-
公开(公告)号：CN110298399A
公开(公告)日：2019-10-01
申请号：CN201910564750.4
申请日：2019-06-27
Applicant: 东北大学
Abstract: 本发明提供基于Freeman链码和矩特征融合的抽油井故障诊断方法，涉及抽油井故障诊断技术领域；该方法首先收集油田有杆泵抽油井示功图的历史数据，然后通过Freeman链码和矩特征融合的方法对示功图进行特征提取；利用改进的人工蜂群算法对支持向量机的参数进行优化，最后利用优化的支持向量机对提取的特征进行识别分类；本发明方法有效地改善了链码直方图只考虑了链码的统计特性而没有考虑链码的空间分布特征的缺点，对传统的人工蜂群算法进行了改进，使得步长在算法初期较长加快收敛速度，在算法后期步长较短增加精度，进而实现对示功图提供的故障进行快速而准确的诊断。
-
公开(公告)号：CN106930751A
公开(公告)日：2017-07-07
申请号：CN201710260900.3
申请日：2017-04-20
Applicant: 东北大学
IPC: E21B47/009 , G06K9/46 , G06K9/62
Abstract: 本发明涉及一种有杆泵抽油井故障分离方法，获取采集到的少量标注故障和大量未标注的有杆泵抽油井地面示功图，并转化为井下泵示功图，采用小波矩特征提取方法提取归一化处理之后的泵示功图的特征向量，利用半监督核极限学习机算法对泵示功图的特征向量进行训练学习，从而完成有杆泵抽油井的故障分离，本发明采用低频段小波矩提取的泵示功图特征向量能够形象的描述泵示功图的边缘特征，采用加入流形正则化项的半监督核极限学习机算法对有杆泵抽油井进行故障诊断，充分利用了实际有杆泵抽油井采集到的大量未标记数据进行训练，提高了诊断的精度。
-
公开(公告)号：CN110298399B
公开(公告)日：2022-11-25
申请号：CN201910564750.4
申请日：2019-06-27
Applicant: 东北大学
IPC: G06V10/764 , G06V10/80 , G06V10/50 , G06N3/00
Abstract: 本发明提供基于Freeman链码和矩特征融合的抽油井故障诊断方法，涉及抽油井故障诊断技术领域；该方法首先收集油田有杆泵抽油井示功图的历史数据，然后通过Freeman链码和矩特征融合的方法对示功图进行特征提取；利用改进的人工蜂群算法对支持向量机的参数进行优化，最后利用优化的支持向量机对提取的特征进行识别分类；本发明方法有效地改善了链码直方图只考虑了链码的统计特性而没有考虑链码的空间分布特征的缺点，对传统的人工蜂群算法进行了改进，使得步长在算法初期较长加快收敛速度，在算法后期步长较短增加精度，进而实现对示功图提供的故障进行快速而准确的诊断。
-
公开(公告)号：CN107165615B
公开(公告)日：2020-04-24
申请号：CN201710326671.0
申请日：2017-05-10
Applicant: 东北大学
IPC: E21B47/008 , G06K9/62
Abstract: 本发明涉及一种基于曲波变换和核稀疏的抽油井半监督故障诊断方法，步骤为：获取多个示功图数据作为训练样本；将多个示功图转化为井下泵功图，再将每个泵功图转化为灰度图像；对每个泵功图进行曲波变换得到系数矩阵；将全部有标签的泵功图的特征向量作为字典，对每个未标记泵功图特征向量求稀疏系数；利用稀疏系数计算每个无标签泵功图的虚拟标签；将训练样本中所有泵功图的特征向量作为字典；对每一个待诊断的测试样本计算其特征向量求得稀疏系数；利用稀疏系数计算待诊断样本的虚拟标签，断故障类型。本发明能精确的描述出泵功图的特征，基于核方法的半监督稀疏表达分类器不仅可以有效的利用未标记数据的信息，而且对有标记的样本数量要求不高。
-
公开(公告)号：CN108798641A
公开(公告)日：2018-11-13
申请号：CN201810628647.7
申请日：2018-06-19
Applicant: 东北大学
IPC: E21B47/009 , G06K9/62 , G06Q50/02
CPC classification number: E21B47/0008 , G06K9/6247 , G06Q50/02
Abstract: 本发明涉及一种基于子空间迁移学习的有杆泵抽油井故障诊断方法，步骤为：收集运行5年以上、故障种类完备的单口抽油井的示功图历史数据Xs、对单口新井收集示功图历史数据Xt；将Xs和Xt进行主元成分分析得到初始化映射矩阵P和低维样本，利用K‑SVD对低维样本进行分解得到初始化低维字典矩阵D；根据D的维度，初始化理想系数矩阵Qs、Qt；通过迭代优化得到映射矩阵P和更新后的低维字典矩阵D；对待诊断的示功图数据利用映射矩阵P降维，并在低维空间中对其进行编码；根据编码系数，判断当前工况。本发明利用已有较完备的故障样本数据，对于较新的抽油井只需要部分类型的样本数据，不需要全部类别的故障样本，更符合实际生产需求。
-
Patent Agency Ranking
公开(公告)号：CN107725031B
公开(公告)日：2020-09-11
申请号：CN201710935827.5
申请日：2017-10-10
Applicant: 东北大学
IPC: E21B47/009
Abstract: 本发明涉及一种基于电功率和平衡配重的示功图采集装置及方法，安装于抽油机控制系统中，包括电参数采集模块、通讯模块、死点识别模块以及工业计算机，其中：电参数采集模块，通过一次检测元件采集设备的运行电流、电压充及功率；死点识别模块，测量抽油机曲柄运动中的下死点；通讯模块，将电参数采集模块、死点识别模块采集到的数据传输至工业计算机，并接收工业计算机的指令传送至工业计算机供电控制模块；工业计算机，通过通讯模块接收电参数采集模块上传的数据，运行示功图计算算法，输出获得示功图。本发明利用计算代替常规传感器测量，无需在驴头和游梁等位置安装载荷和位移传感器，延长使用寿命，降低作业的难度及风险，提高设备的可维护性。
-
公开(公告)号：CN109057776A
公开(公告)日：2018-12-21
申请号：CN201810717992.8
申请日：2018-07-03
Applicant: 东北大学
IPC: E21B47/009 , G06N3/00 , G06N3/04 , G06N3/08
CPC classification number: E21B47/0008 , G06N3/006 , G06N3/0445 , G06N3/084
Abstract: 本发明提出一种基于改进鱼群算法的抽油井故障诊断方法，属于抽油井故障诊断领域。用已知故障类型的有杆泵抽油机井示功图进行预处理，将预处理后的示功图用深度信念网络方法提取特征，用支持向量机的分类函数，对深度信念网络方法提取的特征进行分类，计算出已知故障类型的分类函数值，并用改进的鱼群算法对支持向量机分类函数的参数进行优化，根据支持向量机对深度信念网络提取的特征进行分类计算，得到待诊断故障类型的示功图针对每种故障的分类函数值，分类函数值最大的，则待诊断故障类型的示功图就分到哪一种故障中，本发明避免了人工权值、偏置预设时的不确定性，有利于提高对深度信念网络提取特征进行分类的准确性，并提高了收敛的速度。
-
公开(公告)号：CN108805215A
公开(公告)日：2018-11-13
申请号：CN201810628648.1
申请日：2018-06-19
Applicant: 东北大学
CPC classification number: G06K9/6256 , E21B47/042 , G06K9/6269
Abstract: 本发明涉及一种基于改进果蝇算法的有杆泵抽油井动态液位软测量，步骤为：采集有杆泵抽油井生产数据；根据生产数据计算上冲程过程平均载荷和下冲程过程平均载荷和抽油机泵效；归一化处理，将数据归一化到[0，1]区间内，生成训练集和测试集；采用混合核函数作为最小二乘支持向量机模型的核函数，实测动态液位为输出数据，确定参数组合；采用IFOA对参数优化，得到最优值；代入优化参数，构造动态液位预测模型；输入数据集，生成动态液位预测结果；根据动态液位预测结果和实测动态液位数据进行预测误差评价分析。本发明提高了模型的预测的精度和推广泛化能力，随着预测时间延长，预测模型具有较高的预测精度和较强的稳定性。
-
公开(公告)号：CN108805215B
公开(公告)日：2021-06-11
申请号：CN201810628648.1
申请日：2018-06-19
Applicant: 东北大学
Abstract: 本发明涉及一种基于改进果蝇算法的有杆泵抽油井动态液位软测量，步骤为：采集有杆泵抽油井生产数据；根据生产数据计算上冲程过程平均载荷和下冲程过程平均载荷和抽油机泵效；归一化处理，将数据归一化到[0，1]区间内，生成训练集和测试集；采用混合核函数作为最小二乘支持向量机模型的核函数，实测动态液位为输出数据，确定参数组合；采用IFOA对参数优化，得到最优值；代入优化参数，构造动态液位预测模型；输入数据集，生成动态液位预测结果；根据动态液位预测结果和实测动态液位数据进行预测误差评价分析。本发明提高了模型的预测的精度和推广泛化能力，随着预测时间延长，预测模型具有较高的预测精度和较强的稳定性。
-
公开(公告)号：CN108798641B
公开(公告)日：2021-06-11
申请号：CN201810628647.7
申请日：2018-06-19
Applicant: 东北大学
IPC: E21B47/009 , G06K9/62 , G06Q50/02
Abstract: 本发明涉及一种基于子空间迁移学习的有杆泵抽油井故障诊断方法，步骤为：收集运行5年以上、故障种类完备的单口抽油井的示功图历史数据Xs、对单口新井收集示功图历史数据Xt；将Xs和Xt进行主元成分分析得到初始化映射矩阵P和低维样本，利用K‑SVD对低维样本进行分解得到初始化低维字典矩阵D；根据D的维度，初始化理想系数矩阵Qs、Qt；通过迭代优化得到映射矩阵P和更新后的低维字典矩阵D；对待诊断的示功图数据利用映射矩阵P降维，并在低维空间中对其进行编码；根据编码系数，判断当前工况。本发明利用已有较完备的故障样本数据，对于较新的抽油井只需要部分类型的样本数据，不需要全部类别的故障样本，更符合实际生产需求。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.014 seconds)
