一种提升采油机故障诊断精度方法技术

本发明专利技术公开了一种提升采油机故障诊断精度方法，该方法设计非方的卷积核构建残差块，采用不同卷积核的残差块交替堆叠的方式搭建深度学习网络模型，对搭建的模型进行训练，并使用训练得到的模型对采油过程中生成的示功图进行特征提取。根据提取的特征向量建立了工况特征向量检索库，与实时采集数据特征向量进行相似度计算，再根据计算结果，返回最相似的故障类型或更新故障库。该方法设计的卷积结构，能够提取更有效示功图特征，以达到在不增加大量训练时间成本和存储资源消耗的基础上，提升诊断精度，增强了对采油机设备工况监测、诊断的管控能力。诊断的管控能力。诊断的管控能力。

【技术实现步骤摘要】
一种提升采油机故障诊断精度方法


[0001]本专利技术涉及采油机故障诊断领域，具体而言，是通过建立定制化的深度学习模型，提取示功图特征，并基于提取出来的有效特征，进行故障诊断，提升故障诊断精度方法。

技术介绍

[0002]随着人工智能技术的发展，使用深度卷积神经网络进行采油机示功图特征提取，并基于提取出的特征进行自动故障诊断的方法不断涌现，且逐渐成为采油机故障诊断研究的重点方向。但传统的基于卷积神经网络的方法没有考虑示功图本身的特性，存在提取出来的示功图特征泛化能力不足，无法很好地表征示功图数据，诊断误报率较高的问题。
[0003]在大多数的基于卷积神经网络的方法中，卷积层中的卷积核大小都是常规的3
×
3或者5
×
5。这种正方形的卷积核对于特征比较丰富的具有平移不变性的自然图像比较有优势，可以提取各种复杂的特征，但对于采油机示功图这种由增载线、卸载线、上行程线和下行程线围成的封闭曲线，不存在复杂语义特征的图像而言，并不能高效地提取出有效特征。较小的卷积核无法有效提取出示功图的增载线和卸载线特征，而较大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提升采油机故障诊断精度方法，其特征在于该方法设计非方的卷积核构建残差块，采用不同卷积核的残差块交替堆叠的方式搭建深度学习网络模型，对采油过程中生成的示功图进行特征提取，并使用提取的特征进行故障诊断，提升诊断的精度，包括以下步骤：1)采集采油机的历史工况示功图，组成示功图数据集D，并采用留出法将示功图数据集D划分为训练集D
train
、验证集D
val
和测试集D
test
；2)针对示功图图像特征提取的特殊性，设计非方的卷积核A和B作为深度学习网络模型的特征提取单元，其中卷积核A为7
×
3的长方形结构，卷积核B为3
×
7的长方形结构；3)采用卷积核A和B代替残差块中传统的卷积核，构成新的残差块A
block
和B
block
，残差块A
block
堆叠在残差块B
block
之上,并按此顺序交替堆叠，并以此搭建N层深度学习网络模型；4)使用搭建完成的深度学习网络模型提取训练集D
train
和验证集D
val
中样本的d维的特征向量x，采用三元组损失Loss(X
A
,X
+
,X
‑
)进行反向传播训练网络参数，其中x
A
为锚样本向量，x
+
为正样本向量，x
‑
为负样本向量；5)根据测试集D
test
验证模型的精度和泛化能力，经训练得到最终网络模型；6)使用训练完成的网络模型，针对采油机的历史工况示功图数据集D建立平稳和故障工况示功图特征向量检索库Y；7)对实时采集的示功图数据使用网络模型提取特征向量并与工况特征检索库中的工况特征向量利用相似度函数H(X,Y)进行相似度计算，得到相似度向量S；8)取得相似度向量S中的最大值S
max
及其所属工况类别k
c
，判断最大值S
max
是否超过相似度阈值Th，若超过阈值，则将新采集的示功图诊断为k
c
工况，否则将此示功图类别标记为未知，由专家标定后加入工况特征检索库中；9)判断k
c
类工况是否为故障工况，如果是，进行故障报警，否则为平稳工况，不报警，并转到步骤7)。2.根据权利要求1所述的一种提升采油机故障...

【专利技术属性】
技术研发人员：陈夕松，钱帅康，夏峰，姜磊，卜禹，
申请(专利权)人：南京富岛油气智控科技有限公司，
类型：发明
国别省市：