【摘要】 本发明公布了一种基于示功图的有杆抽油系统故障预测方法，以正常(或平稳状态)样本地面示功图作为切入点，在故障预兆分析的基础上，采用ARMA时间序列模型对预测样本的特征量进行预测，最后采用“基于示功图的有杆抽油系统故障递阶诊断方法”进行故障分辨和故障识别。它不需要建立和求解有杆抽油系统力学模型，也不存在训练集问题；同时，故障预兆分析节省了大量的时间，提高了故障预测的效率，并与ARMA时间序列模型一起有效提高了预测精度。 【专利类型】发明申请 【申请人】河海大学; 南京航空航天大学 【申请人类型】学校 【申请人地址】210098 江苏省南京市西康路1号 【申请人地区】中国 【申请人城市】南京市 【申请人区县】鼓楼区 【申请号】CN201010557716.3 【申请日】2010-11-24 【申请年份】2010 【公开公告号】CN102043900A 【公开公告日】2011-05-04 【公开公告年份】2011 【授权公告号】CN102043900B 【授权公告日】2013-07-03 【授权公告年份】2013.0 【发明人】梁华; 唐敢; 李训铭 【主权项内容】一种基于示功图的有杆抽油系统故障预测方法，其特征在于包括如下步骤：1)计算15个特征量的安全区域与危险区域：根据特征量统计规律，计算得到各个特征量的安全区域[d，c]与危险区域(‑∞，d)∪(c，+∞)，危险区域分为左危险区(‑∞，d)和右危险区(c，+∞)；对于载荷平均变化量，有意义的危险区域为右危险区(c，+∞)；2)故障预兆分析：先判断要预测的样本(设样本号为N+1)是否存在故障预兆，若无预兆，则不需要进行预测，直接判定该预测样本为正常样本，结束；若有预兆，则计算预测第N+1个样本的数据源，跳转步骤2)；3)预测样本的特征量预测：根据数据源，预测第N+1个样本的15个特征量和是否存在打结点；4)对预测结果，采用“基于示功图的有杆抽油系统故障递阶诊断方法”进行故障分辨，判断第N+1个样本是否正常，若为故障样本，进一步进行故障类型的识别。 【当前权利人】河海大学; 南京航空航天大学 【当前专利权人地址】江苏省南京市西康路1号; 江苏省南京市江宁区将军大道29号南京航空航天大学 【专利权人类型】公立; 公立 【统一社会信用代码】121000004660068699; 12100000466006826U 【被引证次数】17 【被他引次数】17.0 【家族被引证次数】17

未经允许不得转载：http://www.zhongzhencnc.com/1785671761.html