基于BP神经网络的抽油设备示功图动态识别方法和装置

摘要

本发明是有关于基于BP神经网络的抽油设备示功图动态识别方法和装置，其中的方法包括：建立特征库以及动态识别，建立过程包括：对抽油设备示功图样本的时域数据进行归一化处理，并采样获得离散的时域数据序列；对时域数据序列进行傅立叶变换获得频域数据序列；利用频域数据序列中的部分数据替代时域数据序列中的部分数据，并获得傅立叶逼近特征值；将归一化处理后的抽油设备示功图样本分割为四部分，并提取特征向量；傅立叶逼近特征值和特征向量存储于特征库中；利用BP神经网络算法对抽油设备示功图样本进行训练，以库中的傅立叶逼近特征值。本发明增强了抽油设备的自动化管理程度，并提高了油田工作效率，同时完善了油井作业的管理制度。

主权项

一种基于BP神经网络的抽油设备示功图动态识别方法，其特征在于，所述方法包括：特征库的建立过程以及利用已成功建立的特征库对采集的抽油设备示功图进行动态识别过程，其中所述特征库的建立过程包括：对抽油设备示功图样本的时域数据进行归一化处理，并对归一化处理后的时域数据进行采样处理，以获得离散的时域数据序列；对所述离散的时域数据序列进行傅立叶变换，以获得频域数据序列；利用所述频域数据序列中的部分数据替代所述离散的时域数据序列中位置对应的部分数据，并利用所述替代后的时域数据序列进行傅立叶逼近计算，以获得傅立叶逼近特征值；利用对角线分割方式将所述归一化处理后的抽油设备示功图样本分割为四部分，并从右下部分提取特征向量；所述傅立叶逼近特征值和所述特征向量存储于特征库中；利用BP神经网络算法对抽油设备示功图样本进行训练，并利用训练获得的特征值校正特征库中的傅立叶逼近特征值。