基于粗糙集的石油开采故障诊断方法被引量：3

Fault diagnosis method based on rough set oil exploration

下载PDF

导出

摘要故障诊断是保证石油开采正常运作的关键。利用计算机准确的监控与故障诊断,能够让生产管理者可以及时发现油井或泵的故障,并且立即采取正确的措施。本文以有杆泵抽油过程为例,给出了基于粗糙集理论的抽油故障诊断方案,将反映系统状态的数据建构决策表,对五种典型的故障类别进行识别,结果显示了方法的有效性。

作者钟峥

机构地区中海油能源发展股份有限公司采油技术服务分公司

出处《制造业自动化》北大核心 2012年第8期56-58,共3页 Manufacturing Automation

关键词石油开采故障诊断模式识别粗糙集

分类号 TP277 [自动化与计算机技术—检测技术与自动化装置]

引文网络
相关文献

参考文献5

1韩国庆,吴晓东,张庆生,毛凤英.示功图识别技术在有杆泵工况诊断中的应用[J].石油钻采工艺,2003,25(5):70-74. 被引量：45
2赵树阳;刘道信.有秆抽油泵使翔与研究现状以及发震展望[J]设计与制造,2003(01):49-50. 被引量：1
3吴云..基于粗糙集的不完备信息系统知识约简的研究[D].中山大学,2010:
4苗夺谦;李道国.粗糙集理论、算法与应用[M]北京:清华大学出版社,2008. 被引量：1
5王国胤,于洪,杨大春.基于条件信息熵的决策表约简[J].计算机学报,2002,25(7):759-766. 被引量：594

二级参考文献6

1王国胤.Rough集理论和知识获取[M].西安:西安交通大学出版社,2001.. 被引量：1
2阿里也夫 TM 等.抽油井自动控制和诊断[M].北京:石油工业出版社,1993-11.. 被引量：1
3韩国庆.[D].石油大学,1999-02. 被引量：1
4张琪吴晓东.抽油井计算机诊断技术及其应用[J].华东石油学院学报,1984,(2). 被引量：11
5苗夺谦,王珏.粗糙集理论中概念与运算的信息表示[J].软件学报,1999,10(2):113-116. 被引量：250
6苗夺谦,胡桂荣.知识约简的一种启发式算法[J].计算机研究与发展,1999,36(6):681-684. 被引量：507

共引文献637

1景运革,景罗希,王宝丽,程妮.属性值和属性变化的增量属性约简算法[J].山东大学学报（理学版）,2020,55(1):62-68. 被引量：6
2王思.应用属性约简算法实现运动员伤病影响因素评估的研究[J].电子测量技术,2020,43(11):10-15.
3唐鹏飞.基于近似条件熵的集值决策表属性约简算法[J].智能计算机与应用,2021,11(10):20-25. 被引量：2
4刘城霞,朱敏玲,刘玮琪.基于互信息的属性约简算法研究与实现[J].北京信息科技大学学报（自然科学版）,2020,35(1):38-42. 被引量：7
5唐洪浪.基于决策强度的一种属性约简算法[J].湛江师范学院学报,2007,28(6):65-69.
6宋岚,黄兆华,王洪.基于Rough熵的决策表约简算法研究[J].华东交通大学学报,2006,23(4):93-95. 被引量：1
7汤周文,叶东毅.基于层次聚类的差异化属性约简算法[J].计算机应用,2009,29(2):419-420. 被引量：1
8梁吉业,李超伟,魏巍.基于Rough Sets的特征选择研究进展[J].山西大学学报（自然科学版）,2012,35(2):211-218. 被引量：2
9袁隽媛.基于粗糙集的高校资产数据挖掘研究[J].计算机工程,2011,37(S1):46-48. 被引量：1
10李华雄,周献中.基于0-1分辨矩阵的启发式属性约简[J].中南大学学报（自然科学版）,2009,40(S1):304-308. 被引量：2

同被引文献44

1檀朝东,曾霞光,檀革勤,张杰.基于最小二乘法的抽油机井示功图自动分类及故障诊断[J].数据采集与处理,2010,25(S1):157-159. 被引量：6
2齐维贵,朱学莉,张延丽.抽油机节能的模糊神经网络控制研究[J].中国电机工程学报,2004,24(6):137-140. 被引量：27
3王彩云,李英,李元春.采油控制系统神经网络建模和优化算法设计[J].吉林大学学报（信息科学版）,2006,24(2):164-171. 被引量：4
4徐芃,徐士进,尹宏伟.有杆抽油系统故障诊断的人工神经网络方法[J].石油学报,2006,27(2):107-110. 被引量：33
5袁海军,文玉梅,李平,叶波.不变矩系数拟合的步态识别[J].计算机应用,2007,27(4):922-924. 被引量：5
6Schirmer P,Toutain P.Use of Advanced Pattern Recognition and Knowledge Based System in Analyzing Dynamometer Cards[C].SPE22305,1991. 被引量：1
7Gibbs SG, Method of Determining Sucker Rod Pump Performance [P], United States Patent Office,Sep. 1967. 被引量：1
8Wood J. Invariant Pattern Recognition: A Review[J]. Pattern Precognition, 1966,29( 1): 1- 17. 被引量：1
9孙守渊,李亚军,王艳丽.变频技术对抽油机的节能影响[J].中国高新技术企业,2008(2):73-73. 被引量：7
10李敏,何平,孟臣.基于模糊神经网络的抽油机节能专家控制器设计[J].计算技术与自动化,2009,28(4):56-58. 被引量：7

引证文献3

1刘卓,罗明良,刘飞,高遵美.基于BP神经网络和不变矩特征的泵功图诊断方法研究[J].制造业自动化,2013,35(19):7-9. 被引量：11
2王相,杨耀忠,何岩峰,王振,窦祥骥.基于深度学习的油井工况智能诊断技术研究及应用[J].油气地质与采收率,2022,29(1):181-189. 被引量：10
3李欣伦,檀朝东,王再兴,杨若谷.基于机器学习的抽油机诊断优化控制技术研究进展[J].数码设计,2018,7(1):67-69. 被引量：3

二级引证文献24

1仲志丹,李鹏辉,郭苗苗,王劲松.基于PNN网络的油井功图识别方法[J].价值工程,2015,34(13):118-120.
2仲志丹,李鹏辉,郭苗苗,王劲松.石油生产中有杆抽油机故障诊断研究[J].计算机仿真,2016,33(2):443-447. 被引量：10
3仲志丹,樊浩杰,李鹏辉.基于稀疏自编码神经网络的抽油机井故障诊断[J].西安科技大学学报,2018,38(4):669-675. 被引量：13
4仲志丹,樊浩杰,李鹏辉.CNN-SVM模型在抽油机井故障诊断中的应用[J].河南理工大学学报（自然科学版）,2018,37(4):112-117. 被引量：15
5刘宝军.基于CNN卷积神经网络的示功图诊断技术[J].西安石油大学学报（自然科学版）,2018,33(5):70-75. 被引量：17
6樊浩杰,仲志丹,李鹏辉.基于栈式稀疏自编码器的抽油机故障诊断研究[J].机床与液压,2019,47(1):157-161. 被引量：4
7吴一凡,冉晓旻.CNN神经网络在航迹预测中的应用[J].电子设计工程,2019,27(12):13-20. 被引量：8
8任伟,李亚利,蒋俏仪,郑天力,杜红勇.机器学习方法在抽油机井故障诊断中的研究[J].中国石油和化工标准与质量,2021,41(22):108-109. 被引量：1
9任伟,李亚利,蒋俏仪,郑天力,杜红勇.机器学习方法在抽油机井故障诊断中的应用[J].化学工程与装备,2021(12):119-120. 被引量：2
10聂晓炜.智能油田关键技术研究现状与发展趋势[J].油气地质与采收率,2022,29(3):68-79. 被引量：14

1王科科,王海文,刘晓波,刘士奇.基于不变矩特征和神经网络的有杆泵故障诊断[J].试采技术,2009(1):13-16.
2王科科.基于不变矩和神经网络的抽油机井故障诊断[J].内蒙古石油化工,2014,40(21):44-46. 被引量：1
3齐维贵,朱学莉,张延丽.抽油机节能的模糊神经网络控制研究[J].中国电机工程学报,2004,24(6):137-140. 被引量：27
4冯定,黄清世,周家泽.基于神经网络的专家系统的理论与实践[J].江汉石油学院学报,1997,19(1):77-80. 被引量：4
5黄松林,秦延才,郎明才.有杆泵智能采油技术[J].石油知识,2006(2):37-38.
6汤清明,钱占军.有杆泵动态模拟实验系统实时多任务测控软件开发[J].测控技术,1998,17(5):27-28.
7成玲,郭晓菲,王雷全.无转速传感器抽油电机扭矩在线监测系统研究[J].电子设计工程,2012,20(18):70-72.
8李欢欢,于俭.基于BP神经网络的抽油系统故障诊断方法[J].杭州电子科技大学学报（自然科学版）,2013,33(6):165-168. 被引量：2
9王立名,曹卉,周封.用于往复式抽油泵的永磁直线同步电机控制系统设计[J].电子元器件应用,2008,10(2):50-53. 被引量：1
10希望.节能型抽油机实时检测与控制的实现[J].微计算机信息,2004,20(1):19-20.

制造业自动化

2012年第8期

浏览历史

内容加载中请稍等...

基于粗糙集的石油开采故障诊断方法被引量：3

参考文献5

二级参考文献6

共引文献637

同被引文献44

引证文献3

二级引证文献24

相关作者

相关机构

相关主题

浏览历史

基于粗糙集的石油开采故障诊断方法 被引量：3

参考文献5

二级参考文献6

共引文献637

同被引文献44

引证文献3

二级引证文献24

相关作者

相关机构

相关主题

浏览历史

基于粗糙集的石油开采故障诊断方法被引量：3