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：中国石油大学(华东)

摘要：本发明涉及一种基于LSTM‑GoogLeNet模型的潜油电泵工况识别及预警方法。所述方法首先通过收集不同工况的潜油电泵电流数据，绘制在极坐标系中模拟成电流卡片数据集；然后采用数据增强的方法进行扩充，并传入到GoogLeNet模型中训练，确定网络权重参数，实现故障分类；进一步通过结合LSTM神经网络，将潜油电泵历史电流数据预处理之后，构建成自回归数据格式并归一化处理，输入至LSTM神经网络中进行训练；最后通过高度拟合历史电流数据确定神经网络权重参数，并预测未来的电流数据，将预测数据模拟成电流卡片传入至训练完成的GoogleNet模型，实现故障预警。本申请所述的方法显著提高了潜油电泵工况诊断和预警的准确性及效率。

主权项：1.一种基于LSTM-GoogLeNet模型的潜油电泵工况识别及预警方法，其特征在于，包括以下步骤：数据采集步骤：采集油田各井口不同工况下的潜油电泵电流数据，作为电流卡片的样本集；电流卡片生成步骤：建立电流卡片文件夹，基于工况名称定义所述电流卡片文件夹的名称，将不同工况下潜油电泵电流数据绘制在极坐标系中，模拟电流卡片，并存储在与工况名称相对应的文件夹中；所述电流卡片被存储为彩色图；GoogLeNet网络模型训练步骤：将电流卡片输入GoogLeNet网络模型，提取特征向量，将提取的特征向量输入GoogLeNet网络模型的全连接层，对电流卡片进行分类，输出分类结果；基于分类结果与电流卡片文件夹名称，采用损失函数算GoogLeNet网络模型的损失值，对损失函数进行优化，寻找损失函数最优解，当损失函数实现最优解时，停止GoogLeNet网络模型训练，获得最优GoogLeNet网络模型；历史数据采集步骤：采集油田某一井口的历史潜油电泵电流数据，基于历史潜油电泵电流数据构建自回归数据集；LSTM网络模型预测步骤：将自回归数据集数据输入LSTM网络模型，进行模型训练，获得最优LSTM网络模型，将历史潜油电泵电流数据输入最优LSTM网络模型获得预测电流时间序列；基于预测电流时间序列绘制预测电流卡片；故障预警步骤：将预测电流卡片输入最优GoogLeNet网络模型，进行潜油电泵工况识别及预警。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种基于LSTM-GoogLeNet模型的潜油电泵工况识别及预警方法