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！

龙图腾网获悉山东建筑大学申请的专利一种基于知识与数据融合的可解释性抽油机泵况诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121407927B 。

龙图腾网通过国家知识产权局官网在2026-03-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511962436.3，技术领域涉及：E21B47/008；该发明授权一种基于知识与数据融合的可解释性抽油机泵况诊断方法是由徐立先;刘宇男;刘新锋;张朝阳;宋冰飞;陈关忠;宋立莉;聂秀山;邹丽;于德湖设计研发完成，并于2025-12-24向国家知识产权局提交的专利申请。

本一种基于知识与数据融合的可解释性抽油机泵况诊断方法在说明书摘要公布了：本发明公开一种基于知识与数据融合的可解释性抽油机泵况诊断方法，涉及农业设备领域，其特征在于，包括以下步骤：S1：采集抽油机运行的多源数据，包括示功图、冲程、位移、载荷、电压、电流；S2：对采集数据进行预处理与特征提取，构建包括几何特征、派生指标以及电参数特征的特征集；S3：将所述特征输入扩展置信规则库推理模型，利用专家知识与数据驱动信息进行融合。本发明要解决的技术问题是提供一种基于知识与数据融合的可解释性抽油机泵况诊断方法，该方法具有较强的泛化性、解释性和鲁棒性，有助于提高油田运行的智能化管理和预测性维护，进而实现高明智和高效能的决策过程，符合基于知识的智能系统的目标。

本发明授权一种基于知识与数据融合的可解释性抽油机泵况诊断方法在权利要求书中公布了：1.一种基于知识与数据融合的可解释性抽油机泵况诊断方法，其特征在于，包括以下步骤： S1：采集抽油机运行的多源数据，包括示功图、冲程、位移、载荷、电压、电流； S2：对采集数据进行预处理与特征提取，构建包括几何特征、派生指标以及电参数特征的特征集； S3：将特征输入扩展置信规则库推理模型，利用专家知识与数据驱动信息进行融合； S4：通过遗传算法对扩展置信规则库推理模型参数进行优化，结合规则合并与剪枝机制，构建最优规则集； S5：输出抽油机泵况的分类结果，并给出诊断置信度； 所述S2中，从示功图中提取阀门工作位置和七个几何特征； 4个阀门工作位置的四边形面积S_ABCD、示功图左上方区域面积S_L-up、示功图右上方区域面积S_R-up、示功图右下方区域面积S_R-down、示功图左下方区域面积S_L-down、固定阀的工作位移D_BC及游动阀工作位移D_DA； 所述S2中构造具有明确物理含义的派生指标： α=S_ABCD：四边形总面积，近似表示单冲程产液量或做功能力； η_上=D_BC、η_下=D_DA：分别表示上吸入、下排出的有效行程长度； κ_SV=S_L-up–S_R-upS_L-up+S_R-up：上半图左右不对称度，反映站调开关时序偏置； κ_TV=S_R-down–S_L-downS_R-down+S_L-down：下半图左右不对称度，反映阀门开关时序偏置； ρ=η_上η_下：上下有效行程的相对平衡； Δ_UD_hat=上半区面积和–下半区面积和α：下能量偏平衡指标； 所述S4中扩展置信规则库的参数优化的步骤为： S41：对原始数据做预处理，对示功图进行降噪和数据的归一化处理，避免因载荷与位移量纲不同而影响计算； S42：对预处理后的数据进行特征工程，根据定量和机理分析，从示功图中提取抽油机泵阀门工作位置和七个几何特征；其中，结合曲率和重心分解法对示功图提取阀门工作位置； S43：进行抽油机故障诊断分类扩展置信库的构建； S44：进行扩展置信规则库的参数优化； S45：基于扩展置信规则库的故障诊断。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东建筑大学，其通讯地址为：250101 山东省济南市历城区凤鸣路山东建筑大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。