买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北石油大学

摘要：一种基于机器学习的有杆抽油机井下故障诊断方法，涉及抽油井故障诊断领域，为了解决现有方法对抽油机示功图判别时缺乏实时性和精确性的问题。具体过程为：步骤一、采集不同运行状态下的抽油机示功图，进行预处理，通过平均冲程和平均载荷将预处理的抽油机示功图割四个部分曲线，将示功图曲线向量化；步骤二、将原始数据空间的示功图向量样本投影至切丛，并通过每个样本纤维的第一主成分构建截面空间；步骤三，依次构建截面空间样本的两重1‑ring邻域，再在均值与方差同时最小化的框架下，构建一个弱非线性截面空间；步骤四，利用局部线性嵌入算法对所述弱非线性截面空间的样本进行降维；步骤五、将得到的低维特征集合输入至支持向量机中检测。

主权项：1.一种基于机器学习的有杆抽油机井下故障诊断方法，其特征在于包括如下步骤：步骤一、采集不同运行状态下的抽油机示功图，对抽油机示功图进行预处理，通过平均冲程和平均载荷将预处理的抽油机示功图割四个部分曲线，并将各部分曲线进行标记，再将四部分曲线划分成多个曲线段，求解每个曲线段的力矩并有序组合，将示功图曲线向量化，产生原始数据集，并构建不同运行状态抽油机示功图向量的原始数据空间；具体过程为：步骤一一、采集n个不同运行状态下的抽油机示功图数据，对每个抽油机示功图数据进行最值归一化处理；步骤一二、用平均冲程和平均载荷将处理后的抽油机示功图数据分为左下、左上、右上和右下四部分曲线，并将各部分曲线进行标记；步骤一三、将标记后的示功图划分为M个曲线段，每个曲线段由N个离散点xi,yi组成，i＝1,2,…N，计算每个曲线段的p+q秩几何力矩mpq和中心力矩μpq，具体计算过程为： 其中，mpq为几何力矩，μpq为几何中心力矩，p,q＝0,1,2,…，Δli为xi,yi与相邻离散点之间的距离，并将所有曲线段的力矩进行有序组合，得到向量化的抽油机示功图： 其中，D为向量特征维数；步骤一四、根据向量化的不同运行状态下的抽油机示功图构建原始数据空间样本集 步骤二、将原始数据空间的示功图向量样本投影至切丛，并通过每个样本纤维的第一主成分构建截面空间；具体过程为：步骤二一、利用k均值算法0kn确定原始空间样本集的n个中心块所述中心块包含自身及距离原始空间样本最小的k组样本，即步骤二二、利用局部主成分分析法，计算每个中心块的协方差矩阵其中，e为全1的列矩阵，对协方差矩阵进行特征值分解得到特征向量Θi＝[θ1,θ2,…,θd]，即在切丛中的对应纤维；步骤二三、取各样本纤维的第一主成分组成矩阵Z＝[z1,z2,…,zn]∈RD×n，其中，即得到截面空间；步骤三，依次构建截面空间样本的两重1-ring邻域，再在均值与方差同时最小化的框架下，构建一个弱非线性截面空间；步骤四，利用局部线性嵌入算法对所述弱非线性截面空间的样本进行降维，以实现显著特征提取，得到样本的低维特征集合；步骤五、将得到的低维特征集合输入至支持向量机中，根据支持向量机的分类结果对有杆抽油机的井下故障进行检测。

全文数据：

权利要求：

百度查询： 东北石油大学 一种基于机器学习的有杆抽油机井下故障诊断方法