CN102184414A - 泵示功图的识别和判断方法及其系统 - Google Patents
泵示功图的识别和判断方法及其系统 Download PDFInfo
- Publication number
- CN102184414A CN102184414A CN2011101264516A CN201110126451A CN102184414A CN 102184414 A CN102184414 A CN 102184414A CN 2011101264516 A CN2011101264516 A CN 2011101264516A CN 201110126451 A CN201110126451 A CN 201110126451A CN 102184414 A CN102184414 A CN 102184414A
- Authority
- CN
- China
- Prior art keywords
- position diagram
- pump load
- pump
- load
- normalized
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Control Of Positive-Displacement Pumps (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
公开了一种泵示功图的识别和判断方法及其系统,所述方法包括:对泵示功图进行预处理,提取泵示功图信息;根据所述泵示功图信息对泵示功图进行归一化处理;对归一化处理后的泵示功图进行多边形逼近处理;利用矢量特征法对多边形逼近处理后的泵示功图中的故障进行识别。所述系统包括泵示功图预处理模块、归一化处理模块、多边形逼近处理模块及故障识别模块。根据本发明提供的泵示功图的识别和判断方法及其系统不仅能提高深井泵示功图识别准确率,而且对油井工况判断精确。
Description
技术领域
本发明涉及油田采油技术领域,特别涉及一种泵示功图的识别和判断方法及其系统。
背景技术
抽油机井井下泵示功图是诊断抽油系统工作状态的依据,国内外现有油井诊断系统大部分采用这一依据。诊断的关键是井下泵示功图识别的准确性,识别越精确,诊断结论越正确。功图识别的关键在于如何提取其最具代表性的特征。目前,泵示功图特征的提取,大多采用的是专家相面法、面积法、模板匹配法网格法、矢量法等。这些方法注重提取泵示功图的特征,如几何、形状、力学等特征,普遍存在特征参数偏多的不足。所使用的判别器多为距离分类器,这类分类器实质是满足一定条件的特殊贝叶斯分类器,要求各特征分量线性无关、各特征分量的方差相同、类条件概率密度函数为正态分布。虽然,分类器在某种意义上是最优分类器,但针对采油系统工况分类问题,不能满足这一前提条件,导致识别结果误判。
发明内容
本发明的目的之一是提供一种提高泵示功图识别的准确性,实现泵工况准确判断的一种泵示功图的识别和判断方法及其系统。
根据本发明的一个方面,提供一种泵示功图的识别和判断方法包括:
对泵示功图进行预处理,提取泵示功图信息;
根据所述泵示功图信息对泵示功图进行归一化处理;
对归一化处理后的泵示功图进行多边形逼近处理;
利用矢量特征法对多边形逼近处理后的泵示功图中的故障进行识别。
根据本发明的另一个方面,提供一种泵示功图的识别和判断系统包括:
泵示功图预处理模块,对泵示功图进行预处理,提取泵示功图信息;
归一化处理模块,根据提取的泵示功图信息对泵示功图进行归一化处理;
多边形逼近处理模块,对归一化处理后的泵示功图进行多边形逼近处理;
故障识别模块,将所述泵示功图的矢量链与标准故障矢量链库中矢量链比较,进行故障判别;所述标准故障矢量链库包括泵各种故障的矢量链。
根据本发明提供的泵示功图的识别和判断方法及其系统不仅能提高深井泵示功图识别准确率,而且对油井工况判断精确。
附图说明
图1是本发明实施例提供的泵示功图的识别和判断方法的流程示意图;
图2是本发明实施例提供的泵示功图的识别和判断系统的流程示意图;
图3是本发明实施例提供的泵示功图的识别和判断系统的结构框图;
图4是图3所示系统中故障识别模块的结构框图;
图5是本发明实施例提供的对一泵示功图进行多边形逼近处理结果示意图;
图6是本发明实施例提供的对已进行多边形逼近处理的泵示功图未进行校正的示意图;
图7是对图6所提供的泵示功图进行校正后的示意图;
本发明目的、功能及优点将结合实施例,参照附图做进一步说明。
具体实施方式
如图1所示,本发明实施例提供的一种泵示功图的识别和判断方法包括:
步骤S1、对泵示功图进行预处理,提取泵示功图信息。该步骤包括:
步骤S11、生成泵示功图。根据有杆泵采油系统故障诊断模型(是现有技术,不再赘述)求解得到的泵示功图是以泵位移sp为横坐标、以对应的泵载荷Fp为纵坐标的封闭曲线,描述的是泵载荷随泵位移的变化规律。泵示功图的求解结果是以两组离散数据对的形式给出:
(θi,spi),i=0,1,Λ,2N (1.1),
(θi,Fpi),i=0,1,Λ,2N (1.2),
式中的θi为曲柄转角θ=θ(t)在一个周期区间[0,2π]上的2N+1个等分点:
步骤S12、对泵示功图进行函数化处理。泵示功图可以用函数Fp=Fp(s)(1.4)来逼近,这是一个多值函数,称之为泵示功图函数。泵示功图函数可由下面的参数方程来确定:其中函数sp=sp(θ)称为泵位移-曲柄转角函数,函数Fp=fp(θ)称为泵载荷-曲柄转角函数,它们都是曲柄转角θ的单值函数,可以分别用离散数据对式(1.1)和(1.2)来进行Fourier级数逼近:
令
{sp}=(sp0 sp1 sp2 Λ sp,2N-1 sp,2N)T (1.8),
{Fp}=(Fp0 Fp1 Fp2 Λ Fp,2N-1 Fp,2N)T (1.9),
{s}=(a0 a1 b1 Λ aN bN)T (1.10),
{d}=(d0 d1 e1 Λ dN EN)T (1.11),
则有{sp}=[TF]{a}(1.13),
{Fp}=[TF]{d}(1.14),
可得:
{d}=[TF]-1{Fp}(1.15),
{a}=[TF]-1{sp}(1.16),
以式(1.6)和(1.7)为参数方程可以确定泵示功图函数
Fp=Fp(s)。
步骤S13、对所述函数化处理后的泵示功图进行信息提取。该步骤包括:
步骤S131、提取泵冲程与最小、最大泵载荷信息。
泵最小位移:
泵最大位移:
则泵冲程为:
泵最小载荷为:
泵最大载荷为:
步骤S132、提取泵示功图面积与泵马力信息。
令(sp,2N+1,Fp,2N+1)=(sp0,Fp0),则泵示功图的面积为:
令泵马力为
步骤S133、提取泵示功图曲线上各点的形状特征;所述形状特征包括斜率、凹凸性及曲率。
步骤S2、根据泵示功图信息对泵示功图进行归一化处理。
根据前面所述,泵示功图的求解结果以两组离散数据对式错误!未找到引用源。和(1.2)的形式给出,可以把它们化简,用一组离散数据对:(spi,Fpi),i=0,1,Λ,2N(1.28)来表示泵示功图,每一个离散数据对代表泵示功图上一点。其中,为了在泵示功图识别时消除泵示功图实际尺寸的影响,从而需要对泵示功图进行归一化处理,对式(1.28)进行如下变换:
其中PPDYN_WIDTH、PPDYN_HEIGHT是出于绘图和识别的考虑而引入的两个放大系数。其中,0<PPDYN_WIDTH<500;0<PPDYN_HEIGHT<300;于是离散数据对式(1.28)就转换为归一化的离散数据对:
步骤S3、对归一化处理后的泵示功图进行多边形逼近处理。
式(1.31)所表示的离散数据对对应于泵示功图上的各个点,在这些点中,有些点对泵示功图的形状起着关键作用,将这些点成为关键点;有些点则对泵示功图的形状无关紧要,将这些点称之为次要点。采用多边形逼近处理方法可找出泵示功图上的所有关键点,去除其余的次要点,并用关键点所组成的多边形来逼近泵示功图。多边形逼近处理方法包括:
若泵示功图上的两个数据点很接近,则删除其中一个;例如,当所述归一化处理后的泵示功图上的两个数据点同时满足横坐标之差小于0.05×PPDYN_WIDTH,纵坐标之差小于0.03×PPDYN_HEIGHT,则删除其中一个数据点。
若泵示功图上的几个连续数据点几乎在同一条直线上,则只保留其中第一个数据点和最后一个数据点。例如,当归一化处理后的泵示功图上的相邻数据点所构成的线段的斜率不大于0.03时(即相邻两条线段的斜率值不大于0.03),此时,相邻两条线段可视为一条线段。则只保留第一条线段的第一个数据点和第二条线段的最后一个数据点。
将泵示功图上的所有数据点连接成封闭曲线,若相邻两条线段的夹角为接近夹角180°时,则去掉它们相交的数据点,平滑处理;例如,夹角为178°、179°等。图5是用多边形逼近法对某个示功图的处理结果。浅色线部分为计算得到的泵示功图(即未经过多边形逼近处理的泵示功图),而黑色的多边形为经过多边形逼近处理的泵示功图,由此给出了该泵示功图多边形逼近后的数字特征(参见表1所示的多边形逼近数据表)。
表1
另外,用仪器测得的光杆示功图数据(泵示功图就是利用光杆示功图计算得到的,光杆示功图是利用油井安装的载荷、位移传感器采集的载荷、位移值绘制而成)通常有垂直误差和倾斜误差,有时这种误差会很大。根据此光杆示功图数据计算出的泵示功图数据也会存在垂直误差和倾斜误差,这将会影响泵示功图识别的准确性,有必要在泵示功图识别之前对其进行倾斜矫正。对泵示功图进行归一化处理和多边形逼近后,可在泵示功图上寻找这样的线段:
在多边形逼近处理后的泵示功图上搜索0.5×PPDYN_WIDTH<PPDYN_WIDTH、0°<和水平的夹角<8°且取线段中点纵坐标为最大或最小值的线段;满足这三个条件的线段应该是上下冲程的静载线,它们应该是水平的。
根据搜索的线段对多边形逼近处理后的泵示功图进行倾斜矫正。图6所示的泵示功图经过倾斜矫正可得到如图7所示的泵示功图。
步骤S4、利用矢量特征法对多边形逼近处理后的泵示功图中的故障进行识别。用多边形逼近法处理过的示功图特征明显,接下来就可以很容易地使用矢量特征法进行泵有效冲程的识别。每种故障的特征均可以用一个矢量链来表征,因此可建立一个标准故障矢量链库,这个库里包含了泵各种故障的矢量链。如图2所示,该步骤包括:
步骤S41、对多边形逼近处理后的泵示功图进行无因次化处理(标准化处理)、建立该泵示功图的矢量链;
步骤S42、将泵示功图的矢量链与标准故障矢量链库中矢量链比较,进行故障判别;标准故障矢量链库包括泵各种故障的矢量链。
如图3所示,基于图1所示的方法本发明实施例还提供一种泵示功图的识别和判断系统包括泵示功图预处理模块1、归一化处理模块2、多边形逼近处理模块3及故障识别模块4。
泵示功图预处理模块1对泵示功图进行预处理,提取泵示功图信息。归一化处理模块2根据提取的泵示功图信息对泵示功图进行归一化处理。多边形逼近处理模块3对归一化处理后的泵示功图进行多边形逼近处理。故障识别模块4利用矢量特征法对多边形逼近处理后的泵示功图中的故障进行识别。
泵示功图预处理模块1包括泵示功图生成单元、函数化处理单元及信息提取单元。泵示功图生成单元生成泵示功图。函数化处理单元对生成的泵示功图进行函数化处理。信息提取单元对所述函数化处理后的泵示功图进行信息提取;所提取的信息包括泵冲程与最小、最大泵载荷信息,泵示功图面积与泵马力信息及泵示功图曲线上各点的形状特征。
多边形逼近处理模块3包括图形处理单元、倾斜矫正单元。图形处理单元当所述归一化处理后的泵示功图上的两个数据点同时满足横坐标之差小于0.05×PPDYN_WIDTH,纵坐标之差小于0.03×PPDYN_HEIGHT,则删除其中一个数据点;当所述归一化处理后的泵示功图上的相邻的数据点所构成的线段的斜率不大于0.03时,则只保留其中第一个数据点和最后一个数据点;将所述归一化处理后的泵示功图上的所有数据点连接成封闭曲线,当相邻两条线段的夹角接近夹角180°时,则去掉两条线段相交的数据点。倾斜矫正单元,在多边形逼近处理后的泵示功图上搜索0.5×PPDYN_WIDTH<WIDTH的线段或者0°<和水平的夹角<8°的线段或者取线段中点纵坐标为最大或最小值的线段,根据搜索的线段对多边形逼近处理后的泵示功图进行倾斜矫正。
参见图4、故障识别模块4包括矢量链建立单元41及故障判断单元。矢量链建立单元41对多边形逼近处理后的泵示功图进行无因次化处理、建立该泵示功图的矢量链。故障判断单元42将所述泵示功图的矢量链与标准故障矢量链库中矢量链比较,进行故障判别;标准故障矢量链库包括泵各种故障的矢量链。
本发明提供的一种泵示功图的识别和判断方法及其系统,可从根本上解决了深井泵功图识别准确率低,油井工况判断不精确的问题。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (13)
1.一种泵示功图的识别和判断方法,其特征在于,包括:
对泵示功图进行预处理,提取泵示功图信息;
根据所述泵示功图信息对泵示功图进行归一化处理;
对归一化处理后的泵示功图进行多边形逼近处理;
利用矢量特征法对多边形逼近处理后的泵示功图中的故障进行识别。
2.根据权利要求1所述的方法,其特征在于,所述对泵示功图进行预处理,提取泵示功图信息包括:
生成泵示功图;
对所述泵示功图进行函数化处理;
对所述函数化处理后的泵示功图进行信息提取。
3.根据权利要求2所述的泵示功图的识别和判断方法,其特征在于,所述生成泵示功图是:
根据有杆泵采油系统故障诊断模型求解得到泵示功图;所述泵示功图的求解结果以两组离散数据对的形式给出:
(θi,spi),i=0,1,Λ,2N,
(θi,Fpi),i=0,1,Λ,2N,
式中的θi为曲柄转角θ=θ(t)在一个周期区间[0,2π]上的2N+1个等分点,sp为泵位移,Fp为泵载荷。
4.根据权利要求1所述的方法,其特征在于,所述对所述泵示功图进行函数化处理是:
以
5.根据权利要求2所述的方法,其特征在于,所述对所述函数化处理后的泵示功图进行信息提取包括:
提取泵冲程与最小、最大泵载荷信息;
提取泵示功图面积与泵马力信息;
提取泵示功图曲线上各点的形状特征;所述形状特征包括斜率、凹凸性及曲率。
7.根据权利要求6所述的方法,其特征在于,所述对归一化处理后的泵示功图进行多边形逼近处理包括:
当所述归一化处理后的泵示功图上的两个数据点同时满足横坐标之差小于0.05×PPDYN_WIDTH,纵坐标之差小于0.03×PPDYN_HEIGHT时,则删除其中一个数据点;
当所述归一化处理后的泵示功图上的相邻的数据点所构成的线段的斜率不大于0.03时,则只保留其中第一个数据点和最后一个数据点;
将所述归一化处理后的泵示功图上的所有数据点连接成封闭曲线,当相邻两条线段的夹角为接近夹角180°时,则去掉两条线段相交的数据点。
8.根据权利要求7所述的方法,其特征在于,所述利用矢量特征法对多边形逼近处理后的泵示功图中的故障进行识别之前还包括:
对多边形逼近处理后的泵示功图的倾斜矫正的步骤,该步骤包括:
在多边形逼近处理后的泵示功图上搜索0.5×PPDYN_WIDTH<PPDYN_WIDTH、0°<和水平的夹角<8°且取线段中点纵坐标为最大或最小值的线段;
根据搜索的线段对多边形逼近处理后的泵示功图进行倾斜矫正。
9.根据权利要求1-8任一项所述的方法,其特征在于,所述利用矢量特征法对多边形逼近处理后的泵示功图中的故障进行识别:
对多边形逼近处理后的泵示功图进行无因次化处理、建立该泵示功图的矢量链;
将所述泵示功图的矢量链与标准故障矢量链库中矢量链比较,进行故障判别;所述标准故障矢量链库包括泵各种故障的矢量链。
10.一种泵示功图的识别和判断系统,其特征在于,包括:
泵示功图预处理模块,对泵示功图进行预处理,提取泵示功图信息;
归一化处理模块,根据提取的泵示功图信息对泵示功图进行归一化处理;
多边形逼近处理模块,对归一化处理后的泵示功图进行多边形逼近处理;
故障识别模块,利用矢量特征法对多边形逼近处理后的泵示功图中的故障进行识别。
11.根据权利要求10所述的系统,其特征在于,所述泵示功图预处理模块包括:
泵示功图生成单元,生成泵示功图;
函数化处理单元,对生成的泵示功图进行函数化处理;
信息提取单元,对所述函数化处理后的泵示功图进行信息提取;所提取的信息包括泵冲程与最小、最大泵载荷信息,泵示功图面积与泵马力信息及泵示功图曲线上各点的形状特征。
12.根据权利要求10所述的系统,其特征在于,所述多边形逼近处理模块包括:
图形处理单元,当所述归一化处理后的泵示功图上的两个数据点同时满足横坐标之差小于0.05×PPDYN_WIDTH,纵坐标之差小于0.03×PPDYN_HEIGHT,则删除其中一个数据点;当所述归一化处理后的泵示功图上的相邻的数据点所构成的线段的斜率不大于0.03时,则只保留其中第一个数据点和最后一个数据点;将所述归一化处理后的泵示功图上的所有数据点连接成封闭曲线,当相邻两条线段的夹角为接近夹角180°时,则去掉两条线段相交的数据点;
倾斜矫正单元,在多边形逼近处理后的泵示功图上搜索0.5×PPDYN_WIDTH<PPDYN_WIDTH、0°<和水平的夹角<8°且取线段中点纵坐标为最大或最小值的线段,根据搜索的线段对多边形逼近处理后的泵示功图进行倾斜矫正。
13.根据权利要求10-12任一项所述的系统,其特征在于,所述故障识别模块包括:
矢量链建立单元,对多边形逼近处理后的泵示功图进行无因次化处理、建立该泵示功图的矢量链;
故障判断单元,将所述泵示功图的矢量链与标准故障矢量链库中矢量链比较,进行故障判别;所述标准故障矢量链库包括泵各种故障的矢量链。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110126451 CN102184414B (zh) | 2011-05-16 | 2011-05-16 | 泵示功图的识别和判断方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110126451 CN102184414B (zh) | 2011-05-16 | 2011-05-16 | 泵示功图的识别和判断方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102184414A true CN102184414A (zh) | 2011-09-14 |
CN102184414B CN102184414B (zh) | 2013-03-13 |
Family
ID=44570587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110126451 Active CN102184414B (zh) | 2011-05-16 | 2011-05-16 | 泵示功图的识别和判断方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102184414B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103161453A (zh) * | 2011-12-14 | 2013-06-19 | 中国石油天然气股份有限公司 | 一种优化油井采集示功图存储方式的方法 |
CN104110251A (zh) * | 2014-06-24 | 2014-10-22 | 安徽多杰电气有限公司 | 一种基于art2的抽油机示功图识别方法 |
CN104481496A (zh) * | 2014-09-16 | 2015-04-01 | 渤海大学 | 一种有杆泵抽油井故障诊断方法 |
CN104481508A (zh) * | 2014-09-10 | 2015-04-01 | 大庆明达韦尔信息系统服务有限公司 | 用信息熵结合灰度关联矩阵实现油田抽油机井故障诊断的方法 |
CN104564020A (zh) * | 2014-04-21 | 2015-04-29 | 山东天工石油装备有限公司 | 油井示功图数据分析的一种方法 |
CN106326630A (zh) * | 2015-06-29 | 2017-01-11 | 布里斯托公司商用名远程自动化解决方案 | 用于确定井下泵的产量的方法和装置 |
CN106761668A (zh) * | 2016-11-19 | 2017-05-31 | 新疆华隆油田科技股份有限公司 | 油井故障智能化分析决策系统及方法 |
CN110163302A (zh) * | 2019-06-02 | 2019-08-23 | 东北石油大学 | 基于正则化注意力卷积神经网络的示功图识别方法 |
CN110360093A (zh) * | 2019-07-30 | 2019-10-22 | 江西资生科技有限公司 | 一种往复式压缩机示功图的运行检测系统及方法 |
CN111199090A (zh) * | 2018-10-31 | 2020-05-26 | 北京国双科技有限公司 | 一种故障识别方法及相关设备 |
CN111637044A (zh) * | 2019-03-01 | 2020-09-08 | 中国石油天然气股份有限公司 | 一种电潜柱塞泵油井工况诊断方法及系统 |
CN112483045A (zh) * | 2020-12-01 | 2021-03-12 | 中国石油天然气股份有限公司 | 一种利用油井示功图数据指导油井加药的方法 |
CN112560217A (zh) * | 2019-09-26 | 2021-03-26 | 北京国双科技有限公司 | 模型构建方法、抽油泵故障诊断方法、装置及相关产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201057043Y (zh) * | 2007-07-06 | 2008-05-07 | 中国石油化工股份有限公司中原油田分公司采油五厂 | 抽油机井示功仪数据转换器 |
WO2009156326A2 (de) * | 2008-06-24 | 2009-12-30 | BSH Bosch und Siemens Hausgeräte GmbH | Verfahren zur lastzustandserkennung einer pumpe |
CN102011576A (zh) * | 2010-11-24 | 2011-04-13 | 河海大学 | 基于示功图的有杆抽油系统故障递阶诊断方法 |
-
2011
- 2011-05-16 CN CN 201110126451 patent/CN102184414B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201057043Y (zh) * | 2007-07-06 | 2008-05-07 | 中国石油化工股份有限公司中原油田分公司采油五厂 | 抽油机井示功仪数据转换器 |
WO2009156326A2 (de) * | 2008-06-24 | 2009-12-30 | BSH Bosch und Siemens Hausgeräte GmbH | Verfahren zur lastzustandserkennung einer pumpe |
CN102011576A (zh) * | 2010-11-24 | 2011-04-13 | 河海大学 | 基于示功图的有杆抽油系统故障递阶诊断方法 |
Non-Patent Citations (2)
Title |
---|
杨瑞等: "《功图法油井计量技术在长庆油田的应用》", 《油气田地面工程》 * |
饶建华等: "《定向井有杆抽油系统扶正器可视化设置及仿真》", 《海洋石油》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103161453B (zh) * | 2011-12-14 | 2015-08-05 | 中国石油天然气股份有限公司 | 一种优化油井采集示功图存储方式的方法 |
CN103161453A (zh) * | 2011-12-14 | 2013-06-19 | 中国石油天然气股份有限公司 | 一种优化油井采集示功图存储方式的方法 |
CN104564020A (zh) * | 2014-04-21 | 2015-04-29 | 山东天工石油装备有限公司 | 油井示功图数据分析的一种方法 |
CN104110251A (zh) * | 2014-06-24 | 2014-10-22 | 安徽多杰电气有限公司 | 一种基于art2的抽油机示功图识别方法 |
CN104481508B (zh) * | 2014-09-10 | 2017-03-22 | 大庆明达韦尔信息系统服务有限公司 | 用信息熵结合灰度关联矩阵实现油田抽油机井故障诊断的方法 |
CN104481508A (zh) * | 2014-09-10 | 2015-04-01 | 大庆明达韦尔信息系统服务有限公司 | 用信息熵结合灰度关联矩阵实现油田抽油机井故障诊断的方法 |
CN104481496A (zh) * | 2014-09-16 | 2015-04-01 | 渤海大学 | 一种有杆泵抽油井故障诊断方法 |
CN104481496B (zh) * | 2014-09-16 | 2017-02-15 | 渤海大学 | 一种有杆泵抽油井故障诊断方法 |
CN106326630A (zh) * | 2015-06-29 | 2017-01-11 | 布里斯托公司商用名远程自动化解决方案 | 用于确定井下泵的产量的方法和装置 |
CN106326630B (zh) * | 2015-06-29 | 2022-01-18 | 布里斯托公司商用名远程自动化解决方案 | 用于确定井下泵的产量的方法和装置 |
CN106761668A (zh) * | 2016-11-19 | 2017-05-31 | 新疆华隆油田科技股份有限公司 | 油井故障智能化分析决策系统及方法 |
CN111199090B (zh) * | 2018-10-31 | 2023-12-26 | 北京国双科技有限公司 | 一种故障识别方法及相关设备 |
CN111199090A (zh) * | 2018-10-31 | 2020-05-26 | 北京国双科技有限公司 | 一种故障识别方法及相关设备 |
CN111637044A (zh) * | 2019-03-01 | 2020-09-08 | 中国石油天然气股份有限公司 | 一种电潜柱塞泵油井工况诊断方法及系统 |
CN110163302A (zh) * | 2019-06-02 | 2019-08-23 | 东北石油大学 | 基于正则化注意力卷积神经网络的示功图识别方法 |
CN110163302B (zh) * | 2019-06-02 | 2022-03-22 | 东北石油大学 | 基于正则化注意力卷积神经网络的示功图识别方法 |
CN110360093B (zh) * | 2019-07-30 | 2021-01-15 | 江西资生科技有限公司 | 一种往复式压缩机示功图的运行检测系统及方法 |
CN110360093A (zh) * | 2019-07-30 | 2019-10-22 | 江西资生科技有限公司 | 一种往复式压缩机示功图的运行检测系统及方法 |
CN112560217A (zh) * | 2019-09-26 | 2021-03-26 | 北京国双科技有限公司 | 模型构建方法、抽油泵故障诊断方法、装置及相关产品 |
CN112483045A (zh) * | 2020-12-01 | 2021-03-12 | 中国石油天然气股份有限公司 | 一种利用油井示功图数据指导油井加药的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102184414B (zh) | 2013-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102184414B (zh) | 泵示功图的识别和判断方法及其系统 | |
Lian et al. | DeepWindow: Sliding window based on deep learning for road extraction from remote sensing images | |
CN106778823A (zh) | 一种指针式仪表读数自动识别方法 | |
CN102411711B (zh) | 一种基于个性化权重的手指静脉识别方法 | |
CN105354866A (zh) | 一种多边形轮廓相似度检测方法 | |
CN106930751A (zh) | 一种有杆泵抽油井故障分离方法 | |
CN104636325B (zh) | 一种基于极大似然估计确定文档相似度的方法 | |
CN103582884A (zh) | 用于视觉搜索的稳健特征匹配 | |
CN104807589B (zh) | 一种集输-立管系统内气液两相流流型的在线识别方法 | |
CN112508105A (zh) | 一种采油机故障检测与检索方法 | |
CN106257498A (zh) | 基于异构纹理特征的锌浮选工况状态划分方法 | |
CN104036289A (zh) | 一种基于空间-光谱特征和稀疏表达的高光谱图像分类方法 | |
CN101620677A (zh) | 一种基于三角剖分与lod技术的指纹识别方法 | |
CN102867195A (zh) | 一种遥感图像多类目标检测和识别方法 | |
CN103714148A (zh) | 基于稀疏编码分类的sar图像检索方法 | |
CN103839075A (zh) | 一种基于联合稀疏表示的sar图像分类方法 | |
CN103955496A (zh) | 一种快速的现场轮胎痕迹花纹检索算法 | |
CN103793696A (zh) | 指纹识别方法及其系统 | |
CN103679161A (zh) | 一种人脸识别方法和装置 | |
CN104616016A (zh) | 一种全局与局部特征相结合的纹理特征描述方法 | |
CN103605979A (zh) | 一种基于形状片段的物体识别方法及系统 | |
CN103218614A (zh) | 基于流形学习和粗糙集相结合的强对流天气识别方法 | |
CN101650778A (zh) | 一种基于特征点与单应性匹配的不变性识别方法 | |
CN104504370A (zh) | 一种结合仿生纹理特征和线状纹理特征的手指静脉识别方法 | |
CN108053360A (zh) | 基于多相关hmt模型的数字图像水印检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |