基于粗糙集与BP神经网络的泵的故障诊断方法技术

技术编号:14820194 阅读:180 留言:0更新日期:2017-03-15 13:02
本发明专利技术涉及一种基于粗糙集与BP神经网络的泵的故障诊断方法,包括以下步骤:搜集基准的训练样本特征数据,得到对应约简后的决策表,建立BP神经网络模型;将待诊断的训练样本特征数据,得到对应约简后的决策表,输入到所述BP神经网络模型,进行故障诊断。本发明专利技术通过将BP神经网络与粗糙集算法结合,先利用粗糙集理论有效的降低泵功图样本特征的维数,再利用约简后样本特征构造BP神经网络识别器,简化BP神经网络结构,减少BP神经网络识别器学习和运行的时间,提高分类精度。

【技术实现步骤摘要】

本专利技术涉及石油化工以及无线传感器领域,具体地说是一种基于粗糙集与BP神经网络的泵的故障诊断方法
技术介绍
石油作为一种不可再生资源,对于国家的政治、经济、军事有着不可替代的战略意义。随着我国经济持续、稳定、快速的发展,石油消费也持续增长,原油需求持续上升,石油供需缺口有增大的趋势,并逐渐成为制约我国经济发展的重要因素之一。截止2009年底,中国石油探明剩余可采储量为27.9亿吨,剩余可采储量储采比为14.8,然而在这些剩余可采储量中,石油资源储备质量较差,低渗、特低渗或超低渗油、稠油和埋深大于3500m的石油资源超过50%,不仅开发勘探难度在逐渐加大,开发成本增加而且老油区综合含水高,普遍进入产量递减阶段。面对这样的严峻形势,各油田企业都意识到了提高原油生产效率的重要性,并在降低投资、节约成本、提高油田数字化管理水平等方面做了大量的努力。其中,将WIA技术应用于油田生产数字化管理是一个重要体现。泵的工作状态能反应泵在地下深处的工作状态,泵功图的诊断对分析泵的工作状态至关重要,当井下设备出现故障时,泵功图会显示出某一特殊的形状。因此,泵功图的集合特征是进行故障识别的主要依据,通过计算、分析,就能确定井下设备的故障。神经网络在故障诊断中的应用越来越广泛,已经成为智能故障诊断领域的研究热点,但是基于人工神经网络的诊断方法也存在的局限性,如:需要较多不同类别的训练例子用于神经网络学习才可能使得网络手链,从而得出相对稳定的结果;对于复杂的被诊断系统,网络各层节点数多会使训练所需的计算量和时间较多,无法对诊断结果做出解释;人工神经网络结构、参数设置、训练样本的大小、样本质量等多因素对人工神经网络的精度和泛化能力有直接影响。粗糙集理论是一种用于处理不完成不精确知识的数学方法,该理论不需要关于数据的任何初始或附加信息,直接对不完整不精确数据进行分析处理,在故障诊断系统中,粗糙集理论通过简单的决策表简化得到的条件属性和决策属性间的依赖关系,而且通过去掉冗余属性,可以大大简化知识表达空间维数。因而将神经网络与粗糙集理论结合是很有意义的,而现在并没有一种方法将二者有效的结合在一起。
技术实现思路
针对现有技术的不足,本专利技术提供一种基于WIA-PA无线示功仪采集的地面示功图,利用BP神经网络与粗糙集算法结合,利用粗糙集理论对数据进行预处理,提取关键要素作为网络的输入,从而简化BP神经网络结构,提高分类精度的一种故障诊断方法。本专利技术为实现上述目的所采用的技术方案是:一种基于粗糙集与BP神经网络的泵的故障诊断方法,包括以下步骤:搜集基准的训练样本特征数据,得到对应约简后的决策表,建立BP神经网络模型;将待诊断的训练样本特征数据,得到对应约简后的决策表,输入到所述BP神经网络模型,进行故障诊断。所述得到对应约简后的决策表包括以下步骤:步骤1:搜集基准的训练样本泵功图并对其进行二值化处理,得到训练样本泵功图曲线;步骤2:根据训练样本泵功图曲线形成对应的网格特征向量;步骤3:通过对不同训练样本泵功图的网格特征向量进行比较,得出不同工况条件的条件属性和决策属性,建立决策表;步骤4:对决策表进行约简,得到约简后的决策表。所述形成对应的网格特征向量的过程为:将训练样本泵功图曲线分成m×n个网格,其中m=2n,将训练样本泵功图曲线边界穿越的网格赋值为“1”,未穿过的网格赋值为“0”,并将边界内部所有网眼都赋值为“1”,得到了网格特征向量。所述对决策表进行约简包括以下过程:步骤1:计算D的C正域POSC(D)中包含训练样本的个数,其中C为条件属性,D为决策属性;步骤2:令R=φ,φ为空集,对C\\R中的每个属性P,分别计算POSC∪{p本文档来自技高网
...
基于粗糙集与BP神经网络的泵的故障诊断方法

【技术保护点】
一种基于粗糙集与BP神经网络的泵的故障诊断方法,其特征在于,包括以下步骤:搜集基准的训练样本特征数据,得到对应约简后的决策表,建立BP神经网络模型;将待诊断的训练样本特征数据,得到对应约简后的决策表,输入到所述BP神经网络模型,进行故障诊断。

【技术特征摘要】
1.一种基于粗糙集与BP神经网络的泵的故障诊断方法,其特征在于,包括以下步骤:搜集基准的训练样本特征数据,得到对应约简后的决策表,建立BP神经网络模型;将待诊断的训练样本特征数据,得到对应约简后的决策表,输入到所述BP神经网络模型,进行故障诊断。2.根据权利要求1所述的基于粗糙集与BP神经网络的泵的故障诊断方法,其特征在于,所述得到对应约简后的决策表包括以下步骤:步骤1:搜集基准的训练样本泵功图并对其进行二值化处理,得到训练样本泵功图曲线;步骤2:根据训练样本泵功图曲线形成对应的网格特征向量;步骤3:通过对不同训练样本泵功图的网格特征向量进行比较,得出不同工况条件的条件属性和决策属性,建立决策表;步骤4:对...

【专利技术属性】
技术研发人员:于海斌曾鹏尚文利李世超
申请(专利权)人:中国科学院沈阳自动化研究所
类型:发明
国别省市:辽宁;21

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1