[發(fā)明專利]基于BP神經網絡的抽油設備示功圖動態(tài)識別方法和裝置

在審

• 申請?zhí)枺?/td>: 201310236339.7
• 申請日: 2013-06-14
• 公開（公告）號: CN103886339A
• 公開（公告）日: 2014-06-25
• 發(fā)明（設計）人: 李龍
• 申請（專利權）人: 洛陽乾禾儀器有限公司
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06N3/02
• 代理公司: 北京中原華和知識產權代理有限責任公司 11019
• 代理人: 壽寧;張華輝

1.一種基于BP神經網絡的抽油設備示功圖動態(tài)識別方法，其特征在于，所述方法包括：特征庫的建立過程以及利用已成功建立的特征庫對采集的抽油設備示功圖進行動態(tài)識別過程，其中所述特征庫的建立過程包括：

對抽油設備示功圖樣本的時域數(shù)據(jù)進行歸一化處理，并對歸一化處理后的時域數(shù)據(jù)進行采樣處理，以獲得離散的時域數(shù)據(jù)序列；

對所述離散的時域數(shù)據(jù)序列進行傅立葉變換，以獲得頻域數(shù)據(jù)序列；

利用所述頻域數(shù)據(jù)序列中的部分數(shù)據(jù)替代所述離散的時域數(shù)據(jù)序列中位置對應的部分數(shù)據(jù)，并利用所述替代后的時域數(shù)據(jù)序列進行傅立葉逼近計算，以獲得傅立葉逼近特征值；

利用對角線分割方式將所述歸一化處理后的抽油設備示功圖樣本分割為四部分，并從右下部分提取特征向量；

所述傅立葉逼近特征值和所述特征向量存儲于特征庫中；

利用BP神經網絡算法對抽油設備示功圖樣本進行訓練，并利用訓練獲得的特征值校正特征庫中的傅立葉逼近特征值。

2.如權利要求1所述的動態(tài)識別方法，其特征在于，所述利用已成功建立的特征庫對采集的抽油設備示功圖進行動態(tài)識別過程包括：

對采集的抽油設備示功圖的時域數(shù)據(jù)進行歸一化處理，并對歸一化處理后的時域數(shù)據(jù)進行采樣處理，以獲得離散的時域數(shù)據(jù)序列；

對所述離散的時域數(shù)據(jù)序列進行傅立葉變換，以獲得頻域數(shù)據(jù)序列；

利用所述頻域數(shù)據(jù)序列中的部分數(shù)據(jù)替代所述離散的時域數(shù)據(jù)序列中位置對應的部分數(shù)據(jù)，并利用所述替代后的時域數(shù)據(jù)序列進行傅立葉逼近計算，以獲得傅立葉逼近特征值；

利用對角線分割方式將所述歸一化處理后的抽油設備示功圖分割為四部分，并從右下部分提取特征向量；

利用貼近度算法對采集到的抽油設備示功圖對應的傅立葉逼近特征值和特征向量進行基于特征庫的貼近度計算，以識別所述采集的抽油設備示功圖。

3.如權利要求1或2所述的動態(tài)識別方法，其特征在于，所述利用所述頻域數(shù)據(jù)序列中的部分數(shù)據(jù)替代所述離散的時域數(shù)據(jù)序列中位置對應的部分數(shù)據(jù)包括：

將所述頻域數(shù)據(jù)序列中的前K個數(shù)據(jù)替代所述離散的時域數(shù)據(jù)序列中的前K個數(shù)據(jù)，其中，K為自然數(shù)且小于時域數(shù)據(jù)序列中的數(shù)據(jù)數(shù)量。

4.一種基于BP神經網絡的抽油設備示功圖動態(tài)識別裝置，其特征在于，包括：用于建立特征庫的建立模塊以及用于利用已成功建立的特征庫對采集的抽油設備示功圖進行動態(tài)識別的識別模塊；

所述建立模塊包括：

歸一化模塊，用于對抽油設備示功圖樣本的時域數(shù)據(jù)進行歸一化處理，并對歸一化處理后的時域數(shù)據(jù)進行采樣處理，以獲得離散的時域數(shù)據(jù)序列；

傅立葉變換模塊，用于對所述離散的時域數(shù)據(jù)序列進行傅立葉變換，以獲得頻域數(shù)據(jù)序列；

傅立葉逼近模塊，用于利用所述頻域數(shù)據(jù)序列中的部分數(shù)據(jù)替代所述離散的時域數(shù)據(jù)序列中位置對應的部分數(shù)據(jù)，并利用所述替代后的時域數(shù)據(jù)序列進行傅立葉逼近計算，以獲得傅立葉逼近特征值；

提取模塊，用于利用對角線分割方式將所述歸一化處理后的抽油設備示功圖樣本分割為四部分，并從右下部分提取特征向量；

特征庫，用于存儲所述傅立葉逼近特征值和所述特征向量；

訓練模塊，用于利用BP神經網絡算法對抽油設備示功圖樣本進行訓練，并利用訓練獲得的特征值校正特征庫中的傅立葉逼近特征值。

5.如權利要求4所述的動態(tài)識別裝置，其特征在于，所述識別模塊包括：

所述歸一化模塊，用于對采集的抽油設備示功圖的時域數(shù)據(jù)進行歸一化處理，并對歸一化處理后的時域數(shù)據(jù)進行采樣處理，以獲得離散的時域數(shù)據(jù)序列；

所述傅立葉變換模塊，用于對所述離散的時域數(shù)據(jù)序列進行傅立葉變換，以獲得頻域數(shù)據(jù)序列；

所述傅立葉逼近模塊，用于利用所述頻域數(shù)據(jù)序列中的部分數(shù)據(jù)替代所述離散的時域數(shù)據(jù)序列中位置對應的部分數(shù)據(jù)，并利用所述替代后的時域數(shù)據(jù)序列進行傅立葉逼近計算，以獲得傅立葉逼近特征值；

所述提取模塊，用于利用對角線分割方式將所述歸一化處理后的抽油設備示功圖分割為四部分，并從右下部分提取特征向量；

貼近度模塊，用于利用貼近度算法對采集到的抽油設備示功圖對應的所述傅立葉逼近特征值和特征向量進行基于特征庫的貼近度計算，以識別所述采集的抽油設備示功圖。

6.如權利要求4或5所述的動態(tài)識別裝置，其特征在于，所述利用所述頻域數(shù)據(jù)序列中的部分數(shù)據(jù)替代所述離散的時域數(shù)據(jù)序列中位置對應的部分數(shù)據(jù)包括：

將所述頻域數(shù)據(jù)序列中的前K個數(shù)據(jù)替代所述離散的時域數(shù)據(jù)序列中的前K個數(shù)據(jù)，其中，K為自然數(shù)且小于時域數(shù)據(jù)序列中的數(shù)據(jù)數(shù)量。