[发明专利]故障诊断的方法及装置、电子设备和存储介质在审
申请号: | 202110278573.0 | 申请日: | 2021-03-15 |
公开(公告)号: | CN112884068A | 公开(公告)日: | 2021-06-01 |
发明(设计)人: | 祝绍功;孙延安;董巧玲;侯宇;巩宏亮;张凯波;常瑞清;戚兴;王洋;郑东志 | 申请(专利权)人: | 大庆油田有限责任公司;中国石油天然气股份有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/52;G06N3/04;G06N3/08 |
代理公司: | 大庆知文知识产权代理有限公司 23115 | 代理人: | 杨英健 |
地址: | 163453 黑龙江省*** | 国省代码: | 黑龙江;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 故障诊断 方法 装置 电子设备 存储 介质 | ||
1.一种故障诊断的方法,其特征在于,包括:
获取载荷-位移曲线二维图像;
根据所述载荷-位移曲线二维图像确定多个不变矩的矩特征序列;
根据所述多个不变矩的矩特征序列确定示功图特征参数;
基于所述示功图特征参数及预设分类模型完成故障诊断。
2.根据权利要求1所述的方法,其特征在于,所述根据所述载荷-位移曲线二维图像确定多个不变矩的矩特征序列的方法,包括:
根据所述载荷-位移曲线二维图像确定所述载荷-位移曲线二维图像对应的多阶矩;
根据所述多阶矩确定所述载荷-位移曲线二维图像在水平方向的第一重心和垂直方向的第二重心;
根据所述载荷-位移曲线二维图像、所述第一重心及所述第二重心确定所述载荷-位移曲线二维图像对应的多阶中心矩;
基于所述中心矩确定所述多个不变矩的矩特征序列。
3.根据权利要求2所述的方法,其特征在于,所述基于所述中心矩确定所述多个不变矩的矩特征序列的方法,包括:
对所述中心矩进行归一化处理,得到归一化的中心矩;
根据所述归一化的中心矩,确定所述载荷-位移曲线二维图像在方位、位置及尺度下稳定的多个不变矩的矩特征序列。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述多个不变矩的矩特征序列确定示功图特征参数的方法,包括:
获取傅里叶描绘子;
分别根据所述傅里叶描绘子对所述多个不变矩的矩特征序列进行傅里叶变换,得到示功图特征参数。
5.根据权利要求4所述的方法,其特征在于,在所述获取傅里叶描绘子之前,确定所述获取傅里叶描绘子,其方法,包括:
取所述载荷-位移曲线二维图像上一条闭合曲线,在曲线上任取一点作为起始点;
沿着顺时针或逆时针方向依次取多个点,得到表示所述闭合曲线的坐标;
基于所述坐标得到复变量;
对所述复变量进行傅里叶变换,得到傅里叶描绘子;
以及/或,
所述分别根据所述傅里叶描绘子对所述多个不变矩的矩特征序列进行傅里叶变换,得到示功图特征参数的方法,包括:
对所述傅里叶描绘子进行归一化处理,得到归一化的傅里叶描绘子;
分别根据所述归一化的傅里叶描绘子对所述多个不变矩的矩特征序列进行傅里叶变换,得到多个频域的不变矩的矩特征序列;
对所述多个频域的不变矩的矩特征序列进行高斯归一化,得到示功图特征参数。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述基于所述示功图特征参数及预设分类模型完成故障诊断的方法,包括:
获取预设分类模型,所述预设分类模型为神经网络模型,所述神经网络模型至少包括:输入层和输出层;
所述输出层的多个神经元预设故障诊断类型;
基于输入层的示功图特征参数以及所述多个神经元预设故障诊断类型确定所述示功图特征参数或载荷-位移曲线二维图像对应的故障类型,完成故障诊断。
7.根据权利要求1-6任一项所述的方法,其特征在于,在获取载荷-位移曲线二维图像之前,确定所述载荷-位移曲线二维图像,其确定方法,包括:
通过曲柄位置传感器和载荷传感器获取抽油机示功图数据;
基于所述抽油机示功图数据确定所述载荷-位移曲线二维图像。
8.一种故障诊断的装置,其特征在于,包括:
获取单元,用于获取载荷-位移曲线二维图像;
第一确定单元,用于根据所述载荷-位移曲线二维图像确定多个不变矩的矩特征序列;
第二确定单元,用于根据所述多个不变矩的矩特征序列确定示功图特征参数;
诊断单元,用于基于所述示功图特征参数及预设分类模型完成故障诊断。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于大庆油田有限责任公司;中国石油天然气股份有限公司,未经大庆油田有限责任公司;中国石油天然气股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110278573.0/1.html,转载请声明来源钻瓜专利网。