10.3969/j.issn.1006-9348.2016.02.092
石油生产中有杆抽油机故障诊断研究
及时发现并排除抽油机故障对于降低生产成本、提高油井产量具有重要作用.由于抽油机故障种类多,测量的悬点示功图形态多样且容易受环境噪声的影响,测量数据的区分性特征难以提取,造成通过传统神经网络进行故障诊断时的准确率较低.为提高抽油机故障诊断的精度,提出一种基于深度信念网(DBN)和支持向量机(SVM)混合模型的抽油机故障诊断方法.采用深度信念网从样本示功图图像中学习特征,支持向量机根据特征判断抽油机的故障类别.深度信念网和支持向量机的结构参数均使用网格寻优的方法进行优化.实验结果表明,DBN和SVM方法避免了复杂的人工提取数据特征的过程且具有较高的识别准确率和识别速度,同时与其它方法相比具有更好的性能.
深度信念网、故障诊断、特征学习、功图识别
33
TP183(自动化基础理论)
河南省高等学校重点科研项目15A460023;国家自然科学基金项目50906022
2016-05-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
443-447