基于Elman神经网络的示功图诊断研究-计算机应用技术专业论文.docxVIP

独 创 性 说 明 本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获 得安徽工业大学或其他教育机构的学位或证书所使用过的材料。与我 一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 签名 日期： 关于论文使用授权的说明 本人完全了解安徽工业大学有关保留、使用学位论文的规定， 即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校 可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手 段保存论文,保密的论文在解密后应遵循此规定。 签名 导师签名 日期： 摘 要 当前在抽油机井的开采过程中，及时地了解和掌握抽油机井下的工作状况， 实现整个采油系统的自动监控，是整个 石油行业迫切需要解决的课题。由于抽油 机井下环境比较复杂，抽油设备经常会遭受到无故的损坏，会严重影响石油的产 量和经济效益。因此，本文在传统的工况故障诊断上研究了抽油机井的智能诊断 技术。 传统上，油井工作人员通过实测地面示功图来判断抽油机井下的工作状况， 但是由于抽油机杆柱的变型、杆柱粘滞阻力、振动和惯性等其它因素的影响，地 面示功图很难对井下泵的工作状况做出正确地判断。因此本文通过研究井下泵的 电流变化规律来反应泵的工作情况，这种方法被