[发明专利]一种基于卷积神经网络的电潜泵井工况智能诊断方法

权利要求书

1.一种基于卷积神经网络的电潜泵井工况智能诊断方法，其特征是：具有如下步骤：

a、基于卷积神经网络，搭建电潜泵井工况智能诊断系统，可诊断工况包括：气体影响、泵抽空、过载、含杂质、供液不足、泵轴断以及电机故障，所述的智能诊断系统的建立过程包括：

1)、从电潜泵井生产现场获取电流卡片图集，对采集的电流卡片按照诊断工况所述故障进行分析诊断归类，构建基于所述故障工况下的电流卡片集；

2)、对电流卡片集合进行标准化处理，其中标准化处理包括但不限于对图片的尺寸和图片中电流曲线的颜色、尺寸统一标准；

3)、利用电流卡片对电潜泵井工况诊断问题的特点，将标准化处理后的图像输入卷积神经网络中，依次经过卷积计算、池化计算、全连接层设计、隐含层设计，通过激活函数得到图像属于各个故障的概率；

4)、利用电流卡片样本集合训练卷积神经网络构架，根据图像属于各个类别故障的概率，得出图像分类结果，最后输出图像分类结果；

5)、测试神经网络故障诊断准确度，达到实际应用要求；

b、将电潜泵井生产现场采集到的电流卡片输入工况智能诊断系统，应用搭建好的卷积神经网络诊断工况，所述卷积神经网络诊断工况的建立过程包括：

1)、从油田生产现场采集电潜泵井电流卡片并制作样本集；

2)、根据基于卷积神经网络搭建的架构分析得到图像属于各个故障的概率；

3)、对油井实时采集的电流卡片进行分析诊断，将诊断结果推送给工作人员，找出发生故障的油井；

c、电潜泵井工况诊断卷积神经网络的强化学习与更新，根据诊断结果更新卷积神经网络诊断方法，所述卷积神经网络的强化学习与更新包括：

1)、工作人员根据实际的故障类型对比卷积神经网络诊断结果论证诊断结论的正确性；

2)、修正错误的诊断结果；

3)、将进行修正过的诊断结果同类故障卡片和对应故障电流卡片共同构建成新的电流卡片样本集合；

4)、将更新后的电流卡片样本集合再次训练卷积神经网络；

5)、通过强化学习过程之后，更新卷积神经网络智能诊断方法。