【技术实现步骤摘要】
信息处理方法、装置、设备及介质
[0001]本申请属于信息处理
,尤其涉及一种信息处理方法、装置、设备及介质。
技术介绍
[0002]注水泵是油田注水生产中的主要设备,其对石油开采作业具有重要影响。然而在注水泵作业过程中,注水井的注水压力较高、回注污水的水温过高、水质较差、腐蚀性较强、负载较大以及工况恶劣等情况都可能会导致注水泵出现故障。为了避免由于注水泵出现故障而造成不必要的损失,需要实时监测注水泵的运行状态,以便及时确定注水泵是否发生故障。
[0003]然而现有技术中,一般是工人依靠相关经验对注水泵运行状态进行确定,以进而判断注水泵是否发生故障、发生何种故障,或是基于专家系统划分的故障阈值对注水泵运行信息进行监测,以对注水泵是否发生故障进行判断。但上述方法均无法准确判断注水泵是否发生故障。
技术实现思路
[0004]本申请实施例提供一种信息处理方法、装置、设备及介质,可以准确地确定注水泵是否发生故障。
[0005]第一方面,本申请实施例提供一种信息处理方法,方法包括:获取注水泵在第一 ...
【技术保护点】
【技术特征摘要】
1.一种信息处理方法,其特征在于,所述方法包括:获取注水泵在第一预设时间内的注水泵运行信息,所述注水泵运行信息包括多个采样信号;基于故障诊断模型对所述注水泵运行信息进行分类计算,以得到与所述注水泵运行信息对应的注水泵运行状态;其中,所述故障诊断模型包括多个模型参数,所述多个模型参数是损失函数基于训练样本对预设故障诊断模型进行训练后得到的,所述损失函数是基于与多个注水泵运行状态分别对应的训练样本的样本数量进行加权处理后得到的函数。2.根据权利要求1所述的方法,其特征在于,所述损失函数满足如下公式:其中,是模型估计样本的概率,表示训练样本属于第类的概率分布,,表示训练样本属于第类的概率分布是第类训练样本的实际样本数,是第类训练样本的有效样本数且为实际样本数的指数函数,是一个控制权重的超参数。3.根据权利要求1所述的方法,其特征在于,所述故障诊断模型包括卷积神经网络,所述卷积神经网络包括至少一个第一卷积层、一个池化层和一个SoftMax层,所述第一卷积层包括多个互相并列的第二卷积层,多个第二卷积层的尺寸互不相同。4.根据权利要求1所述的方法,其特征在于,在所述基于故障诊断模型对所述注水泵运行信息进行分类计算,以得到与所述注水泵运行信息对应的注水泵运行状态之前,所述方法还包括:获取训练样本集,所述训练样本集包括多个训练样本及其每一训练样本对应的标签运行状态,所述训练样本包括注水泵在第二预设时间内的注水泵运行信息样本;针对每一训练样本,执行如下操作:基于预设故障诊断模型对所述训练样本进行分类计算,以得到与所述训练样本对应的参考运行状态;根据目标训练样本的参考运行状态和所述目标训练样本的标签运行状态,确定预设故障诊断模型的损失函数值,所述目标训练样本是所述多个训练样本中的任一个;基于所述预设故障诊断模型的损失函数值,...
【专利技术属性】
技术研发人员:吴新涛,
申请(专利权)人:嘉洋智慧安全科技北京股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。