Детальная информация

Задачи, которые решались в ходе исследования: 1) Изучение особенности построения динамограмм, предметной области. 2) Нахождение способа классификации для каждого графика, поиск оптимального решения. 3) Генерация данных для обучения, проверка на предоставленных данных, обучение модели. 4) Определение неисправностей/нормальной работы ШГН. 5) Разработка рекомендаций по внедрению/модернизации решения в реальный эксплуатируемый проект. Анализ динамограмм был проведен с использованием реальных показателей с ШГН (штанговых глубинных насосов), эксплуатируемых в Краснодарском крае. Построение модели помогает сделать вывод о работе насосов, проанализировать данные и графики. Из-за их специфичной формы появляются проблемы с определением типов неисправностей. Произведены экспериментальные испытания, показавшие, что модель можно использовать для классификации различных динамограмм.

Tasks that were solved during the research: 1) The study of the features of the construction of dynamograms, the subject area. 2) Finding a classification method for each graph, searching for the optimal solution. 3) Generating data for training, checking on the provided data, training the model. 4) Fault detection/normal operation of the SRP. 5) Development of recommendations for the implementation / modernization of the solution in a real operational project. The analysis of dynamograms was carried out using real indicators from SHSN (rod depth pumps) operated in the Krasnodar Territory. Building a model helps to make a conclusion about the operation of pumps, analyze data and graphs. Due to their specific shape, there are problems with identifying the types of faults. Experimental tests have been carried out, which have shown that the model can be used to classify various dynamograms.

• СОДЕРЖАНИЕ
• ВВЕДЕНИЕ
• ГЛАВА 1 АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ
• 1.1 Обзор исследований, пересекающихся с темой работы
• 1.2 Обзор программного обеспечения
  • 1.2.1 APM Технология Infolook.Dnmanalyzer
  • 1.2.2 Программное обеспечение EDWin
• 1.3 Формализация задачи
• 1.4 Выводы по главе 1
• ГЛАВА 2 МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ЗАДАЧИ КЛАССИФИКАЦИИ
• 2.1 Описание задачи классификации
• 2.2 Построение сверточной нейронной сети
• 2.3 Трансферное обучение
• 2.4 Типы динамограмм
• 2.5 Выводы по главе 2
• ГЛАВА 3 ПРОВЕДЕНИЕ ЭКСПЕРИМЕНТА
• 3.1 Структурирование данных
• 3.2 Описание программных компонент
• 3.3 Средство генерации, редактирования данных
• 3.4 Создание модели
• 3.5 Тестирование модели
• 3.6 Выводы по главе 3
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
• ПРИЛОЖЕНИЕ А КОД ПРОГРАММЫ ДЛЯ ГЕНЕРАЦИИ ДАННЫХ
• ПРИЛОЖЕНИЕ Б PYTHON СКРИПТ ДЛЯ СЖАТИЯ ИЗОБРАЖЕНИЙ
• ПРИЛОЖЕНИЕ В PYTHON СКРИПТ ДЛЯ КЛАССИФИКАЦИИ ТЕСТОВЫХ ДАННЫХ
• ПРИЛОЖЕНИЕ Г ПОЛНЫЙ КОД ОБУЧЕНИЯ МОДЕЛИ