| 基于深度學習的抽油機井工況診斷方法 | |
| 所屬分類：技術論文 | |
| 上傳者：zhoubin333 | |
| 文檔大?。?span>651 K | |
| 標簽： 示功圖 井下工況 自動診斷 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：基于示功圖對抽油機井下工況進行自動診斷是數字油田不可或缺的環節。通常通過人工提取示功圖的特征向量，然后輸入機器學習算法分類器識別井下工況。然而，特征的選擇需要借助經驗和先驗知識，并且直接影響后續分類器的最終性能。而人工提取特征易受知識干擾，且在特征提取的過程中存在信息丟失，這決定了識別結果的上限。為此，受深度神經網絡自動特征提取的啟發，提出基于卷積神經網絡的示功圖的離線訓練與在線診斷的方法。首先將挑選后的信號數據轉換為圖像數據，然后將圖像二值化降低計算復雜度，最后基于改進的LeNet-5網絡探究最適合模型的網絡結構。最終通過實驗與目前先進的算法進行對比，驗證了本方法的有效性和可行性。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2