【技术实现步骤摘要】
本专利技术涉及人工智能识别，特别涉及一种工况识别模型的训练方法、工况诊断方法及装置。
技术介绍
1、目前，大多数油田都是利用有杆泵抽油机井采油，但由于井下因素复杂，易引发抽油机井各种故障，一旦出现故障，不仅会造成石油开采不能有序进行、采油成本增加、降低生产抽油效率、设备损坏，甚至造成油井安全事故，引发严重的人员和财产损失，因此实时准确的对抽油机井进行诊断很有必要。示功图是一种有效的故障诊断方法。
2、现有技术中，使用创建识别模型的方法，例如人工智能识别的方式，创建示功图识别模型，通过示功图识别模型，对示功图所属的工况类型进行识别，进而实现对异常工况的预测，但由于示功图大部分无标签，有标签的示功图数据量较少，或者示功图存在信息保存不全，不完整等情况，导致大量的示功图数据无法运用至识别模型的训练过程中，最终示功图的识别模型准确性较差。
3、如果示功图无法准确被识别，则会出现工况状况预测不及时，如果等到故障发现时为时已晚，可能会造成不可挽回的经济损失，甚至是停工、停产、减少石油产量。基于以上原因，迫切的需要一种新的预防...
【技术保护点】
1.一种工况识别模型的训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，获取第一示功图数据集，包括：
3.如权利要求2所述的方法，其特征在于，保存训练完成的自监督学习模型的编码器，包括：
4.如权利要求2所述的方法，其特征在于，将带有类型标签的示功图数据集分为训练集和测试集，使用所述训练集和所述测试集对构建的监督学习模型进行训练，得到训练完成的监督学习模型并保存，包括：
5.如权利要求1所述的方法，其特征在于，利用所保存的监督学习模型得到老师模型，包括：
6.如权利要求5所述的方法，其特征...
【技术特征摘要】
1.一种工况识别模型的训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，获取第一示功图数据集，包括：
3.如权利要求2所述的方法，其特征在于，保存训练完成的自监督学习模型的编码器，包括：
4.如权利要求2所述的方法，其特征在于，将带有类型标签的示功图数据集分为训练集和测试集，使用所述训练集和所述测试集对构建的监督学习模型进行训练，得到训练完成的监督学习模型并保存，包括：
5.如权利要求1所述的方法，其特征在于，利用所保存的监督学习模型得到老师模型，包括：
6.如权利要求5所述的方法，其特征在于，将训练完成的监督学习模型的参数，迁移至老师模型的模型框架上，包括：
7.如权利要求1所述的方法，其特征在于，所述学生模型具有编码器，所述学生模型的编码器中包含类别特征表示、蒸馏特征表示、图像块特征表示、位置特征表示和vit模型，所述学生模型的分类器包括：蒸馏网络分类器和类别分类器。
8.如权利要求7所述的...
【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：
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。