基于PNN网络和Freeman链码的抽油机井工况诊断

• 作者: 梁波 肖维民
• 来源期刊: 计算机测量与控制
• 关键词: 概率神经网络 工况诊断 示功图 Freeman链码 MATLAB
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 自动化测试技术
• 页码范围: 1885-1887,1891
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2015.06.013

摘要

利用概率神经网络(PNN)对抽油机井工况进行诊断,建立了抽油机井工况诊断的概率神经网络模型;对示功图提取特征值的质量好坏直接影响识别效率和可靠性,提出了用Freeman链码对等效的电流示功图提取特征参数,进行预处理,建立抽油机典型工况的链码特征样本库;将Freeman链码作为特征向量,利用MATLAB对网络进行训练;结果表明,Freeman链码能够有效地识别各种典型工况示功图,并且该概率神经网络学习速度快、诊断准确率高,可用于抽油机井工况的实时监测和诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖维民	安徽工业大学计算机学院	11	31	4.0	5.0
2	梁波	安徽工业大学计算机学院	1	1	1.0	1.0