基于深度學(xué)習(xí)的抽油機(jī)井工況診斷方法
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大?。?span>651 K
標(biāo)簽： 示功圖 井下工況 自動(dòng)診斷
所需積分：0分積分不夠怎么辦,？
文檔介紹：基于示功圖對(duì)抽油機(jī)井下工況進(jìn)行自動(dòng)診斷是數(shù)字油田不可或缺的環(huán)節(jié),。通常通過(guò)人工提取示功圖的特征向量,，然后輸入機(jī)器學(xué)習(xí)算法分類器識(shí)別井下工況,。然而,，特征的選擇需要借助經(jīng)驗(yàn)和先驗(yàn)知識(shí),，并且直接影響后續(xù)分類器的最終性能,。而人工提取特征易受知識(shí)干擾,，且在特征提取的過(guò)程中存在信息丟失,，這決定了識(shí)別結(jié)果的上限。為此,，受深度神經(jīng)網(wǎng)絡(luò)自動(dòng)特征提取的啟發(fā),，提出基于卷積神經(jīng)網(wǎng)絡(luò)的示功圖的離線訓(xùn)練與在線診斷的方法。首先將挑選后的信號(hào)數(shù)據(jù)轉(zhuǎn)換為圖像數(shù)據(jù),，然后將圖像二值化降低計(jì)算復(fù)雜度,，最后基于改進(jìn)的LeNet-5網(wǎng)絡(luò)探究最適合模型的網(wǎng)絡(luò)結(jié)構(gòu)。最終通過(guò)實(shí)驗(yàn)與目前先進(jìn)的算法進(jìn)行對(duì)比，驗(yàn)證了本方法的有效性和可行性,。
現(xiàn)在下載
VIP會(huì)員,，AET專家下載不扣分；重復(fù)下載不扣分,，本人上傳資源不扣分,。