[發明專利]一種基于卷積神經網絡的電潛泵井工況智能診斷方法

有效

• 申請號: 201811226477.6
• 申請日: 2018-10-22
• 公開（公告）號: CN109360120B
• 公開（公告）日: 2022-03-22
• 發明（設計）人: 何巖峰;張旭躍;王相;竇祥冀;徐慧;浮歷沛
• 申請（專利權）人: 常州大學
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06N3/04
• 代理公司: 常州市英諾創信專利代理事務所(普通合伙) 32258
• 代理人: 王美華

本發明涉及一種基于卷積神經網絡的電潛泵井工況智能診斷方法，具有如下步驟：a、基于卷積神經網絡，搭建電潛泵井工況智能診斷系統；b、將電潛泵井生產現場采集到的電流卡片輸入工況智能診斷系統，應用搭建好的卷積神經網絡診斷工況；c、電潛泵井工況診斷卷積神經網絡的強化學習與更新，根據診斷結果更新卷積神經網絡診斷方法。本發明基于當前圖像智能識別領域，構建一種基于卷積神經網絡的電潛泵井工況智能診斷方法，以解決傳統電流卡片分析法受主觀因素影響，容易造成誤判，提取故障特征損失大量有效的信息，增加判斷誤差的問題，以此避免特征提取過程損失的大量有效信息和人的主觀判斷對診斷結果的影響。

技術領域

本發明涉及石油與天然氣設備故障診斷技術領域，尤其是一種基于卷積神經網絡的電潛泵井工況智能診斷方法。

背景技術

在石油開采的過程中，電潛泵采油法是目前應用比較廣泛的一種采油方式。電潛泵故障診斷方法包括：電泵井憋壓法診斷、電泵井生產宏觀控制圖、基于振動信號分析的診斷方法、基于故障樹分析法等。上述方法缺點：1)經驗人員對從主觀判斷電潛泵井故障，進而得到診斷結果，診斷結果受經驗影響，準確率難以保證；2)通過提取故障特征判斷潛泵井故障，進而得到診斷結果，提取特征過程損失了有效信息，診斷誤差過大。

發明內容

本發明要解決的技術問題是：為了克服現有技術中之不足，本發明提供一種基于卷積神經網絡的電潛泵井工況智能診斷方法，以解決傳統電流卡片分析法受主觀因素影響，容易造成誤判，提取故障特征損失大量有效的信息，增加判斷誤差的問題，以此避免特征提取過程損失的大量有效信息和人的主觀判斷對診斷結果的影響。

本發明解決其技術問題所采用的技術方案是：一種基于卷積神經網絡的電潛泵井工況智能診斷方法，具有如下步驟：

a、基于卷積神經網絡，搭建電潛泵井工況智能診斷系統，可診斷工況包括：氣體影響、泵抽空、過載、含雜質、供液不足、泵軸斷以及電機故障；

b、將電潛泵井生產現場采集到的電流卡片輸入工況智能診斷系統，應用搭建好的卷積神經網絡診斷工況；

c、電潛泵井工況診斷卷積神經網絡的強化學習與更新，根據診斷結果更新卷積神經網絡診斷方法。

具體說，步驟a中，所述的智能診斷系統的建立過程包括：1)、對采集的電流卡片按照診斷工況所述故障進行分析診斷歸類，構建基于所述故障工況下的電流卡片集，并對電流卡片集合進行標準化處理，其中標準化處理包括但不限于對圖片的尺寸和圖片中電流曲線的顏色、尺寸統一標準；2)、利用電流卡片對電潛泵井工況診斷問題的特點，基于卷積神經網絡相關原理搭建相應的網絡構架；3)、利用電流卡片樣本集合訓練卷積神經網絡構架；4)、測試神經網絡故障診斷準確度，達到實際應用要求；

步驟b中，所述卷積神經網絡診斷工況的建立過程包括：1)、從油田生產現場采集電潛泵井電流卡片并制作樣本集；2)、根據基于卷積神經網絡搭建的架構分析得到圖像屬于各個故障的概率；3)、對油井實時采集的電流卡片進行分析診斷，將診斷結果推送給工作人員，找出發生故障的油井。

步驟c中，所述卷積神經網絡的強化學習與更新包括：1)、工作人員根據實際的故障類型對比卷積神經網絡診斷結果論證診斷結論的正確性；2)、修正錯誤的診斷結果；3)、將進行修正過的診斷結果同類故障卡片和對應故障電流卡片共同構建成新的電流卡片樣本集合；4)、將更新后的電流卡片樣本集合再次訓練卷積神經網絡；5)、通過強化學習過程之后，更新卷積神經網絡智能診斷方法。

本發明的有益效果是：本發明通過對電流卡片直接進行識別診斷，避免了特征提取過程中丟失的大量有用信息，卷積神經網絡可以智能高效地識別輸入的電流卡片圖像，增加了電潛泵工況故障識別的準確率，減少了誤差；同時基于強化學習的過程，可以有效提高卷積神經網絡智能診斷方法的穩定性，在反復的工況診斷和不斷的強化學習中，提高工況識別的準確率，解決了少量樣本數據和大量實際生產數據對比可能存在的誤差，實現神經網絡越用越智能、越用越好用的效果。

附圖說明