文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201510111654.6

申 请 日：20150313

发 明 人：李太福 辜小花 梅青平 王坎 周伟 杨永龙 胥毅 贲福才

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区虎溪大学城重庆科技学院

公 开 日：20181102

公 开 号：CN105045941B

代 理 人：王玉芝

代理机构：50223 重庆蕴博君晟知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明提供一种基于无迹卡尔曼滤波的抽油机参数优化方法，包括：1)确定抽油机的生产效率影响因素和性能变量、2)获得其样本数据、3)对载荷数据进行降维、4)由非载荷变量与载荷新主元构建网络输入变量集、5)构建输入变量的样本值、6)归一化处理、7)构建前馈神经网络、8)用无迹卡尔曼滤波对网络作训练、9)构造产液量偏好函数、10)构建评价决策变量个体支配关系的适应度函数、11)计算环境变量平均值、12)利用决策变量构建初始种群并生成精英解种群、13)进行遗传迭代计算，得到第二代的精英种群和父代种群、14)迭代循环，最终得到优化后的生产效率影响因素值。优化后，可保证在产液量基本固定的情况下耗电量最小。

主 权 项：1.一种基于无迹卡尔曼滤波的抽油机参数优化方法，包括如下步骤：1)确定抽油机采油过程生产效率影响因素构成效率观测变量集合其中α₁，α₂为决策变量，α₃～α₁₄₆载荷数据环境变量，为其他环境变量，选取抽油机系统的性能变量构成性能观测变量集合：{y₁,y₂,y₃,…y_l}；2)获得所述生产效率影响因素和系统性能变量的样本数据，得到效率影响因素样本矩阵α和性能样本矩阵Y： 其中为效率影响因素个数，N为样本个数，α_ik表示第i个效率影响因素变量的第k个观测值，i＝1,2,...,M；k＝1,2,...,N；3)利用主元分析算法对载荷数据进行降维处理，从而构建新的载荷主元变量矩阵： 4)由影响因素观测变量集合中非载荷变量与载荷新主元观测变量集合{α_z1,α_z2,...,α

关 键 词：构建  无迹卡尔曼滤波 种群  决策变量  生产效率  输入变量  影响因素  产液量 抽油机 前馈神经网络 归一化处理  适应度函数  参数优化 初始种群  迭代循环  计算环境  偏好函数  性能变量  样本数据  遗传迭代  载荷数据  固定的  耗电量  父代  降维  主元 优化  样本  网络 保证  

IPC专利分类号：G06F17/50(20060101);G06N3/02(20060101)