抽油机示功图位移测量方法研究

利用抽油机悬点加速度信号计算位移是油田上绘制油井示功图的重要步骤,然而由于受到直流分量和低频漂移项的干扰,加速度信号经长时间积分后存在较大的漂移误差,针对这个问题,提出了一种计算量较小的提取积分漂移项的方法.该方法借鉴了经验模态分解提取趋势项的原理,并利用积分后信号的信噪比较高的特点,把信号波峰波谷的中点作为特征点从而拟合出漂移项.基于该方法,本文研制了一种无线远程示功仪,能够实现连续测量油井示功图,在现场和导轨式滑台进行了测试.对现场实验数据的分析结果表明:该方法能得到无漂移项的位移信号,测量精度满足工程要求,测量误差随着抽油机冲次的增大而减小.     

多尺度卷积特征融合的SSD手势识别算法

为了提高对中小占比手势识别的准确性与稳定性,提出了一种多尺度卷积特征融合的SSD(single shot multibox detector)手势识别方法。该方法突出表现在两大方面,其一,在原始的SSD算法的多尺度卷积检测方法基础上,引入了不同卷积层的特征融合思想,经过空洞卷积下采样操作与反卷积上采样操作,实现网络结构中的浅层视觉卷积层与深层语义卷积层的融合,代替原有的卷积层用于手势识别,以提高模型对中小目标手势的识别精度;其二,为了解决正负样本不均衡导致分类性能差的问题,提出一种改进的损失函数,以提升模型对目标手势的分类能力。在手势识别公开的数据集上的实验结果表明,与SSD和Faster R-CNN等识别方法相比,能够在保持较高的手势检测精度的同时,又具有较好的鲁棒性与检测速度。     

PEMFC的PSO优化LS-SVM动态建模仿真

质子交换膜燃料电池(PEMFC)作为一种电化学反应装置,湿度管理对于它的运行性能十分关键.为了建立相应的动态模型,采用了最小二乘支撑向量机(LS-SVM)算法,并使用微粒群算法(PSO)对LS-SVM模型参数进行了自动优化.这种方法建立的动态数学模型能够以进气湿度和工作电压为输入量预测输出的电流密度.仿真结果显示,模型的预测值和实验数据间的平均平方相对误差小于0.0001,能够达到很好的预测精度.因此,这种优化建模策略可以有效的应用到PEMFC研究中.     

一种精确测量螺旋桨重点位置的方法

螺旋桨作为一高速旋转部件,由于制造和装配误差,造成螺旋桨在装机后重心和旋转中心不重合,以及各桨叶上气动力不完全一致,从而使螺旋桨在高速旋转过程中产生振动。文中讨论一种精确测量螺旋桨重点位置的方法,可为正确进行螺旋桨动平衡提供参考。     

轴承在线早期故障检测的无监督张量深度迁移学习方法

基于张量分解可有效挖掘信号高维本质信息的优点,提出一种无监督张量深度迁移学习方法.首先,构建基于张量表示的深度多任务异常检测模型,利用核心张量构建单分类异常检测规则表示,并建立超球规则适配机制,交替优化张量分解和域无关特征提取,以实现异常检测规则在离线轴承和在线目标轴承间的有效传递,完成在线无标记数据的异常检测;其次,提出一个基于异常概率贯序累积的非参数报警阈值设定方法,可在仅设定误报警率置信度的条件下自适应选择在线阈值,并给出该阈值合理性的理论分析.在IEEE PHM Challenge 2012轴承数据集上进行实验,结果表明,所提出方法可获得更好的检测实时性和更低的误报警数,为早期故障检测提供一种具有易部署性和鲁棒性的解决方案.     

CNN-SVM模型在抽油机井故障诊断中的应用

针对传统的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特征,识别准确度低等问题,基于人工智能理论,提出一种卷积神经网络(CNN)和支持向量机(SVM)相结合的示功图智能识别模型。利用卷积神经网络对示功图图像特征自动提取,利用支持向量机根据提取的深层图像特征给出故障诊断结果。结果表明,将CNN与SVM结合用于示功图识别不仅省去了人工选取示功图特征这一环节,而且识别准确度也高达99.71%,测试性能优于其他识别模型。该模型的提出为抽油机井故障的快速准确诊断提供了可行的解决方案,对油田高效作业具有重要意义。     

XML在数控机床远程监控与故障诊断系统中的应用

在分析了远程数控机床故障诊断系统的需求和现状的基础上,引入了XML技术。因为XML技术具有简单性、开放性、可扩展性等一系列特性,所以提出了基于XML技术的Internet网络化机床状态监测、故障诊断系统设计方案。并对系统中的关键部分如网络拓扑结构、网络数据传输方案进行了详细讨论。最后,在自行开发的数控系统上对上述方案进行了验证,结果表明本方案能够成功的实现对机床状态的远程监控和故障诊断。     

抽油机悬点位移间接测量方法研究

针对利用抽油机悬点加速度信号计算位移精度较差的问题,提出自适应噪声的完备集合经验模态分解(CEEMDAN)自适应降噪和极点对称模态分解(ESMD)去趋势项相结合的求解方法。首先使用CEEMDAN分解加速度信号,然后根据模态分量自相关函数与原始信号自相关函数的相关系数,确定噪声分量和有效分量的分界点;进一步采用小波阈值法提取噪声分量中有用信号,并基于排列熵的性质自适应确定小波分解的层数;重构所有模态分量实现降噪;再对消噪的加速度信号进行积分变换得到位移,最后使用ESMD剔除趋势项。仿真分析和实测数据结果表明,该方法比现有方法精度更高、自适应性更好。     

油井抽油机悬点位移测量创新研究

在油井抽油机位移测量系统中,加速度信号中的噪声和趋势项是影响悬点位移测量精度的重要因素。针对传统位移测量方法噪声明显、测量误差较大等问题,提出了一种新型的位移测量方法:运用复合滤波法消除加速度信号中的随机噪声和脉冲干扰,改进周期提取算法以优化加速度的测量周期,利用高效的经验模态分解法(EMD)去除积分趋势项。将该方法用于某油田的实测数据分析,结果表明:干扰噪声、直流分量、趋势项均明显减少,位移测量精度高达92.74%,为其他滤波方法的噪声消除奠定了良好的基础,对油井抽油机的位移测量研究具有重要的意义。