基于粗糙集神經網絡的有桿抽油系統(tǒng)故障診斷研究.pdf

1、目前，計算機智能己經在故障診斷中得到了廣泛應用。人工神經網絡是一種自適應非線性動力學系統(tǒng)，具有可學習性和并行計算能力，可實現(xiàn)分類、自組織、聯(lián)想記憶等功能。由波蘭學者Z.Pawlak提出的粗糙集理論，是一種研究不精確、不確定性知識的數(shù)學工具，可方便地描述知識表示中不同屬性的重要性，減少知識表示空間的維數(shù)。 抽油機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資料，泵功圖識別是人工智能與模式識別技術在有桿

2、抽油系統(tǒng)領域的重要應用。因此本文利用粗糙集理論的知識獲取和知識約簡能力，以及神經網絡的學習能力和泛化能力，構造粗糙集神經網絡完成有桿抽油系統(tǒng)中的故障診斷。 本文融合粗糙集與神經網絡的研究成果，建立基于粗糙集與神經網絡結合的泵功圖識別方法，即先利用粗糙集理論有效降低泵功圖樣本特征的維數(shù)，再利用約簡后樣本構造網絡，簡化神經網絡識別器結構，減少神經網絡識別器的學習和運行的時間。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)。