潜油柱塞泵MMAGA-RBF故障诊断方法

针对潜油柱塞泵无法使用传统地面示功图方法进行故障诊断的问题,提出了一种适用于该抽油机的故障诊断方法.该方法首先利用多变异位自适应遗传算法(MMAGA)对RBF神经网络进行参数寻优,然后从潜油直线电机的运行参数和油井井口的仪表参数等综合数据中,提取出反映油泵运行状态的特征参数,并将其作为故障诊断模型的输入向量,从而实现潜油柱塞泵故障工况的诊断.结果表明:MMAGA-RBF故障诊断方法能够在较少的训练样本下达到较高的综合诊断准确率,在训练样本集达到1 000组以上时,其综合误判率可低于4%,相对于普通遗传算法优化的模型,其泛化能力更强.MMAGA-RBF故障诊断方法符合潜油柱塞泵的工况特点,能够达到其综合诊断准确率的要求.

基于改进遗传算法的多脉冲交会轨道优化研究

最优空间多脉冲轨道交会是一个复杂的非线性系统。由于结构复杂,存在非线性特性,影响系统的快速性和实时性。建立最优空间多脉冲轨道交会模型,传统遗传算法不能满足要求,因此提出了在自适应遗传算法的基础上引入多位变异的多变异位自适应遗传算法,对空间多脉冲交会轨道优化进行了求解。多变异位自适应遗传算法增加了种群的多样性,可避免算法的早熟收敛现象。仿真结果表明,利用多位变异自适应遗传算法求解空间多脉冲交会轨道优化效果好,避免了早期收敛,提高了全局寻优能力,为多脉冲交会轨道优化提供了较好的方法。