示功图特征提取方法及其应用研究

发布时间：2020-04-09 22:53

【摘要】：在石油开采的过程中,及时去了解抽油井下的工作情况尤为重要。在传统上,井下的工作情况是由井上专家人员通过观察得到的实际示功图,利用经验进行判断的,判断结果容易受到人为因素和技术水平的影响。示功图是对油井工况进行分析研究的主要依据,井下的工作情况是通过对示功图有效特征的分析判断得出的,根据示功图的面积变化和点线角几何特征,能够反映出异常故障现象。因此利用计算机对示功图进行特征提取,进而可以更快速准确的对其故障进行分类。所以通过计算机对示功图故障类别进行准确的分类意义重大。本文结合示功图图形特征,对示功图位移载荷坐标提出了两种特征提取方法,并对常见故障示功图提出了二次诊断模型。主要完成以下内容。首先,通过对示功图点线角特征进行分析研究,提出一种基于特征点的位置,特征线的波动系数,特殊角的方差系数的特征提取方法。并选取特征点,特征线和特征角9个特征,利用样本库去构建分类特征向量,并结合该向量提出几何特征故障判定方法。其次,通过对示功图轮廓区域面积进行分析研究,提出一种基于几何面积变化的特征提取方法。对示功图进行了坐标归一化和点数归一化,并将示功图网格化之后,选用示功图曲线外区域面积变化特征值,建立一种面积填充模型,给出具体的网格面积计算方法,并结合6个区域面积变化提出一种几何特征识别的故障判定方法。最后,提出一种二次诊断方法,该算法将点线角特征和面积变化特征进行了结合。并且对所提算法从时间效率和识别准确率分别进行了实验对比验证。
【图文】：

图 2-1 理论示功图2.2.2 实测示功图如图 2-2 所示，该图为实测示功图图形，数据取自中国石油长庆油田公司下属第三采油厂的一些样本，该样本也是本文进行实验验证所使用样本。

燕山大学工学硕士学位论文图 2-1 理论示功图2.2.2 实测示功图如图 2-2 所示，该图为实测示功图图形，数据取自中国石油长庆油田公司下属第三采油厂的一些样本，该样本也是本文进行实验验证所使用样本。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TE34

【相似文献】

相关期刊论文 前10条

1 陈辉;;浅议车牌识别中字符的特征提取方法[J];科技传播;2009年05期

2 徐德友,胡寿松;利用粗集上近似处理特征提取中的噪声问题[J];南京理工大学学报(自然科学版);2002年S1期

3 佟德纯;王永兴;;一种新的齿轮状态的分类识别方法—CEP-AR特征提取与分类[J];振动与冲击;1988年03期

4 罗斌;黄端旭;;皮肤癌表面图象特征提取[J];安徽大学学报(自然科学版);1989年03期

5 王仁华;宋原章;;汉语孤立音节的分段研究[J];信号处理;1989年02期

6 史广;杨艳;;沙化土地地理信息多维结构特征提取仿真[J];计算机仿真;2019年11期

7 杨小军;;图片特征提取[J];中小企业管理与科技(中旬刊);2017年03期

8 武弘;;六种常用的网络流量特征提取工具[J];计算机与网络;2017年06期

9 李晋徽;杨俊安;王一;;一种新的基于瓶颈深度信念网络的特征提取方法及其在语种识别中的应用[J];计算机科学;2014年03期

10 唐朝霞;;一种基于特征提取的简答题阅卷算法[J];湖南工程学院学报(自然科学版);2010年01期

相关会议论文 前10条

1 王纪凯;王鹏;张启彬;陈宗海;;激光数据特征提取与学习方法[A];第17届中国系统仿真技术及其应用学术年会论文集（17th CCSSTA 2016）[C];2016年

2 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

3 黄先锋;韩传久;陈旭;周剑军;;运动目标的分割与特征提取[A];全国第二届信号处理与应用学术会议专刊[C];2008年

4 路文焕;曲悦欣;杨亚龙;王建荣;党建武;;用于无声语音接口的超声图像的混合特征提取[A];第十三届全国人机语音通讯学术会议(NCMMSC2015)论文集[C];2015年

5 徐继伟;李建中;柳勃;杨昆;;使用支持向量机和改进特征提取方法的蛋白质分类[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

6 刘德刚;邵国凡;;高维遥感数据分析的特征提取方法[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

7 姜成柱;刘志成;何其芳;卞荣;席闻;;基于信号分解与稀疏恢复的空间群目标微动特征提取[A];第八届中国航空学会青年科技论坛论文集[C];2018年

8 许强;杨佳;;基于线性加权的免疫克隆算法的手指静脉特征提取[A];中国自动化学会控制理论专业委员会B卷[C];2011年

9 高学;金连文;尹俊勋;;基于笔划密度的弹性网格特征提取方法[A];2001年中国智能自动化会议论文集（上册）[C];2001年

10 徐萍;武其松;罗昕炜;陶俊;;基于畸变拖曳阵的高保真特征提取方法[A];中国声学学会水声学分会2019年学术会议论文集[C];2019年

相关重要报纸文章 前3条

1 宇航智控;预测与健康管理(PHM)技术[N];中国航空报;2018年

2 记者 贾玎玎;北京纺控主营业务收入增长11.39%[N];首都建设报;2015年

3 中国信息通信研究院泰尔终端实验室 曾晨曦 段虎才;深度学习框架的前世今生[N];人民邮电;2018年

相关博士学位论文 前10条

1 陈良琴;铅锌矿浮选表面特征提取关键算法研究[D];福州大学;2018年

2 王晓辉;汽车模具表面缺陷特征提取关键技术研究[D];南昌大学;2019年

3 苏雷曼 施查布（SOULEYMAN CHAIB）;面向高分辨率图像场景分类的特征提取与选择研究[D];哈尔滨工业大学;2018年

4 宋洪超;基于微波的乳腺癌检测算法研究[D];北京邮电大学;2018年

5 温柳英;多模态数据特征提取的粒计算方法研究与应用[D];西南石油大学;2017年

6 李文娟;基于局部特征提取的人脸识别方法研究[D];天津大学;2017年

7 王振宇;面向人脸识别的特征提取技术应用研究[D];东南大学;2016年

8 马丽红;复杂背景下人脸的定位和特征提取[D];华南理工大学;1999年

9 谢平;故障诊断中信息熵特征提取及融合方法研究[D];燕山大学;2006年

10 张绍武;基于支持向量机的蛋白质分类研究[D];西北工业大学;2004年

相关硕士学位论文 前10条

1 袁雷;基于想象语言识别的特征提取研究[D];北京理工大学;2017年

2 李霁鑫;基于深度学习的局部特征提取及其应用[D];吉林大学;2019年

3 陈佳;基于深度学习的车内人手检测技术的研究[D];华中科技大学;2019年

4 张超凡;示功图特征提取方法及其应用研究[D];燕山大学;2019年

5 郭杰;润滑油液中磨粒信号的处理与特征提取研究[D];燕山大学;2019年

6 李铭;基于稀疏表示的风电装备传动系统故障瞬态特征提取研究[D];燕山大学;2019年

7 张明明;基于光相位边缘特征提取的生物细胞形态及动态活动快速检测实验研究[D];江苏大学;2019年

8 肖雪;电静压伺服系统健康特征提取方法[D];中国运载火箭技术研究院;2019年

9 郑渝;深度学习在认知雷达行为特征辨识中的应用[D];中国运载火箭技术研究院;2019年

10 袁茂洲;X线肺部图像的特征提取与分类方法研究[D];大连理工大学;2019年

，

本文编号：2621364