CNN-SVM模型在抽油机井故障诊断中的应用
仲志丹1
樊浩杰1
李鹏辉2
1.河南科技大学 机电工程学院,河南 洛阳,4710032.洛阳乾禾仪器有限公司,河南 洛阳,471000
摘要：针对传统的示功图识别方法对抽油机井进行故障诊断存在人工选取示功图特征,识别准确度低等问题,基于人工智能理论,提出一种卷积神经网络( CNN)和支持向量机( SVM)相结合的示功图智能识别模型.利用卷积神经网络对示功图图像特征自动提取,利用支持向量机根据提取的深层图像特征给出故障诊断结果.结果表明,将CNN与SVM结合用于示功图识别不仅省去了人工选取示功图特征这一环节,而且识别准确度也高达99.71% ,测试性能优于其他识别模型.该模型的提出为抽油机井故障的快速准确诊断提供了可行的解决方案,对油田高效作业具有重要意义.
关键词：卷积神经网络支持向量机示功图识别故障诊断深度学习
分类号：TH165.3(机械制造工艺)TP183(自动化基础理论)TE938(石油机械设备与自动化)
资助基金：河南省高等学校重点科研项目(15A460023)
论文发表日期：2018-07-02
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 112-117 )
英文信息