师兄开题报告

1、基于流形学习的故障诊断方法 及其在采油过程的应用研究 学生：张 妮 指导老师：田学民（教授） 专业：控制理论与控制工程博士开题报告2022/8/281主要内容课题的研究意义及国内外研究现状课题的研究内容拟解决的关键性问题拟采取的研究方法、技术路线及试验方案课题的创新之处课题的预期进展和预期成果2022/8/2821. 课题的研究意义及国内外研究现状课题的研究意义针对油田采油系统采用有效的故障诊断方法对提高抽油机工作效率、降低机械采油成本、降低维修费用和提高油井产量具有重大的现实意义。现存示功图法故障诊断需要定期巡井，采集单井示功图，实时性较差，且井下示功图的求解复杂繁琐，不能完全考虑各种地下情

2、况。计算机测控系统的广泛应用为我们提供了丰富的过程数据，利用现场采集数据进行基于数据的故障诊断可以节省人力物力，实现在线故障诊断。 因此，在数字化油田的新形式下，采用测量数据针对采油系统的非线性以及周期性运行等显著特点，开展基于数据分析的过程监控和故障诊断对推动故障诊断技术学科的发展具有很高的学术价值和很强的实践意义。 2022/8/283课题的国内外研究现状抽油机井故障诊断技术20世纪20年代，采用基于地面光杆示功图的故障诊断法20世纪60年代，出现基于井下示功图的故障诊断法20世纪80年代，采用人工智能方法进行抽油机井故障诊断1.课题的研究意义和国内外研究现状2022/8/284课题的国内

3、外研究现状故障诊断技术发展的国内外现状1. 课题的研究意义和国内外研究现状2022/8/285图1 故障诊断方法分类图2. 课题的研究内容系统周期性运行故障检测建模方法研究针对抽油机系统周期性运行特性，提出基于多向流形学习的故障检测建模方法针对采油过程的多时段特性，依据相关信息把整体过程划分为多个不同的子时段分别进行建模系统故障检测的非线性特征提取方法研究抽油系统地面和井下参数存在较强的非线性耦合，研究基于流形学习的抽油机系统非线性特征提取方法并对在线采集数据实施实时监控，提高故障检测的灵敏性和实时性采油过程故障识别方法研究提出基于子流形特征匹配以及基于子流形特征融合的故障模式识别方法，避免了

4、示功图以及单一的电流参数等故障诊断的局限性2022/8/2863. 拟解决的关键问题系统周期性运行建模方法如何处理抽油机运行的三维采集数据如何针对不同的时段变量之间的关系不同进行多时段建模非线性系统特征提取方法如何提取系统采集变量之间的非线性关系采油过程故障识别方法如何识别当前工况所属类别2022/8/2874. 拟采取的技术路线、实验方案4.1 周期性运行故障检测建模方法基于时间片将运行数据展开，考虑不同的时间片之间测量信息的关联性，计算当前时间片和上个时间片之间的信息关联程度 上个时间片保留的流形信息与当前时间片数据信息组成新的二维数据矩阵2022/8/288图2 周期性运行建模示意图（1

5、）4. 拟采取的技术路线、实验方案4.1 周期性运行故障检测建模方法多时段划分：首先根据周期内流形降维后降维维数的变化对过程操作时段进行粗划分；然后根据变量空间投影方向的变化对过程时段进行第二步划分；最后根据子流形的变化幅值不同对过程操作时段进行第三步划分。 变量投影方向不同依据 子流形变化幅值不同划分依据2022/8/289（3）（2）4. 拟采取的技术路线、实验方案4.2 非线性系统特征提取方法研究基于等距离映射（ISOMAP）的非线性特征提取构造近邻域图G自适应邻域个数计算点对间最短路径即测地线距离扩散距离流形距离构造d 维嵌入2022/8/2810（4）（5）（6）4. 拟采取的技术路

6、线、实验方案4.2 非线性系统特征提取方法研究基于神经网络自译码器的非线性特征提取2022/8/2811图3 神经网络自译码器结构图及权值训练图示4. 拟采取的技术路线、实验方案4.2 非线性系统特征提取方法研究基于统计局部典型变量分析（CVA）的非线性特征提取2022/8/2812图4 基于统计局部的相对典型变量分析的故障检测流程图（7）（8）4.拟采取的技术路线、实验方案4.3 采油过程模式识别方法研究基于动态聚类相似度的故障诊断2022/8/2813几何相似性度量距离相似性+几何相似性度量图5 故障特征模式识别流程图（9）（1）（10）4. 拟采取的技术路线、实验方案4.3 采油过程故障

7、识别方法研究。基于子流形信息融合的故障诊断采油过程中实测信号的不确定性、故障原因和现象之间的模糊性决定了单一的特征参数很难提供采油过程的完整状态信息，子流形信息融合方法能将相互交叉的不确定信息合理地分配到不同类别中，从而减少了模式识别的不确定性，提高了识别的精度。2022/8/2814图6 基于多源信息融合的故障模式识别流程图5. 课题的创新之处提出了一种基于多向流形学习的周期性运行故障检测建模方法，并针对运行周期内不同阶段变量之间的关系不同将采油过程划分为多个时段分别建模。引入自适应流形学习方法对研究对象的可测参数进行非线性特征提取，有效地分析数据内在的相互关系。提出基于子流形相似度以及子流形特征融合的油井故障诊断方法，避免了传统的采油过程故障诊断中仅仅依靠示功图或单一的特征参数的局限性。2022/8/28156. 课题的预期进展和预期成果2010.9-2010.12 研究抽油机采油过程周期性运行建模方法2011.1-2011.2 研究基于ISOMAP流形学习的有杆抽油系统非 线性特征提取方法2011.3-2011.4 研究基于神经网络自译码器流形学习的故障检测方法2011.5-2011.7 研究基于统计局部的相对典型变量分析的故障检测方法2011.8-2011.9 研究基