供液不足、气体影响、偏磨、盘根紧等常见工况的诊断识别正确率达到89. 3%,具有较高的诊断精度,为油井工况分析和生产优化的有效技术手段。     

基于声卡的乳化液泵故障诊断系统

通过分析乳化液泵排、吸液阀振动产生的机理设计了泵的振动信号测试系统和泵的故障诊断软件。测试系统采用PC计算机、电涡传感器,声卡,建立了乳化液泵振动信号的信号采集系统并对测点的安放进行了说明。用声卡成功地代替了一般的数据采集卡来采集振动信号,有效的降低了整个测试系统的成本。乳化液泵故障诊断系统软件主要包括主调度模块、功能模块组、人工神经网络程序包和数据库等部分。主调度模块主要控制和协调诊断系统其它部分的工作。诊断系统软件的在线故障诊断功能、事后故障诊断功能、人工神经网络的训练以及其它工具的功能都是通过它调用相应的功能模块或子程序来实现的。中心数据库是为整个乳化液泵状态监测与故障诊断系统服务其主要功能是存储各种过程参数和故障诊断参数。     

泵示功图的凡尔开闭点位置研究

针对有杆抽油系统的泵示功图识别及产液量计算问题,以地面示功图为基础,结合抽油泵的工作原理,借助泵示功图,研究一种能较为准确定位抽油泵游动、固定凡尔开闭点的方法,并用其确定以任何形式呈现的泵示功图的凡尔开闭点位置.实际数据检测结果表明,该方法能够满足抽油井产液量计量的要求.     

基于功图的油井动液面计算模型及应用

针对油井动液面实时监测困难和基于地面功图推算误差大的问题,以油井地面示功图为条件,运用一维带阻尼波动方程求解泵功图;并研究了泵功图曲线各点的曲率计算模型、固定阀和游动阀开闭点确定方法以及泵功图上下冲程载荷差的计算方法。结合井筒及环空流体压力分布计算相关式,建立了基于泵功图计算动液面深度的数学模型。经51口油井的计算分析,计算动液面深度与实测动液面深度的最大相对误差为14.84%,最小相对误差为0.48%,平均相对误差为3.61%;相对误差在10%以内的有48口,占计算总井次的94.1%。研究结果表明所建立的计算模型具有较高的精度,能够实现了油井动液面的实时、准确计量,提高了油井生产分析的及时性,有利于油田数字化和信息化建设。     

往复泵泵组效率检测系统

本文介绍了一种用往复泵组的泵效检测系统,应用微机对泵的有关参数进行自动采集,绘制示功图并计算输出有关泵组效卑的数据结果.     

基于嵌入式linux的无线网卡驱动程序

若要在各种嵌入式设备终端上实现无线网络功能,基于Linux PCMCIA接口的无线网卡驱动和配置就成为需要解决的问题.分析了Linux下无线网卡驱动程序结构及设计方法,着重研究了无线网卡的初始化,数据包的接收和发送.     

智能IC卡安全模型分析及在高速公路网中的应用

智能IC卡在高速公路路网中的应用其安全性不容忽视。本文先提出了IC卡在高速公路联网收费中的安全模型，然后分析了模型中IC卡面临的威胁与攻击，最后结合联网收费的具体应用针对相应的攻击给出了解决方法与策略。     

OWLAN无线网卡的设计及与SIM卡的结合方案

简要介绍了OWLAN产生的背景及技术概况。研究了OWLAN中无线网卡的设计过程，进而对无线网卡和SIM卡的结合做了研究，提出了一个初步的技术方案，在方案的设计过程中主要考虑了移动终端鉴权，漫游，计费等方面的问题。     

帧中继通信网卡的设计

介绍了帧中继技术的原理和特点，对帧中继网卡的设计原理加以说明．在帧中继网卡上提供了帧中继用户网络接口，由专门的高集成度通信芯片实现相应的通信协议和功能．通过网卡，用户可使自己的通信设备与帧中继网络互联，从而充分地利用帧中继技术     

普通机房Windows 2000上PPPoE服务器实验方案

在为学校普通机房单网卡电脑设计的一个实验方案中,巧妙利用了Windows 2000中的Microsoft Loopback Adapter虚拟网卡与虚拟机的虚拟网卡连接,实现了PPPoE服务器与客户机的网络布局,其特点是设备要求低,容易实现。     

一种新型工业网卡的设计与实现

设计了一种基于冗余通信介质传输的RS 485接口驱动的工业网卡。该网卡解决了目前普遍采用单网线通信可靠性低的问题;同时,对线路上传输的数据进行多点采样,有效地滤除了信号传输过程中的噪声干扰,大大提高了网络通信的实时性与可靠性。