[发明专利]模型构建方法、抽油泵故障诊断方法、装置及相关产品

权利要求书

1.一种模型构建方法，其特征在于，包括：

获得样本抽油泵的多种故障类型分别对应的故障示功图；

获得所述样本抽油泵的故障示功图和正常示功图各自的二次特征；所述二次特征包括以下中的至少两种：最大载荷、最小载荷或示功图闭合面积；

利用所述二次特征对待训练的模型进行训练，得到所述故障诊断模型。

2.根据权利要求1所述的方法，其特征在于，当所述二次特征包括：最大载荷、最小载荷和示功图闭合面积时，所述获得所述样本抽油泵的故障示功图和正常示功图各自的二次特征，具体包括：

根据所述故障示功图的载荷数据获得所述故障示功图的最大载荷和最小载荷；根据所述正常示功图的载荷数据获得所述正常示功图的最大载荷和最小载荷；

根据所述故障示功图的载荷数据和位移数据，通过面积累计的方式获得所述故障示功图的示功图闭合面积；根据所述正常示功图的载荷数据和位移数据，通过面积累计的方式获得所述正常示功图的示功图闭合面积。

3.根据权利要求1所述的方法，其特征在于，还包括：

将所述样本抽油泵的多种故障类型分别对应的故障示功图分为训练示功图和测试示功图；

所述利用所述二次特征对待训练的模型进行训练，得到所述故障诊断模型，具体包括：

利用所述训练示功图的二次特征和所述正常示功图的二次特征对所述待训练的模型进行训练，得到待测试模型；

利用所述测试示功图的二次特征对所述待测试模型进行测试，得到所述故障诊断模型。

4.根据权利要求3所述的方法，其特征在于，所述利用所述训练示功图的二次特征和所述正常示功图的二次特征对所述待训练的模型进行训练，得到待测试模型，具体包括：

分别采用多种机器学习方法基于所述训练示功图的二次特征和所述正常示功图的二次特征对所述待训练的模型进行训练，得到所述多种机器学习方法分别对应的待测试模型；

所述利用所述测试示功图的二次特征对所述待测试模型进行测试，得到所述故障诊断模型，具体包括：

利用所述测试示功图的二次特征对所述多种机器学习方法分别对应的待测试模型进行测试，得到多种待测试模型各自的故障类型诊断准确率和召回率；

根据所述多种待测试模型各自的故障类型诊断准确率和召回率得到所述故障诊断模型。

5.一种抽油泵故障诊断方法，其特征在于，包括：

获取待诊断抽油泵的示功图数据，所述示功图数据包括位移数据与载荷数据；

基于所述示功图数据获取其对应的二次特征；

将所述示功图数据及其对应的二次特征输入预先构建的故障诊断模型，得到所述待诊断抽油泵的故障类型，其中所述故障诊断模型为利用权利要求1-4任一项所述的方法构建的用于识别抽油泵故障类型的模型。

6.一种抽油泵故障诊断方法，其特征在于，包括：

获得待诊断抽油泵的故障示功图；

根据所述故障示功图相对于所述待诊断抽油泵的正常示功图的示功图变化特征确定所述待诊断抽油泵的故障类型。

7.一种模型构建装置，其特征在于，包括：

历史数据获取模块，用于获得样本抽油泵的多种故障类型分别对应的故障示功图；

二次特征提取模块，用于获得所述样本抽油泵的故障示功图和正常示功图各自的二次特征；所述二次特征包括以下中的至少两种：最大载荷、最小载荷或示功图闭合面积；

模型训练模块，用于利用所述二次特征对待训练的模型进行训练，得到所述故障诊断模型。

8.一种抽油泵故障诊断装置，其特征在于，包括：

数据第一获取模块，用于获取待诊断抽油泵的示功图数据，所述示功图数据包括位移数据与载荷数据；

特征获取模块，用于基于所述示功图数据获取其对应的二次特征；

故障诊断模块，用于将所述示功图数据及其对应的二次特征输入预先构建的故障诊断模型，得到所述待诊断抽油泵的故障类型，其中所述故障诊断模型为利用权利要求7所述的装置构建的用于识别抽油泵故障类型的模型。