公开(公告)号：CN114444620A

公开(公告)日：2022-05-06

申请号：CN202210362470.7

申请日：2022-04-08

Applicant: 中国石油大学(华东)

Inventor： 张凯 ,  尹承哲 ,  曹晨 ,  张黎明 ,  张华清 ,  严侠 ,  刘丕养 ,  杨勇飞 ,  孙海 ,  姚军 ,  樊灵

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于生成式对抗神经网络的示功图故障诊断方法，属于采油故障诊断技术领域，包括如下步骤：对示功图样本库数据进行数据清洗；基于采油工程理论及典型示功图特性，对示功图数据点进行特征提取；对数量较少的故障类别样本采用生成式对抗神经网络进行生成，生成过程中对生成器网络的输出进行条件约束；基于原始样本及生成样本，将数据划分为训练集、验证集、测试集；采用Xgboost分类算法对样本进行分类；利用准确率和召回率对故障诊断结果进行综合评估；利用训练完成后的分类模型对故障进行实时监测诊断，实时判断故障类型。本发明能够显著提高分类模型对故障样本的特异识别能力，降低故障的误报/漏报率。

公开(公告)号：CN114444620B

公开(公告)日：2022-07-22

申请号：CN202210362470.7

申请日：2022-04-08

Applicant: 中国石油大学(华东)

Inventor： 张凯 ,  尹承哲 ,  曹晨 ,  张黎明 ,  张华清 ,  严侠 ,  刘丕养 ,  杨勇飞 ,  孙海 ,  姚军 ,  樊灵

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于生成式对抗神经网络的示功图故障诊断方法，属于采油故障诊断技术领域，包括如下步骤：对示功图样本库数据进行数据清洗；基于采油工程理论及典型示功图特性，对示功图数据点进行特征提取；对数量较少的故障类别样本采用生成式对抗神经网络进行生成，生成过程中对生成器网络的输出进行条件约束；基于原始样本及生成样本，将数据划分为训练集、验证集、测试集；采用Xgboost分类算法对样本进行分类；利用准确率和召回率对故障诊断结果进行综合评估；利用训练完成后的分类模型对故障进行实时监测诊断，实时判断故障类型。本发明能够显著提高分类模型对故障样本的特异识别能力，降低故障的误报/漏报率。