基于迁移学习的示功图诊断方法

• 作者: 段志刚 李汉周 司志梅 叶红 赵庆婕
• 来源期刊: 石油化工自动化
• 学科: 工学
• 关键词: 示功图 卷积神经网络 迁移学习 残差网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 智能化与信息技术
• 页码范围: 72-76
• 页数: 5页
• 分类号: TP277
• 语种: 中文
• DOI: 10.3969/j.issn.1007-7324.2022.01.016

摘要

示功图是数字化分析抽油机作业状况的重要依据,不同形状的示功图代表着不同的作业状况.传统分析程序基于专家系统或统计学习方法对示功图进行分析,需要大量专家知识且鲁棒性较低.从深度学习的角度,提出了一种基于深度卷积神经网络的示功图检测方法,并通过迁移学习,大幅度减少了模型收敛所需样本数量.实验表明,该方法可以有效提高示功图分类的准确率,实现了真正的工业可用.