基于改進殘差網(wǎng)絡(luò)的抽油機故障診斷研究

摘要： 針對抽油機故障診斷的傳統(tǒng)圖像識別方法識別率高但速率較慢， 或訓練速度適宜但識別率較低等問題，提出一種基于改進殘差網(wǎng)絡(luò)模型的示功圖圖像識別算法。改進策略包括替換模型第1 層卷積核， 由更小卷積核代替; 改變殘差模塊排列順序; 將傳統(tǒng)ResNet50（殘差網(wǎng)絡(luò)）模型的全連接層替換成徑向基函數(shù)（RBF： RadialBasis Function）網(wǎng)絡(luò)作為額外的分類器; 采用數(shù)據(jù)增強方式對數(shù)據(jù)集進行擴充， 并利用遷移學習在改進的ResNet50鄄RBF 模型得到ImageNet 上預訓練好的權(quán)重參數(shù)后進行訓練。實驗結(jié)果表明， 改進的模型在示功圖識別中得到了98. 86%的準確率， 與其他網(wǎng)絡(luò)相比， 魯棒性進一步加強， 并且速率得到一定提升， 為抽油機故障診斷提供了一定參考。

關(guān)鍵詞： 故障診斷; 示功圖; 殘差網(wǎng)絡(luò); 徑向基函數(shù); 遷移學習

中圖分類號： TP277 文獻標志碼： A

0 引 言

隨著智能化時代的到來， 建設(shè)智慧數(shù)字化油田對有桿泵的自動控制和診斷提出了更高的要求"。由于抽油泵的井下部分經(jīng)常在數(shù)千米的惡劣環(huán)境里工作， 可能會因為結(jié)構(gòu)損壞和液體供應不穩(wěn)定而出現(xiàn)許多故障工作狀態(tài)。當該設(shè)備在故障狀態(tài)下運行時， 會影響生產(chǎn)效率以及設(shè)備安全。因此， 使用一種有效的檢測方法是保持設(shè)備正常運行的必要措施。

油井抽油桿驅(qū)動頭上下擺動所記錄的是一種不斷變化的動態(tài)曲線過程， 即載荷鄄位移曲線， 根據(jù)曲線的動態(tài)變化， 描繪出一種閉合的平面圖形， 即示功圖。通過對該圖的分析， 可得到井下的油、水和氣等成分對抽油機的工作狀態(tài)的影響。……