陈 妍, 许少华,2

1(东北石油大学 计算机与信息技术学院, 大庆 163318)2(山东科技大学 信息科学与工程学院, 青岛 266000)

基于多示例多标记的抽油机故障诊断①

陈 妍1, 许少华1,2

1(东北石油大学 计算机与信息技术学院, 大庆 163318)2(山东科技大学 信息科学与工程学院, 青岛 266000)

针对抽油机工况数据可从位移、载荷、电流等多个方面进行描述, 若仅仅使用一个特征向量来描述抽油机工况数据会使其信息过于简化, 丢失一部分有效信息的问题, 以及工况数据具有多义性的特征, 提出基于多示例多标记的抽油机故障诊断. 该学习方法中, 用抽油机的位移、载荷、电流数据作为抽油机工况样本包的多个示例, 使用k-medoids聚类算法对样本包进行聚类, 将多个样本包转换为若干示例, 新示例的每一维表示样本包到样本各聚类中心的距离, 再利用MLSVM算法对转换后的多标记问题进行求解. 实验结果表明, 多示例多标记学习能够及时、准确地诊断出抽油机故障问题.

多示例多标记; 抽油机; 故障诊断

1 引言

在现代采油工艺技术中, 油井停止自喷后通常使用机械采油方式进行采油, 螺杆泵便是众多机械采油方式中应用最为普遍的一种[1]. 而油井所处地理环境恶劣、井下条件复杂、不明因素众多, 这些不利因素导致无法实时判断抽油机运行状态, 从而不能及时进行故障诊断和处理, 严重影响了抽油机的抽油效率、增加了采油成本. 因此及时准确地了解有杆抽油系统的工作情况并进……