基于卷积神经网络的抽油机故障诊断

• 作者: 刘志刚 宋考平 杜娟 杨二龙
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 卷积神经网络 故障诊断 损失函数 抽油机 正则化注意力
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 751-757
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.12178/1001-0548.2019205

摘要

为提高抽油机的故障诊断性能、减少诊断模型的硬件存储,设计了基于轻量注意力卷积神经网络和示功图的故障诊断方法.首先,将示功图的位移-载荷数据转换为图像,诊断模型的基础结构采用深度分离卷积,提出一种可嵌入连续卷积层的正则化注意力模块,对每个卷积层的通道进行压缩、注意力计算,并根据注意力建立通道失活机制,输出具有特征抑制或加强的注意力特征图.其次,在模型学习算法上,提出注意力损失函数抑制易分样本对模型训练损失的贡献,使模型训练关注难分样本.最后通过仿真实验验证有效性,结果表明该模型硬件存储仅为5.4 MB,故障诊断精度达95.1％,满足抽油机工况检测的诊断精度要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋考平		66	266	8.0	12.0
2	刘志刚		33	104	6.0	8.0
3	杜娟		31	95	7.0	8.0
4	杨二龙		49	57	4.0	6.0