一种识别抽油机井示功图的新方法 一种识别抽油机井示功图的新方法.pdf

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

本课题是针对油田边远井、孤立井能够更方便的进行故障诊断，创新的采用手持终端与自组织竞争神经网络相结合的方法进行油井故障诊断。以抽油机作为研究对象，从油井的示功图入手，利用自组织竞争神经网络对抽油井示功图进行智能识别分类，实现油井故障的自动诊断。实验表明，基于神经网络的故障诊断系统在手持android终端能够成功实现，并且诊断正确率在97.3%以上。