买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:西北工业大学
摘要:本发明公开了一种基于轻量卷积融合时空信息的抽油机示功图诊断方法,通过结合聚类分析的归一化方法提取功图的空间特征,接着采用轻量卷积神经网络LightweightConvolutionalNeuralNetworks,LCNN捕捉功图的高阶空间特征和局部信息,并融合多个时间点的功图数据捕获数据短期、中期和长期的时序变化特征,进而综合利用时序关系、空间规律等特征信息,进一步增强了数据的分类特征,提高功图故障诊断的准确性。本发明方法可以避免传统特征选择的不确定性,并有效提升在复杂工况下抽油机故障诊断的准确率。
主权项:1.一种基于轻量卷积融合时空信息的抽油机示功图诊断方法,其特征在于,包括如下步骤:步骤1:数据采集与预处理;按设置的采样时间收集悬点位移和载荷数据;清洗掉采集的数据中维度重复的异常点;绘制符合模型输入尺寸的示功图,并为示功图数据制作标签,然后将示功图转化为泵功图,接着将清洗过后的数据划分为训练集、测试集和验证集,并进行归一化处理,作为网络输入的样本数据X;步骤2:局部信息和高阶空间特征提取;通过改进的K均值聚类方法分析泵功图同的归一化标度,逐层抽象组合得到高阶空间特征O;将训练样本X输入到深度神经网络中学习得到s个局部信息C={C1,C1,...,Cs},最后结合高阶时空特征进一步输入到全连接层中进行分类识别,并通过最小化交叉熵损失函数进行优化求解;步骤3:融合时序特征和故障类型诊断;通过输入多时间点的功图数据到轻量卷积网络中获取高阶空间特征中的变化趋势特征,从而捕获到不同工况功图的变化特征;通过训练的分类网络对特征进行输入时间点个数的动态调整,进一步增强数据的分类特征,最后将训练完成的分类网络用于功图类型的诊断。
全文数据:
权利要求:
百度查询: 西北工业大学 一种基于轻量卷积融合时空信息的抽油机示功图诊断方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。