基于傅里叶描述子的示功图诊断方法研究

提出了基于傅里叶描述子提取轮廓线特征的示功图故障诊断方法。利用八邻域搜索和形态学方法提取示功图轮廓线,在此基础上计算轮廓线边界点序列的归一化傅里叶描述子,保证了图像对于旋转、缩放和平移的不变性,并将其作为特征量输入到距离分类器中,从而实现故障智能诊断。实验结果表明,该方法可以有效地识别出示功图的不同故障类型。     

基于不变矩和神经网络的抽油机井故障诊断

不变矩具有平移、旋转、比例不变的特征,已经广泛应用于图形识别。将图形的不变矩作为识别特征,通过提取泵示功图的7个不变矩特征、对不变矩特征进行修正以及进行不变矩特征向量的标准化,然后利用改进算法的BP神经网络作为分类器,进行有杆泵故障诊断。利用9种常见故障泵示功图作为神经网络的训练样本,训练后的网络对实测示功图进行诊断,诊断结果和实测有杆泵故障诊断结果相吻合。     

基于快速傅里叶变换的注射机轴承单一故障诊断

针对注射机轴承故障难以诊断的问题,提出了一种基于快速傅里叶变换(Fast Fourier Transform,FFT)的注射机轴承故障诊断方法。针对注射机轴承的故障振动信号在时域难以有效诊断的问题,利用快速傅里叶变换将时域振动信号转换到频域,通过生成的包络谱图分析频域中振动信号的频率分布,从而达到识别注射机轴承故障的目的。注射机轴承故障的仿真实验及实际故障轴承数据的诊断结果表明:使用快速傅里叶变换的方法诊断注射机轴承故障,比传统的离散傅里叶变换(Discrete Fourier Transform, DFT)诊断轴承故障的速度更快,处理轴承数据的内存更大,能非常有效地完成振动信号的故障诊断。     

基于间接示功图测量的电潜柱塞泵故障诊断研究与应用

在分析电潜柱塞泵工作原理的基础上,结合柱塞式抽油泵的结构,建立了机组运行的理论示功图,对其进行了深入分析。以功率信号作为故障信息,提出一种基于间接示功图测量的电潜柱塞泵故障诊断方法,并描述了小波去噪方法绘制实测示功图的主要过程。针对机组典型故障,在室内模拟平台和现场油井上对该方法的准确性进行了验证实验与分析。测试结果表明:故障诊断效果较好。     

神经网络法识别抽油机井示功图的研究及应用

示功图是判断油井生产状况的重要依据。神经网络能够反映任意非线性的映射关系,从而可以应用于图形识别。本文主要依据BP神经网络判定示功图类型的实现过程,阐述了BP神经网络的基本原理,建立了模式识别系统,并给出了部分应用实例。     

基于MSA矩的帘子布疵点识别算法研究

首先给出了仿射变换的定义,并在此基础上建立了一种新的仿射变换途径——多尺度自卷积变换,构造了一组仿射不变矩(MSA矩),给出了它的明确表达式,然后计算帘子布样本图像的MSA矩,以这些MSA矩为输入向量对BP神经网络进行训练,最后采用已训练的BP神经网络进行帘子布疵点识别。试验证明,这种方法可准确识别出帘子布断经、浆斑、劈缝、稀经和经线粘连等疵点。     

抽油机示功图位移检测算法的研究

抽油机示功图是油井工况判断的重要依据,因此抽油机运行中经常要检测示功图。目前示功图的测量主要采用拉线式示功仪,拉线式示功仪安装拆卸不方便,实时检测受限制。近几年来加速度传感器逐渐开始用于示功图的位移检测。其原理是利用加速度传感器实时检测光杆的加速度,然后进行双重积分得到位移。但这种示功图位移检测存在周期及周期起止点的确定上存在算法复杂,误差较大的问题。针对这些问题对抽油机示功图的位移检测方法进行了研究,提出一种新的局部极值确定常数得到示功图位移的算法,减小了位移检测误差,实现了快速准确的测量示功图。     

几种塑料的傅里叶变换拉曼光谱分析

采用傅里叶变换拉曼光谱(FTIR)技术对几种塑料样品进行了分析,并给出了几种塑料的傅里叶变换拉曼光谱图。该方法具有快速、准确、操作简便、重复性好、不需对样品进行分离,可直接分析等特点。     

基于图像不变矩特征的气液二相流流型识别

气液二相流流型极大地影响气液二相流的流动和传热特性,准确识别流型对相关设备的设计和运行具有重要意义。根据不变矩能有效检测出具有平移、旋转、比例变化的图像特性,提出了一种基于图像不变矩和概率神经网络相结合的气液二相流流型识别的新方法。该方法利用高速摄影系统获取水平管道内气液二相流的流动图像,经过图像处理后提取图像不变矩特征向量,并以此特征向量作为流型样本对概率神经网络进行训练,实现了对流动图像的流型智能化识别。实验结果表明,训练成功的概率神经网络能够快速准确地识别水平管道内的7种典型流型,整体识别率达到99.3%,为流型在线识别提供一种新的有效方法。     

基于窗口傅里叶变换的相位解包裹方法

在激光散斑无损检测技术中,相位解包裹是关键技术之一,它是计算缺陷离面位移的方法,为缺陷自动定位建立基础.基于窗口傅里叶变换,提出一种新的相位解包裹算法。该方法首先通过窗口傅里叶变换对高噪声的包裹相位图进行降噪,然后通过离散余弦变换对降噪后的包裹相位图进行解包裹。用该方法对周边固定中心加载圆盘模型进行实验,并与未进行降噪处理得到的包裹相位图和解包裹作了比较。结果表明本文提出的相位解包裹算法在消除噪声、提高解包裹相位图质量方面具有明显的效果。     

基于信息熵与灰关联的抽油井泵示功图诊断技术研究

抽油井工作环境、工作过程比较复杂,对抽油井泵示功图故障诊断时由于有些抽油井典型故障的示功图几何形状非常相似,极易产生误判,因此引入基于信息加权熵的灰度关联故障诊断算法,利用信息熵加权值来体现不同故障特征因子所含的信息量,使计算所得与标准故障的关联值变大,与其他故障尤其是易误判故障的关联值变小。实验结果表明：该方法能够减少故障误诊断,使抽油井故障诊断更加精准。     

分数阶Fourier变换在往复式压缩机故障诊断中的应用

由于传统时频分析方法难以有效提取阀片的调频故障信号,因此提出基于分数阶傅立叶变换的往复压缩机阀片故障诊断方法。首先对含噪声的LFM信号进行仿真分析,仿真结果表明,分数阶傅立叶变换不仅可以有效地提取信号的频率特征,而且还具有自降噪功能;然后将分数阶傅立叶变换应用到阀片故障诊断中,由此可以看出,不同阀片故障对应不同的特征参量,从而实现了往复压缩机阀片故障的定量诊断。     

姬塬油田功图法油井计量技术应用

介绍了油井功图法在线计量的原理及功能,通过在姬塬油田的应用,解决了采油厂油井管理、产液量计量的难题。保证油井故障及时发现、及时分析、及时处理,以确保油井长期稳定运行,减少巡井费用、降低人员劳动强度。同时油井液量计量准确度能满足生产要求,从而可以逐步取代油井传统的计量方式,开创姬塬油田油井管理的新局面。     

基于距离分析的邓式灰关联在故障诊断中的应用

传统邓氏灰关联方法是采用等权重的形式求取关联度,其关联度带有较大的主观因素,易造成信息损失,造成错误的故障诊断。针对存在的问题,本文引入了距离分析法,利用非匀权重的形式求取关联度,体现五种油中溶解气体对判断变压器故障类型的不同程度影响。它的特点是权重的分配不受主观因素制约,完全由样本数据信息决定。将该方法用于变压器故障诊断,结果表明,该方法可行有效,有实用意义。     

定向井有杆抽油系统阻尼系数计算研究

阻尼系数是定向井有杆抽油系统仿真和优化过程中的重要参数,直接地影响仿真和优化结果的准确性。传统的确定阻尼系数的方法不适用于定向井,本文提出利用特征空间进行相似性度量的识别的方法来准确得到定向井有杆抽油系统的阻尼系数。该方法是将功图曲线的参数方程展成傅立叶级数,利用改进后的链码将实际测地面功图和仿真地面功图链码化,建立链码和傅立叶描绘子之间的关系,由链码计算出各阶傅立叶描绘子。然后由傅立叶描绘子计算出边界曲线的形状特征。建立度量实测功图和仿真功图曲线相似程度的欧氏距离。欧氏距离最小的功图对应的阻尼系数即为相应油井的系统阻尼系数。辨识结果表明本文所研究的方法是正确和有效的。     

基于虚拟技术的齿轮故障智能诊断研究

利用LabVIEW图形化编程语言开发了信号分析与处理、信号特征提取和故障诊断三大模块。信号特征提取由小波包分解来实现,故障诊断通过神经网络完成,小波包分解提取的齿轮振动信号各频段能量特征值作为神经网络的输入向量。以模拟故障实验台获取的齿轮典型故障振动信号训练神经网络,利用训练好的神经网络对齿轮进行故障诊断,实验结果表明：所开发的齿轮故障智能诊断系统能有效识别齿轮故障,较好地将虚拟技术应用于故障诊断领域。     

基于PSO-SVM的催化裂化装置故障诊断研究

提出基于粒子群优化算法和支持向量机的催化裂化装置反应再生子系统故障诊断方法。利用粒子群优化算法的全局搜索特性,实现支持向量机的参数优化算法。根据支持向量机算法构建了催化裂化装置反应再生子系统故障诊断模型。结果显示,该诊断方法准确率高,具有较高的使用价值。     

基于小波理论的主元分析在故障诊断中的研究与应用

主要分析主元分析的原理和主要算法及其在故障诊断方面的应用 ,简单介绍数据预处理的小波分析方法 ,并把这两种方法结合用于过程故障诊断。常减压装置的应用实例表明 ,结合这两种方法进行基于过程的故障诊断取得了较好的效果