基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为提高石油钻采装备外部故障检测能力,提出基于随机森林算法的监测方法.构建大数据采集模型,以石油钻采装备的异常振动数据为研究对象,进行故障特征提取和信息融合,构建故障工况下的信息融合和特征聚类模型,通过模糊C均值聚类进行故障特征的量化分解和分类识别,在随机森林学习算法下实现对故障检测和诊断的自适应寻优.仿真结果表明,采用该方法进行故障检测,可有效提高故障的自动监测能力,且准确性较高,实时性较好.
推荐文章
基于随机森林算法的CAM模板自动提取研究
CAM模板
随机森林
聚类分析
相似性计算
基于PCA和随机森林的故障趋势预测方法研究
趋势预测
PCA
故障诊断
随机森林
PHM
石油钻采设备的抗腐性研究
石油开采
钻采设备
抗腐性研究
基于多维缩放和随机森林的轴承故障诊断方法
函数型数据分析
多维缩放
随机森林
轴承故障诊断
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于随机森林算法的石油钻采装备外部故障自动监测方法
来源期刊 自动化技术与应用 学科
关键词 随机森林算法 石油钻采装备 外部故障 自动监测
年,卷(期) 2021,(7) 所属期刊栏目 仪器仪表与检测技术|Instrumentation and Measurment
研究方向 页码范围 125-128,155
页数 5页 分类号 TP277
字数 语种 中文
DOI 10.3969/j.issn.1003-7241.2021.07.031
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (96)
共引文献  (12)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(8)
  • 参考文献(0)
  • 二级参考文献(8)
2014(13)
  • 参考文献(0)
  • 二级参考文献(13)
2015(7)
  • 参考文献(0)
  • 二级参考文献(7)
2016(9)
  • 参考文献(0)
  • 二级参考文献(9)
2017(14)
  • 参考文献(2)
  • 二级参考文献(12)
2018(6)
  • 参考文献(2)
  • 二级参考文献(4)
2019(6)
  • 参考文献(2)
  • 二级参考文献(4)
2020(5)
  • 参考文献(4)
  • 二级参考文献(1)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
随机森林算法
石油钻采装备
外部故障
自动监测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
自动化技术与应用
月刊
1003-7241
23-1474/TP
大16开
哈尔滨市开发区汉水路165号
14-37
1982
chi
出版文献量(篇)
8131
总下载数(次)
24
总被引数(次)
36824
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导