科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统油田抽油机维护主要靠人工巡检，油田开采又处于高负荷、强噪声的环境，导致油田抽油机轴承工况监测难度较大。针对抽油机轴承故障诊断存在准确率低、抗噪声性能弱和效率低、成本高的问题，提出一种基于改进深度残差收缩神经网络(DRSN)模型的多信息诊断抽油机轴承故障的方法。首先，根据抽油机轴承从正常状态到故障状态的性能退化过程，通过多采样点随机采样获得初步数据，将预处理的现场采集抽油机轴承多信息数据样本作为网络输入。然后，通过改进DRSN模型，引入跳跃连接使得梯度信息能直接从深层反向跨越传递到浅层，避免了梯度消失问题，使得网络更易于优化，同时软阈值化和注意力机制的加入，使得网络模型可以根据数据集的噪声含量设定不同的阈值，降低噪声干扰并提高诊断准确率。最后，通过实验对比改进DRSN模型与传统神经网络模型的训练结果，发现改进DRSN模型训练误差更低，诊断响应速度更快，平均故障诊断准确率提高3%～8%。
- 出版日期2023
- 单位青岛理工大学
