刘芑辰 冯子明 蒋国斌 孙桐建 李琦

1. 东北石油大学机械科学与工程学院；2. 中国石油大庆油田有限责任公司采油工程研究院

采油工业中抽油井数量大、分布广，人工监测油井工况所需人力成本高，需要一种自动化诊断方法，以提高人工检修效率，避免日常维护作业的盲目性。1988 年，Derek 等［1］研制出有杆抽油井故障诊断专家系统，通过将地面实测的示功图转换成井下示功图，然后与标准示功图进行比较以判断故障类型。1990 年，Rogers 等［2］将人工神经网络理论引入示功图识别领域，应用误差反向传播学习算法训练神经网络，能够识别出所学习的15 类示功图。但神经网络结构较为简单，使用效果并不理想。2008 年，杨洋［3］应用灰色理论成功提取示功图特征，并实现示功图分类识别。但由于求取灰度矩阵所需计算量较大、花费时间较长，使得灰色理论在实际应用中受到一定限制。2016 年，文必龙等［4］使用模糊神经网络解决抽油机故障诊断问题，由于模糊理论的诊断方法需要先建立隶属函数，而隶属函数建立方法并未明确，限制了这一方法的广泛应用。近年来相关研究进一步完善，Bezerra 等［5］将前馈神经网络用于诊断示功图，准确率达98%以上，但受限于神经网络隐含层数限制，导致无法对更复杂的函数进行拟合，因此对实际工况的刻画能力有限。2017 年，段友祥［6］应用简化Alexnet 模型实现了对故障示功图的识别，但分类仅为4 类，无法满足实际使用需求。

基于卷积神经网络模型提出一种有杆抽油系统的智能故障诊断方法。……