针对传统的示功图识别方法对抽油机井进行故障诊断存在人工选取示功图特征,识别准确度低等问题,基于人工智能理论,提出一种卷积神经网络（CNN）和支持向量机（SVM）相结合的示功图智能识别模型。利用卷积神经网络对示功图图像特征自动提取,利用支持向量机根据提取的深层图像特征给出故障诊断结果。结果表明,将CNN与SVM结合用于示功图识别不仅省去了人工选取示功图特征这一环节,而且识别准确度也高达99.71%,测试性能优于其他识别模型。该模型的提出为抽油机井故障的快速准确诊断提供了可行的解决方案,对油田高效作业具有重要意义。

螺旋桨作为一高速旋转部件,由于制造和装配误差,造成螺旋桨在装机后重心和旋转中心不重合,以及各桨叶上气动力不完全一致,从而使螺旋桨在高速旋转过程中产生振动。文中讨论一种精确测量螺旋桨重点位置的方法,可为正确进行螺旋桨动平衡提供参考。