CNN-SVM模型在抽油机井故障诊断中的应用

• 作者: 仲志丹 李鹏辉 樊浩杰
• 来源期刊: 河南理工大学学报（自然科学版）
• 学科: 工学
• 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
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 机电与计算机工程
• 页码范围: 112-117
• 页数: 6页
• 分类号: TH165.3|TP183|TE938
• 字数: 2792字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	仲志丹	河南科技大学机电工程学院	31	84	5.0	7.0
2	樊浩杰	河南科技大学机电工程学院	3	8	2.0	2.0
3	李鹏辉		4	9	2.0	2.0