[发明专利]一种基于卷积神经网络强化学习的有杆泵工况智能监测方法在审
| 申请号： | 201711401298.7 | 申请日： | 2017-12-22 |
| 公开（公告）号： | CN108122075A | 公开（公告）日： | 2018-06-05 |
| 发明（设计）人： | 段伟刚;李法军;陈莉;王振;王致立;陈飞;常波;孙冰;何岩峰;王相;刘成 | 申请（专利权）人： | 胜利油田鲁明油气勘探开发有限公司;常州大学 |
| 主分类号： | G06Q10/06 | 分类号： | G06Q10/06;G06N3/04;G06Q50/02 |
| 代理公司： | 常州市英诺创信专利代理事务所(普通合伙) 32258 | 代理人： | 王美华 |
| 地址： | 257000 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于卷积神经网络强化学习的有杆泵工况智能监测方法，所述的监测系统主要由三部分构成：有杆泵工况监测CNN的构建；有杆泵工况监测CNN的实际应用；有杆泵工况监测CNN的强化学习与更新。本发明使用卷积神经网络，避免特征提取示功图数值化过程中丢失的大量有用信息，CNN可以直接识别输入的示功图图片，减少了误差；同时基于强化学习的过程，可以有效提高CNN智能监测系统的成长性，在反复的工况诊断和不断的强化学习中，提高工况的准确性，解决了少量样本数据和大量实际生产数据对比可能存在的误差，实现神经网络越用越智能、越用越好用的效果。 | ||
| 搜索关键词： | 强化学习 泵工况 卷积神经网络 智能监测 示功图 监测 实际生产数据 智能监测系统 工况诊断 监测系统 神经网络 特征提取 样本数据 直接识别 成长性 数值化 构建 智能 更新 应用 图片 | ||
【主权项】：
一种基于卷积神经网络强化学习的有杆泵工况智能监测方法，其特征在于：所述的监测系统主要由三部分构成：有杆泵工况监测CNN的构建；有杆泵工况监测CNN的实际应用；有杆泵工况监测CNN的强化学习与更新。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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胜利油田鲁明油气勘探开发有限公司;常州大学，未经胜利油田鲁明油气勘探开发有限公司;常州大学许可，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/patent/201711401298.7/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
