示功图工况识别模型的建立方法、工况识别方法及装置制造方法及图纸

本发明专利技术提出了一种示功图工况识别模型的建立方法、工况识别方法及装置，所述工况识别方法包括对样本示功图做预处理，然后对图像进行聚类，将聚类后数据集与示功图模板图建立映射关系，之后将带有标注的数据集输入到初始工况识别模型进行训练。预测阶段，将示功图输入给训练好的工况识别模型进行识别。本发明专利技术利用图像聚类算法减少标注示功图所带来的人工成本；并将传统机器学习问题转化为图像识别问题，采用先进的工况识别模型技术结合图像上下文信息，提取图像信息识别图像，替代传统人工特征提取的方法。本发明专利技术能提高示功图的工况识别的效率，提高故障诊断的准确性。

【技术实现步骤摘要】

本专利技术属于油气生产，具体涉及示功图工况识别模型的建立方法、工况识别方法及装置。

技术介绍

1、由于井下地层因素复杂，抽油杆柱运动到井下抽油泵的过程中存在许多不明因素，均易引发抽油机井各种故障。目前抽油机故障维护主要采用预防性(周期性)维护的方式，对于常见的结蜡、泵漏等工况，存在过度维护的问题，且维修费用高，需要采用预测性维护的方式提前进行故障定位和分析。示功图反映气、油、水、砂、蜡等井内因素对抽油机工况的影响，是一种有效的故障诊断方法。目前主要采用机器学习算法来识别示功图进行工况故障诊断，但该方法需要人工标注示功图，需要提取多种示功图特征，如专家系统、傅里叶描述子、灰度矩阵、不变矩特征、freeman链码、差分曲线、图形几何特征等，在提取到示功图特征后，使用支持向量机、决策树、集成算法等机器学习算法进行示功图识别。但现有的示功图识别方法存在一些缺点：(1)需要通过各种特征工程来人工预先选取示功图特征，训练各种分类器完成示功图的识别，无法实现端到端的自动识别，并且人工标注示功图工作量大，标注效率低下；(2)依赖于人的经验，因此存在示功图特征选取不准确、泛本文档来自技高网...

【技术保护点】

1.一种示功图工况识别模型的建立方法，其特征在于，包括以下步骤：

2.如权利要求1所述的建立方法，其特征在于，按预设规则对样本示功图进行预处理之前，还包括：绘制样本示功图。

3.如权利要求2所述的建立方法，其特征在于，绘制样本示功图包括：对抽油机的实测位移、载荷数据进行采集，并绘制样本示功图。

4.如权利要求1所述的建立方法，其特征在于，在将聚类后的样本示功图与标准示功图模板建立标签映射关系后还包括以下步骤：

5.如权利要求1所述的建立方法，其特征在于，按预设规则对样本示功图进行预处理包括：对示功图进行图像二值化、轮廓提取、绘制最小外接矩形...

【技术特征摘要】

1.一种示功图工况识别模型的建立方法，其特征在于，包括以下步骤：

2.如权利要求1所述的建立方法，其特征在于，按预设规则对样本示功图进行预处理之前，还包括：绘制样本示功图。

3.如权利要求2所述的建立方法，其特征在于，绘制样本示功图包括：对抽油机的实测位移、载荷数据进行采集，并绘制样本示功图。

4.如权利要求1所述的建立方法，其特征在于，在将聚类后的样本示功图与标准示功图模板建立标签映射关系后还包括以下步骤：

5.如权利要求1所述的建立方法，其特征在于，按预设规则对样本示功图进行预处理包括：对示功图进行图像二值化、轮廓提取、绘制最小外接矩形操作。

6.如权利要求1所述的建立方法，其特征在于，将已预处理的样本示功图输入到已构建的图像聚类模型中，进行示功图的聚类，包括：

7.如权利要求1所述的建立方法，其特征在于，将聚类后的示功图数据集与标准示功图模板建立标签映射关系，具体包括：

8.如权利要求7所述的建立方法，其特征在于，将带标签的样本示功图图像结合预设的初始工况识别模型、标签平滑算法反复训练，得到工况识别模型，包括：

【专利技术属性】
技术研发人员：霍魁，马旭鑫，卢文君，李新宅，金玮，安向哲，
申请(专利权)人：昆仑数智科技有限责任公司，
类型：发明
国别省市：