Print

基于GM-ELM的有杆泵抽油井故障诊断

论文摘要

为了解决有杆泵抽油井故障诊断问题,提出了基于灰度矩阵极限学习机（gray matrix-extreme learning machine,GM-ELM）故障诊断方法.首先用灰度矩阵对有杆泵抽油井进行故障特征提取;然后用数理统计的方法建立灰度矩阵的特征向量,将故障特征向量作为故障诊断模型的输入值;最后建立GM-ELM模型对有杆泵抽油井故障进行诊断.仿真结果表明该方法与GRNN（general regression neural network）方法、LS-SVM （least squares support vector machine）方法、BPNN（back propagation neural netw ork）方法相比具有更高的故障诊断准确率.

论文目录

  • 1 基于灰度矩阵的故障特征提取
  •   1.1 灰度矩阵理论
  •   1.2 故障特征提取
  • 2 基于GM-ELM的有杆泵抽油井故障诊断
  •   2.1 ELM原理
  •   2.2 GM-ELM的有杆泵抽油井故障诊断
  • 3 仿真结果
  • 4 结语

    • 文章来源

    类型: 期刊论文

    作者: 侯延彬,陈炳均,高宪文

    关键词: 特征提取,故障诊断,灰度矩阵,示功图

    来源: 东北大学学报(自然科学版) 2019年12期

    年度: 2019

    分类: 工程科技Ⅱ辑,工程科技Ⅰ辑

    专业: 石油天然气工业

    单位: 东北大学信息科学与工程学院

    基金: 国家自然科学基金资助项目(61573088)

    分类号: TE358

    页码: 1673-1678

    总页数: 6

    文件大小: 2763K

    下载量: 121

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/00924bef29549d28e9eafca5.html