-
题名基于卷积神经网络模型的抽油机系统故障诊断
被引量:4
- 1
-
-
作者
刘芑辰
冯子明
蒋国斌
孙桐建
李琦
-
机构
东北石油大学机械科学与工程学院
中国石油大庆油田有限责任公司采油工程研究院
-
出处
《石油钻采工艺》
CAS
北大核心
2021年第6期777-781,共5页
-
基金
国家自然科学基金项目“变速驱机-杆-泵全耦合动力学行为及优化运行节能机理研究”(编号:51774091)
黑龙江省博士后启动基金项目(编号:LBH-Q20083)
黑龙江省自然科学基金联合引导项目(编号:LH2019E018)。
-
文摘
陆地机械采油普遍采用有杆抽油系统,示功图是油井工况的重要指示。在实际开采过程中,由于抽油井数量大、分布广,人工检测油井耗时费力。为提高人工检修效率、提升自动化水平,针对示功图的图形特征,在卷积神经网络Le-Net模型的基础上,建立简化卷积神经网络模型。收集实际生产数据经预处理后输入机器学习模型进行训练,得到关于示功图的分类模型,同时通过测试集数据对分类结果进行评价。结果表明,建立的卷积神经网络模型具有良好的稳定性,能够通过数据学习得出准确率较高的分类模型;所建立的分类模型能够稳定处理多分类问题,对于15种故障类型分类实现效果良好;通过测试集进行评价,该模型准确率达92%以上,预测效果可以满足油田实际生产需求。
-
关键词
抽油机
示功图
卷积神经网络
故障诊断
-
Keywords
pumping unit
indicator diagram
convolutional neural network
fault diagnosis
-
分类号
TE355
[石油与天然气工程—油气田开发工程]
-