公开(公告)号：CN115728083A

公开(公告)日：2023-03-03

申请号：CN202211429027.3

申请日：2022-11-15

Applicant: 东北石油大学

Inventor： 史宝馨 ,  刘远红 ,  高志伟 ,  刘庆强 ,  杨发彪

IPC: G01M99/00 ,  E21B47/008

Abstract: 本发明公开了基于深度学习的抽油机故障诊断，涉及故障诊断技术领域，包括以下步骤：S1、输入抽油机原始参数；S2、检测当前抽油机参数；S3、一次异常参数检测；S4、检测异常参数位置；S5、估定故障位置；S6、进行故障维修；S7、检测后续参数；S8、二次异常参数检测；S9、完成检修；S10、备份维修信息。本发明的有益效果为：该基于深度学习的抽油机故障诊断，通过对抽油机的参数进行实时记录，并进行对比，利用参数差异的方式对抽油机的故障位置进行定位，并且通过利用联网式的数据库，将相同型号的抽油机发生故障的故障表征和当时的异常参数进行记录，从而可以在发生故障的时候通过利用与数据库文件对比的方式，更加迅速的对故障源进行寻找。

公开(公告)号：CN116796252A

公开(公告)日：2023-09-22

申请号：CN202310633174.0

申请日：2023-05-31

Applicant: 东北石油大学

Inventor： 高志伟 ,  史宝馨 ,  刘远红 ,  董宏丽

IPC: G06F18/2411 ,  G06F18/2433 ,  G06F18/10 ,  G06F18/22 ,  G06F18/25 ,  G06F18/213

Abstract: 本发明涉及故障诊断技术领域，具体涉及一种基于流形学习的抽油机电参故障诊断方法及装置，为解决当前抽油机故障诊断中缺乏实时性和准确度低的技术问题。该故障诊断方法包括：步骤一、在线实时采集抽油机运行状态下的电参数据，进行预处理，将高维信号数据向量化，构建电参数据的原始数据空间；步骤二、构建局部邻域；步骤三、构成多结构邻域；步骤四、在高维空间中，通过最小化局部重构误差来计算多结构邻域局部线性关系的权重系数；步骤五、构建全局重构模型，通过确定全局重构模型的最优解，得到最终的低维特征；步骤六、根据其分类结果完成对抽油机的故障诊断。通过算法的改进，提高了抽油机的故障诊断的精确性和抽油机的故障诊断的实时性。

公开(公告)号：CN116257736A

公开(公告)日：2023-06-13

申请号：CN202310027800.1

申请日：2023-01-09

Applicant: 东北石油大学

Inventor： 张彦生 ,  高志伟 ,  刘远红 ,  刘庆强 ,  鲁仕详 ,  史宝馨

IPC: G06F18/10 ,  G01R19/00 ,  G06F18/25 ,  G06F17/18 ,  G06F17/16 ,  G06F123/02

Abstract: 本发明涉及数据融合技术领域，尤其涉及一种卡尔曼滤波电流检测融合算法，通过罗曼诺夫斯基准则先对有粗大误差的测量数据进行剔除，再用其余未剔除数据平均值对剔除数据进行补充。之后引入遗传算法对卡尔曼滤波的超参数Q、R进行优化，在优化后卡尔曼滤波算法的基础上，通过多个传感器共同对目标进行检测，依据最小二乘法，计算对应的加权系数，然后实现数据融合，以此提高数据精确度和准确性。