• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于ECA改進(jìn)1D-CNN的柱塞泵故障診斷*

    2023-12-04 01:49:14楊光喬王國(guó)程劉明魁柳小勤鄧云楠
    石油機(jī)械 2023年11期
    關(guān)鍵詞:柱塞泵故障診斷卷積

    楊光喬 李 穎 王國(guó)程 劉明魁 柳小勤 鄧云楠

    (1.中國(guó)石油長(zhǎng)慶油田分公司第三采油廠 2.昆明理工大學(xué)機(jī)電工程學(xué)院)

    0 引 言

    油田注水能夠彌補(bǔ)原油開采造成的地下虧空,保持或提高油層壓力進(jìn)而穩(wěn)定油田產(chǎn)能,提高采收率。柱塞泵作為油田開發(fā)過程中的關(guān)鍵設(shè)備,其運(yùn)行中存在壓力高、能耗高、故障率高、安全風(fēng)險(xiǎn)高等問題,監(jiān)控不當(dāng)容易造成事故發(fā)生,成為油田設(shè)備管理的難點(diǎn)和重點(diǎn)[1-2]。保障柱塞泵系統(tǒng)安全穩(wěn)定生產(chǎn)、提高設(shè)備運(yùn)行可靠度,對(duì)于提高油田開發(fā)經(jīng)濟(jì)效益具有重要意義。近年來,隨著基于振動(dòng)信號(hào)處理的在線監(jiān)測(cè)系統(tǒng)建設(shè)日益成熟,柱塞泵在線監(jiān)測(cè)系統(tǒng)逐漸取代周期性人力現(xiàn)場(chǎng)檢修,承擔(dān)著油田的注水系統(tǒng)維護(hù)任務(wù)[3-4]。振動(dòng)信號(hào)包含大量機(jī)械運(yùn)行狀態(tài)信息及機(jī)組運(yùn)行狀態(tài)信息,不同的故障特征、運(yùn)行參數(shù)都能夠映射到振動(dòng)數(shù)據(jù)特征中。在柱塞泵系統(tǒng)運(yùn)行過程中完成數(shù)據(jù)實(shí)時(shí)傳輸及在線診斷能夠幫助維護(hù)人員及時(shí)掌握機(jī)組運(yùn)行狀態(tài),對(duì)于故障缺陷能夠快速響應(yīng)并調(diào)整運(yùn)行策略,做到發(fā)現(xiàn)故障并及時(shí)處理。然而,生產(chǎn)計(jì)劃的頻繁變動(dòng)往往導(dǎo)致柱塞泵機(jī)組的運(yùn)行工況產(chǎn)生波動(dòng),進(jìn)一步導(dǎo)致振動(dòng)強(qiáng)度發(fā)生波動(dòng)[5]。由于故障缺陷和運(yùn)行參數(shù)都影響著振動(dòng)數(shù)據(jù)特征數(shù)值,油田柱塞泵振動(dòng)信號(hào)特征往往受到工況擾動(dòng),傳統(tǒng)方法對(duì)故障特征的捕捉和學(xué)習(xí)能力較弱,難以對(duì)故障特征進(jìn)行診斷,進(jìn)而出現(xiàn)“不預(yù)警”或“錯(cuò)誤預(yù)警”等威脅設(shè)備運(yùn)行安全的問題。因此,探索高精度的智能化故障診斷方法是保障油田柱塞泵故障診斷準(zhǔn)確率,提高油田運(yùn)行監(jiān)測(cè)效率的關(guān)鍵[6]。

    近年來,深度學(xué)習(xí)優(yōu)秀的自適應(yīng)故障特征學(xué)習(xí)能力成為故障診斷領(lǐng)域的熱點(diǎn)方向,并在機(jī)械設(shè)備故障診斷領(lǐng)域得到廣泛關(guān)注。大量研究表明,基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的故障診斷在工業(yè)場(chǎng)景具有關(guān)鍵意義,通過對(duì)工業(yè)數(shù)據(jù)強(qiáng)關(guān)聯(lián)特性的學(xué)習(xí)和表征,CNN能對(duì)工業(yè)環(huán)境下高溫、嘈雜等負(fù)面因素對(duì)故障診斷的干擾進(jìn)行消除,實(shí)現(xiàn)魯棒特征的學(xué)習(xí)能力[7-9]。由于一維卷積神經(jīng)網(wǎng)絡(luò)(One-dimensional Convolutional Neuyql Network,1D-CNN)相比傳統(tǒng)二維卷積神經(jīng)網(wǎng)絡(luò)具有輸入簡(jiǎn)單、運(yùn)算速度快,能夠獲取輕量化模型而受到廣泛關(guān)注[10-12]。卷積核在一維數(shù)據(jù)的連續(xù)滑動(dòng)令1D-CNN能夠適用于各類傳感器數(shù)據(jù)的時(shí)間序列分析,并發(fā)掘出深層非線性特征用于表征目標(biāo)的性能,從而在保證預(yù)測(cè)精度的基礎(chǔ)上簡(jiǎn)化模型結(jié)構(gòu),提高模型訓(xùn)練效率。但柱塞泵體積較大、振動(dòng)傳播路徑復(fù)雜,導(dǎo)致故障特征在信號(hào)中受到大量干擾而難以被提取。

    目前關(guān)于油田柱塞泵故障診斷的深度學(xué)習(xí)方法尚未被探索,且現(xiàn)有基于深度學(xué)習(xí)的故障診斷方法缺乏對(duì)振動(dòng)信號(hào)的有效數(shù)據(jù)特征強(qiáng)化,多通道特征不具備有效的深度交互。鑒于此,本文提出基于高效通道注意力(Efficient Channel Attention,ECA)改進(jìn)1D-CNN的油田柱塞泵故障診斷方法,針對(duì)柱塞泵體積大、振動(dòng)傳播路徑復(fù)雜導(dǎo)致傳統(tǒng)方法在振動(dòng)故障信號(hào)特征提取中的局限,基于深度學(xué)習(xí)方法開展油田柱塞泵故障診斷智能模型研究。使用1D-CNN作為故障診斷基準(zhǔn)模型,并引入ECA,通過增強(qiáng)通道特征交互實(shí)現(xiàn)深層次柱塞泵振動(dòng)信號(hào)特征挖掘,提高模型預(yù)測(cè)精度。在某采油廠的柱塞泵實(shí)際運(yùn)行在線監(jiān)測(cè)數(shù)據(jù)中進(jìn)行試驗(yàn),通過實(shí)際的應(yīng)用和驗(yàn)證結(jié)果,展示了本文方法在柱塞泵監(jiān)測(cè)應(yīng)用中的魯棒性和準(zhǔn)確性。

    1 理論基礎(chǔ)

    1.1 卷積神經(jīng)網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)通過稀疏連接和權(quán)值參數(shù)共享將數(shù)據(jù)的簡(jiǎn)單特征映射到更復(fù)雜的高維模式。其組成部分描述如下。

    CNN主要由不同卷積參數(shù)的卷積層組成并對(duì)輸入數(shù)據(jù)進(jìn)行一系列卷積運(yùn)算以獲取卷積特征,其數(shù)學(xué)表達(dá)為:

    (1)

    由于分布統(tǒng)一的數(shù)據(jù)能讓模型更容易學(xué)習(xí)到數(shù)據(jù)之中的規(guī)律,卷積處理后的數(shù)據(jù)通常需要批量歸一化(Batch Normalization,BN)處理,使隱含神經(jīng)元趨于標(biāo)準(zhǔn)正態(tài)分布,從而減少數(shù)據(jù)特征分布差異并有效緩解梯度消失問題。BN通過獨(dú)立的方式使每一個(gè)特征向量具有零均值和單位方差。當(dāng)卷積層輸出d維空間向量,則BN輸入X=(x(1),…,x(d))。為減小內(nèi)部協(xié)變量轉(zhuǎn)移,將對(duì)每一維特征歸一化,可以被表示為:

    (2)

    式中:E[x(i)]為x(i)的期望值;Var[x(i)]為x(i)的方差。

    使用式(2)對(duì)特征進(jìn)行歸一化會(huì)影響模型的表征能力,于是引入重構(gòu)參數(shù)γi和βi對(duì)歸一化值進(jìn)行調(diào)整,恢復(fù)原始網(wǎng)絡(luò)的特征分布,上述過程可以描述如下:

    (3)

    對(duì)數(shù)據(jù)進(jìn)行BN規(guī)范化后,采用激活函數(shù)對(duì)數(shù)據(jù)實(shí)施非線性映射。選用Rectified linear unit(ReLU)激活函數(shù)對(duì)輸入特征進(jìn)行處理得到輸出:

    (4)

    隨后進(jìn)行池化(Pooling)操作減小模型規(guī)模、提高運(yùn)算速度,同時(shí)提高所提取特征的魯棒性,實(shí)現(xiàn)目標(biāo)區(qū)域特征提取并減少參數(shù)數(shù)量,防止模型過擬合。本文采用最大池化操作,函數(shù)表示如下:

    (5)

    經(jīng)過最大池化后的特征將被展平處理輸入全連接層,其表達(dá)式如下:

    (6)

    式中:wh表示相鄰層之間的權(quán)重矩陣;bh為偏置;dm表示輸入數(shù)據(jù);σ(·)是激活函數(shù)。

    在全連接層之后,通過SoftMax函數(shù)實(shí)現(xiàn)類別分類,即有:

    (7)

    式中:fk(y)是SoftMax函數(shù)對(duì)每個(gè)類別的預(yù)測(cè)值;k為目標(biāo)的輸出類別索引;C為訓(xùn)練中所涉及的樣本總數(shù)。

    同時(shí),模型訓(xùn)練采用交叉熵作為損失函數(shù),公式如下:

    (8)

    式中:θ為模型的訓(xùn)練參數(shù);hk為第k個(gè)目標(biāo)的輸出類別;fk(θ)為第k類樣本預(yù)測(cè)概率值;L(θ)為誤差損失值。

    1.2 高效通道注意力

    高效通道注意力(ECA)[13]是在SENet[14]的基礎(chǔ)上做出改進(jìn),提出一種不降維的局部跨通道交互策略和自適應(yīng)選擇一維卷積核尺寸的方法。ECA通過不降低維數(shù)的通道級(jí)全局平均池化操作,將特征圖由二維矩陣壓縮成為單個(gè)數(shù)值,從而獲取特征圖的全局感受野信息。當(dāng)給定特征y∈RC,高效通道注意力可以被表示為:

    ω=σ(Wy)

    (9)

    其中:W為學(xué)習(xí)通道注意力帶狀矩陣,被表示為:

    (10)

    W包含p×C個(gè)參數(shù),相比原始通道注意力機(jī)制更少。其中每個(gè)通道特征yn的權(quán)重wn可以通過與鄰域內(nèi)p個(gè)參數(shù)的交互,該過程被表示為:

    (11)

    所有通道的特征權(quán)重共享,即共同使用wv,此時(shí)可以通過以卷積核尺寸為p的一維卷積來表示式(11)中的計(jì)算,即有:

    w=σ(Conv1Dp(y))

    (12)

    式中:Conv1D表示一維卷積操作。

    式(12)即為ECA的計(jì)算表達(dá)式,詳細(xì)模塊架構(gòu)如圖1所示。

    圖1 注意力機(jī)制Fig.1 Attention mechanism

    1.3 基于ECA的1D-CNN故障診斷模型

    1.3.1 模型構(gòu)建

    在1D-CNN的基礎(chǔ)上引入高效通道注意力模塊,基于1D-CNN從油田柱塞泵振動(dòng)信號(hào)中學(xué)習(xí)各類故障的多層次特征;然后引入高效通道注意力模塊對(duì)特征通道的重要程度進(jìn)行提取,根據(jù)這個(gè)重要程度實(shí)現(xiàn)故障特征增強(qiáng),對(duì)無效的特征進(jìn)行抑制,使網(wǎng)絡(luò)獲得魯棒性更高的分類線索。其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖2所示。

    圖2 ECA改進(jìn)的1D-CNN油田柱塞泵故障診斷模型結(jié)構(gòu)Fig.2 Structure of fault diagnosis model for oilfield plunger pump based on ECA improved 1D-CNN

    故障診斷模型主要由輸入層、隱含層、注意力層以及全連接層組成。輸入層以油田柱塞泵一維振動(dòng)信號(hào)樣本作為輸入,隱含層包括卷積層、BN層、池化層,本文設(shè)計(jì)的網(wǎng)絡(luò)結(jié)構(gòu)包含2個(gè)隱含層。輸入數(shù)據(jù)經(jīng)過卷積操作后生成特征圖,隨后經(jīng)過卷積核尺寸為2的最大池化操作得到第1個(gè)隱含層的輸出;其次經(jīng)過第2隱含層經(jīng)過卷積和池化操作;隨后將隱含層輸出送入ECA模塊進(jìn)行通道交互;進(jìn)一步地,將ECA輸出展平進(jìn)行全連接計(jì)算,通過激活函數(shù)獲得模型輸出;最后將標(biāo)記好的特征序列送到SoftMax分類器中實(shí)現(xiàn)柱塞泵故障分類。

    1.3.2 油田柱塞泵故障診斷流程

    基于ECA改進(jìn)的1D-CNN故障診斷流程如圖3所示。將ECA引入1D-CNN實(shí)現(xiàn)網(wǎng)絡(luò)模型構(gòu)建,然后進(jìn)行模型參數(shù)θ初始化設(shè)定,采用SoftMax分類器映射輸出特征,以交叉熵作為損失函數(shù)L(θ)更新模型參數(shù);通過迭代計(jì)算損失函數(shù)判斷其收斂特性,最后完成模型訓(xùn)練并保存模型參數(shù)。具體步驟信息如下:

    (1)信號(hào)采集。采用HY-107Z測(cè)振系統(tǒng)對(duì)油田柱塞泵振動(dòng)加速度信號(hào)進(jìn)行采集,用于狀態(tài)分析和診斷模型構(gòu)建。

    (2)數(shù)據(jù)集準(zhǔn)備。按預(yù)設(shè)比例將油田柱塞泵振動(dòng)加速度數(shù)據(jù)劃分為訓(xùn)練集和測(cè)試集。

    (3)模型構(gòu)建與訓(xùn)練。設(shè)計(jì)故障診斷模型架構(gòu)并初始化模型參數(shù),基于訓(xùn)練集數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練,并利用前向傳播和反向傳播迭代求取梯度、更新模型參數(shù),完成指定迭代次數(shù)后,結(jié)束訓(xùn)練保存最優(yōu)模型。

    (4)故障診斷測(cè)試。以訓(xùn)練獲取的最優(yōu)模型進(jìn)行測(cè)試,基于測(cè)試集數(shù)據(jù)開展模型的性能驗(yàn)證和評(píng)估。

    2 試驗(yàn)驗(yàn)證

    2.1 試驗(yàn)介紹

    本文在某油田柱塞泵上開展信號(hào)采集分析試驗(yàn),以驗(yàn)證提出的故障預(yù)警技術(shù)。柱塞泵型號(hào)為5DSB,主要信息如圖4所示。

    圖4 油田柱塞泵實(shí)物及傳感器安裝示意圖Fig.4 Schematic diagram of oilfield plunger pump and installed sensors

    5DSB系列柱塞泵裝置主要由驅(qū)動(dòng)電機(jī)、皮帶輪、柱塞泵及基座組成,其中柱塞泵分為動(dòng)力端與液力端2部分。傳感器安裝位置如下:電機(jī)驅(qū)動(dòng)端軸承垂直方向2V-a;泵前軸承垂直方向3V-a;泵后軸承垂直方向4V-a。文中所有數(shù)據(jù)均來自3V測(cè)點(diǎn)。

    試驗(yàn)數(shù)據(jù)為通過油田日常運(yùn)行與檢修維護(hù)獲取的現(xiàn)場(chǎng)在線監(jiān)測(cè)數(shù)據(jù),包含油田柱塞泵3種狀態(tài):正常狀態(tài)、連桿斷裂故障、軸承斷裂故障,在文中用F1~F3來表示3種狀態(tài)。油田柱塞泵數(shù)據(jù)采集及分析使用上海華陽檢測(cè)器進(jìn)行狀態(tài)監(jiān)測(cè),具體為:設(shè)備的振動(dòng)數(shù)據(jù)采集選用的儀器為華陽檢測(cè)公司研發(fā)的HY-107Z工作測(cè)振儀。本次測(cè)量采用機(jī)械振動(dòng)狀態(tài)監(jiān)測(cè)中加速度參數(shù),單位為m/s2,取有效值;數(shù)據(jù)的采樣頻率為12.8 kHz,單次采樣點(diǎn)數(shù)為8 192個(gè)點(diǎn),采樣間隔為5 min。每類柱塞泵狀態(tài)數(shù)據(jù)在試驗(yàn)中共選取300組信號(hào)作為總樣本數(shù)據(jù),其中訓(xùn)練集隨機(jī)選擇信號(hào)總樣本數(shù)據(jù)的70%,其余30%的信號(hào)樣本數(shù)據(jù)作為測(cè)試集。具體信息如表1所示。

    表1 油田柱塞泵健康狀態(tài)及數(shù)據(jù)參數(shù)Table 1 Health status and data parameters of oilfield plunger pump

    2.2 模型參數(shù)選擇

    針對(duì)所處理油田柱塞泵振動(dòng)加速度信號(hào),設(shè)計(jì)2層卷積層,以保證故障診斷性能的同時(shí)避免參數(shù)過多導(dǎo)致算法效率下降。考慮到在線監(jiān)測(cè)數(shù)據(jù)的工況波動(dòng)特性,設(shè)計(jì)較少的卷積層以避免對(duì)當(dāng)前數(shù)據(jù)分布的過擬合。輸入層所輸入的是原始一維振動(dòng)信號(hào),因此在卷積層1中設(shè)計(jì)了寬卷積核以抑制干擾特征[15]。

    為了覆蓋更多參數(shù)組合的選擇及降低人工選擇參數(shù)引入的隨機(jī)性,引入了網(wǎng)格搜索算法來尋最優(yōu)模型的參數(shù),即將各個(gè)參數(shù)可能的取值進(jìn)行排列與組合,然后使用各參數(shù)組合對(duì)構(gòu)建的模型進(jìn)行訓(xùn)練,通過交叉驗(yàn)證對(duì)模型診斷性能進(jìn)行測(cè)試[16-17]。擬合函數(shù)遍歷所有的參數(shù)組合后,自動(dòng)選擇最佳參數(shù)組合。參數(shù)優(yōu)化結(jié)果如表2所示。

    表2 模型主要參數(shù)Table 2 Main parameters of the model

    此外,試驗(yàn)Batchsize設(shè)為64,訓(xùn)練Epoch為30,正則化選用L2范數(shù)。優(yōu)化器設(shè)置為Adam(學(xué)習(xí)率為0.000 1),最后保存最優(yōu)的模型進(jìn)行測(cè)試。

    2.3 數(shù)據(jù)波形和頻譜分析

    導(dǎo)出系統(tǒng)中的油田注水泵振動(dòng)加速度數(shù)據(jù)進(jìn)行波形和頻譜分析。試驗(yàn)中F1正常狀態(tài)數(shù)據(jù)來源于2021年12月的在線監(jiān)測(cè)數(shù)據(jù),F(xiàn)2連桿斷裂故障及F3軸承斷裂故障數(shù)據(jù)來源于2022年1月在線監(jiān)測(cè)數(shù)據(jù)。信號(hào)時(shí)域波形、頻譜如圖5所示。

    圖5 柱塞泵不同狀態(tài)下的數(shù)據(jù)波形和頻譜Fig.5 Data waveform and spectrum of plunger pump under different states

    從圖5的時(shí)域信號(hào)可以看出,受到實(shí)際運(yùn)行環(huán)境中的各類干擾因素影響,信號(hào)波形呈現(xiàn)出復(fù)雜、多變的特征,即使相近時(shí)間段內(nèi)的數(shù)據(jù)特征也可能出現(xiàn)較大差異。從3種狀態(tài)數(shù)據(jù)的頻譜來看,頻帶能量分布的不確定性更加顯著,相同狀態(tài)在不同頻帶均可能出現(xiàn)顯著的能量分布。

    上述分析表明,傳統(tǒng)故障特征分析難以在環(huán)境復(fù)雜、背景嘈雜、工況多變的油田柱塞泵實(shí)際運(yùn)行監(jiān)測(cè)中實(shí)現(xiàn)及時(shí)、準(zhǔn)確的故障診斷,基于學(xué)習(xí)能力更強(qiáng)、魯棒性更優(yōu)的深度學(xué)習(xí)方法進(jìn)行故障診斷對(duì)于油田生產(chǎn)具有重要意義。

    2.4 試驗(yàn)結(jié)果分析

    通過引入回調(diào)函數(shù),結(jié)合模型在訓(xùn)練過程中的表現(xiàn),進(jìn)行預(yù)先保存,得到最佳的模型參數(shù)。訓(xùn)練集數(shù)據(jù)和測(cè)試集數(shù)據(jù)的故障診斷準(zhǔn)確率及損失率分別如圖6a和圖6b所示。

    圖6 診斷準(zhǔn)確率曲線Fig.6 Diagnostic accuracy curve

    從圖6可以看出,模型驗(yàn)證性能良好,經(jīng)過40次的循環(huán)迭代,測(cè)試集的準(zhǔn)確率能夠達(dá)到93.7%。為了進(jìn)一步地評(píng)價(jià)構(gòu)建的模型對(duì)油田柱塞泵故障的診斷效果,引入多分類混淆矩陣對(duì)試驗(yàn)結(jié)果進(jìn)行詳細(xì)分析?;诟咝ǖ雷⒁饬Φ囊痪S卷積神經(jīng)網(wǎng)絡(luò)與1D-CNN混淆矩陣如圖7所示。

    圖7 多分類混淆矩陣Fig.7 Multi-classification confusion matrix

    從圖7可以看出,測(cè)試集300個(gè)樣本中,本文提出的方法只有F1的5個(gè)樣本被誤判為連桿斷裂狀態(tài),其余的數(shù)據(jù)都能達(dá)到100%的診斷正確率,這表明本文提出的模型有較高的故障識(shí)別率。對(duì)比之下,1D-CNN在F1狀態(tài)的診斷中出現(xiàn)了15個(gè)誤判,F(xiàn)2的預(yù)測(cè)中出現(xiàn)了3個(gè)誤判,出現(xiàn)了較多診斷失效的案例。

    為了驗(yàn)證本文構(gòu)建模型的性能,將廣泛應(yīng)用的1D-CNN、全連接神經(jīng)網(wǎng)絡(luò)(FCNN)和多尺度卷積神經(jīng)網(wǎng)絡(luò)(MC-CNN)[18-19]對(duì)數(shù)據(jù)進(jìn)行分析和試驗(yàn)結(jié)果比較。激活函數(shù)、優(yōu)化器、損失函數(shù)、Dropout的比例和迭代次數(shù)等均和本文構(gòu)建的模型設(shè)置相同。所應(yīng)用的模型試驗(yàn)結(jié)果如表3所示。

    表3 4種模型的故障診斷準(zhǔn)確率Table 3 Fault diagnosis accuracy of 4 models

    從表3可以看出,本文模型、1D-CNN,MC-CNN及FCNN的診斷準(zhǔn)確率分別為98.1%、93.3%、93.4%及67.6%,本文構(gòu)建的模型診斷準(zhǔn)確率顯著優(yōu)于其他模型,并且本文在F1和F3的診斷中達(dá)到100%的正確率。這表明本文提出的方法具有較高精度的同時(shí)泛化性能也較好。狀態(tài)F2數(shù)據(jù)的診斷正確率相比其余狀態(tài)表現(xiàn)不高,主要是被誤判為F1狀態(tài),這可能是網(wǎng)絡(luò)特征提取能力不足造成的。相比其他算法,本文提出的算法具有顯著的性能優(yōu)勢(shì)。

    3 結(jié) 論

    本文提出基于高效通道注意力的一維卷積神經(jīng)網(wǎng)絡(luò)故障診斷方法,研究得出以下結(jié)論:

    (1)針對(duì)柱塞泵體積大、振動(dòng)傳播路徑復(fù)雜導(dǎo)致傳統(tǒng)方法在振動(dòng)故障信號(hào)特征提取中的局限性,開發(fā)了基于深度學(xué)習(xí)的油田柱塞泵故障診斷智能模型,有效提高了油田柱塞泵故障診斷效率。

    (2)使用1D-CNN作為故障診斷基準(zhǔn)模型,并引入高效通道注意力,通過增強(qiáng)通道特征交互實(shí)現(xiàn)網(wǎng)絡(luò)性能改進(jìn),從而實(shí)現(xiàn)深層次柱塞泵振動(dòng)信號(hào)特征挖掘,成功改善了柱塞泵故障診斷模型的預(yù)測(cè)性能。

    (3)通過油田生產(chǎn)在線監(jiān)測(cè)數(shù)據(jù)的試驗(yàn)驗(yàn)證,與當(dāng)前其他深度學(xué)習(xí)模型相比,基于高效通道注意力的1D-CNN模型具有出色的診斷精度和魯棒性,具備理論指導(dǎo)意義和工程實(shí)用價(jià)值。

    猜你喜歡
    柱塞泵故障診斷卷積
    基于HP濾波與ARIMA-GARCH模型的柱塞泵泄漏量預(yù)測(cè)
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    某型飛機(jī)液壓柱塞泵彈簧斷裂分析
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    PSO-BP網(wǎng)絡(luò)模型在柱塞泵故障診斷中的應(yīng)用
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    基于改進(jìn)最小二乘支持向量機(jī)的柱塞泵故障診斷模型
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識(shí)別方法
    基于LCD和排列熵的滾動(dòng)軸承故障診斷
    日韩制服骚丝袜av| 亚洲欧美精品综合久久99| 美女内射精品一级片tv| 亚洲最大成人av| 久久人人爽人人爽人人片va| 日本猛色少妇xxxxx猛交久久| 亚洲成人中文字幕在线播放| 人人妻人人澡欧美一区二区| 午夜福利网站1000一区二区三区| 亚洲电影在线观看av| 人人妻人人澡人人爽人人夜夜 | av国产久精品久网站免费入址| 一级二级三级毛片免费看| 亚洲av电影在线观看一区二区三区 | 免费av不卡在线播放| 看免费成人av毛片| 国产午夜精品一二区理论片| 亚洲三级黄色毛片| 尤物成人国产欧美一区二区三区| 别揉我奶头 嗯啊视频| 尤物成人国产欧美一区二区三区| 久久人妻av系列| 午夜精品一区二区三区免费看| 真实男女啪啪啪动态图| 国产日韩欧美在线精品| 欧美潮喷喷水| 啦啦啦韩国在线观看视频| 国产精品麻豆人妻色哟哟久久 | 亚洲久久久久久中文字幕| 别揉我奶头 嗯啊视频| 日本三级黄在线观看| 中文字幕免费在线视频6| 久热久热在线精品观看| 成人二区视频| 国产精品久久久久久精品电影小说 | 久久久久久伊人网av| 国产成年人精品一区二区| 日韩欧美三级三区| 国产男人的电影天堂91| 国产男人的电影天堂91| 亚洲国产欧洲综合997久久,| 亚洲精品乱久久久久久| 日韩大片免费观看网站 | 欧美性感艳星| 日本免费a在线| 国产成人a∨麻豆精品| 国产精品日韩av在线免费观看| 亚洲欧美成人综合另类久久久 | 观看美女的网站| 午夜亚洲福利在线播放| 我要搜黄色片| 国产精品久久久久久av不卡| 日韩高清综合在线| 亚洲国产精品成人久久小说| 欧美xxxx性猛交bbbb| 99热6这里只有精品| 免费看av在线观看网站| 中文字幕免费在线视频6| 国产一区有黄有色的免费视频 | 三级毛片av免费| 色视频www国产| 中文字幕制服av| 又黄又爽又刺激的免费视频.| 欧美潮喷喷水| 内射极品少妇av片p| 国产伦精品一区二区三区四那| 97超碰精品成人国产| 国产伦理片在线播放av一区| 亚洲欧美日韩东京热| 国产白丝娇喘喷水9色精品| 欧美不卡视频在线免费观看| 国产中年淑女户外野战色| videos熟女内射| 日日摸夜夜添夜夜添av毛片| 天堂中文最新版在线下载 | 国产精品综合久久久久久久免费| 国产免费福利视频在线观看| 精品人妻偷拍中文字幕| 欧美又色又爽又黄视频| 亚洲精品乱码久久久久久按摩| 国产三级中文精品| av播播在线观看一区| 免费观看a级毛片全部| 哪个播放器可以免费观看大片| 日本wwww免费看| 我的女老师完整版在线观看| 亚洲内射少妇av| 免费大片18禁| 亚洲婷婷狠狠爱综合网| 日韩亚洲欧美综合| 秋霞在线观看毛片| 高清毛片免费看| 国产免费又黄又爽又色| 国产又色又爽无遮挡免| 久久久久久久久久成人| 国产精品一区二区在线观看99 | 国产大屁股一区二区在线视频| 免费观看精品视频网站| 欧美日韩国产亚洲二区| 看十八女毛片水多多多| 插逼视频在线观看| 22中文网久久字幕| 少妇人妻一区二区三区视频| 色吧在线观看| or卡值多少钱| 免费搜索国产男女视频| 日韩高清综合在线| 51国产日韩欧美| 一卡2卡三卡四卡精品乱码亚洲| 夜夜爽夜夜爽视频| 两性午夜刺激爽爽歪歪视频在线观看| 欧美激情久久久久久爽电影| av.在线天堂| 汤姆久久久久久久影院中文字幕 | 大香蕉久久网| 成年女人看的毛片在线观看| 久久久亚洲精品成人影院| 免费观看a级毛片全部| 免费电影在线观看免费观看| 国产黄a三级三级三级人| 男女边吃奶边做爰视频| 我要搜黄色片| 最后的刺客免费高清国语| 久久99热6这里只有精品| 精品99又大又爽又粗少妇毛片| 欧美潮喷喷水| 免费看光身美女| 国产午夜福利久久久久久| 午夜福利网站1000一区二区三区| 国产精品无大码| 七月丁香在线播放| 成人漫画全彩无遮挡| 国语对白做爰xxxⅹ性视频网站| 秋霞在线观看毛片| 精品久久久久久久久久久久久| 免费观看精品视频网站| 欧美激情国产日韩精品一区| 欧美三级亚洲精品| 哪个播放器可以免费观看大片| 亚洲精品乱久久久久久| 亚洲av一区综合| 亚洲va在线va天堂va国产| 欧美3d第一页| 精品人妻一区二区三区麻豆| 中国美白少妇内射xxxbb| 亚洲色图av天堂| 日韩人妻高清精品专区| 国产伦精品一区二区三区视频9| 久久99热这里只有精品18| 国产一区二区亚洲精品在线观看| 丝袜美腿在线中文| 免费黄色在线免费观看| 天堂影院成人在线观看| 日日摸夜夜添夜夜添av毛片| 欧美三级亚洲精品| 国产三级在线视频| 天堂√8在线中文| 亚洲精品影视一区二区三区av| 久久精品久久久久久久性| 精品人妻一区二区三区麻豆| 亚洲精华国产精华液的使用体验| 欧美区成人在线视频| 亚洲精品日韩av片在线观看| 亚洲av免费在线观看| 国产黄色小视频在线观看| 人妻少妇偷人精品九色| av线在线观看网站| 亚洲国产日韩欧美精品在线观看| 欧美三级亚洲精品| 午夜a级毛片| 听说在线观看完整版免费高清| 精品欧美国产一区二区三| 精品人妻熟女av久视频| 91精品国产九色| 人人妻人人看人人澡| 在线观看66精品国产| 2021天堂中文幕一二区在线观| 免费不卡的大黄色大毛片视频在线观看 | 禁无遮挡网站| 99久国产av精品| 国产亚洲精品av在线| 成人毛片60女人毛片免费| 最新中文字幕久久久久| 亚洲国产欧美在线一区| 两个人视频免费观看高清| 国产乱来视频区| 一级毛片aaaaaa免费看小| av福利片在线观看| 欧美日韩综合久久久久久| 亚洲不卡免费看| 精华霜和精华液先用哪个| 欧美性猛交╳xxx乱大交人| 欧美xxxx黑人xx丫x性爽| 亚洲18禁久久av| АⅤ资源中文在线天堂| 中文精品一卡2卡3卡4更新| 日韩av在线大香蕉| 精品无人区乱码1区二区| 国产成人a区在线观看| 亚洲色图av天堂| av播播在线观看一区| 国产一区二区在线av高清观看| 日本欧美国产在线视频| 国产久久久一区二区三区| 国产亚洲精品av在线| 国产精品一区二区性色av| 国产伦精品一区二区三区视频9| 午夜亚洲福利在线播放| 能在线免费观看的黄片| 国产日韩欧美在线精品| 老司机影院毛片| 精品国产三级普通话版| 少妇裸体淫交视频免费看高清| 三级毛片av免费| 大又大粗又爽又黄少妇毛片口| 中文亚洲av片在线观看爽| 久久精品久久久久久噜噜老黄 | 成人一区二区视频在线观看| 欧美日韩综合久久久久久| 美女大奶头视频| 九九热线精品视视频播放| 国产人妻一区二区三区在| 久久久a久久爽久久v久久| 国产av码专区亚洲av| 草草在线视频免费看| 搡老妇女老女人老熟妇| 热99re8久久精品国产| 天堂网av新在线| 国内精品美女久久久久久| 免费不卡的大黄色大毛片视频在线观看 | 亚洲精品,欧美精品| 丰满乱子伦码专区| 国产成人aa在线观看| 大又大粗又爽又黄少妇毛片口| 老司机影院毛片| 久久99热这里只有精品18| 卡戴珊不雅视频在线播放| 欧美丝袜亚洲另类| 99久久精品一区二区三区| 美女脱内裤让男人舔精品视频| 搡女人真爽免费视频火全软件| av视频在线观看入口| 蜜桃亚洲精品一区二区三区| 可以在线观看毛片的网站| 欧美三级亚洲精品| 国产精品一及| 亚洲高清免费不卡视频| 国产单亲对白刺激| 久久亚洲国产成人精品v| 国产乱人视频| 激情 狠狠 欧美| 非洲黑人性xxxx精品又粗又长| 午夜精品一区二区三区免费看| 天堂中文最新版在线下载 | av国产久精品久网站免费入址| 晚上一个人看的免费电影| 亚洲无线观看免费| 久久久亚洲精品成人影院| 国产亚洲91精品色在线| 久久国内精品自在自线图片| 精品人妻一区二区三区麻豆| 九九在线视频观看精品| 99热网站在线观看| 卡戴珊不雅视频在线播放| 亚洲欧美精品综合久久99| 伦精品一区二区三区| 自拍偷自拍亚洲精品老妇| 我要看日韩黄色一级片| 亚洲人与动物交配视频| 午夜免费男女啪啪视频观看| 日本免费一区二区三区高清不卡| 亚洲国产精品专区欧美| 91精品伊人久久大香线蕉| 精品人妻一区二区三区麻豆| 最近中文字幕2019免费版| 国产精品久久久久久精品电影| 一个人观看的视频www高清免费观看| 久久精品国产99精品国产亚洲性色| 伦精品一区二区三区| 少妇人妻一区二区三区视频| 成人午夜高清在线视频| 99热这里只有精品一区| 久久久久久久久久久免费av| 少妇丰满av| 男女视频在线观看网站免费| 国产v大片淫在线免费观看| 国产精品.久久久| 神马国产精品三级电影在线观看| 亚洲精品乱久久久久久| 免费搜索国产男女视频| 中文字幕制服av| 看十八女毛片水多多多| 色综合亚洲欧美另类图片| 一区二区三区免费毛片| 国产大屁股一区二区在线视频| 亚洲第一区二区三区不卡| 91aial.com中文字幕在线观看| 日本免费a在线| 亚洲久久久久久中文字幕| 看十八女毛片水多多多| 我的女老师完整版在线观看| 中文乱码字字幕精品一区二区三区 | 91精品伊人久久大香线蕉| 久久精品国产鲁丝片午夜精品| 插逼视频在线观看| 天堂√8在线中文| 久久精品夜色国产| 尾随美女入室| 婷婷色综合大香蕉| 午夜老司机福利剧场| 成人综合一区亚洲| 日韩一本色道免费dvd| 超碰av人人做人人爽久久| 中文字幕免费在线视频6| 亚洲经典国产精华液单| 国产精品久久久久久精品电影| 18禁裸乳无遮挡免费网站照片| 亚洲在线自拍视频| 国产精品综合久久久久久久免费| 欧美一区二区国产精品久久精品| 亚洲一区高清亚洲精品| 色综合色国产| 久久久久久伊人网av| 在现免费观看毛片| 久久这里有精品视频免费| 亚洲精品日韩av片在线观看| 美女内射精品一级片tv| 夜夜爽夜夜爽视频| 免费看a级黄色片| 久久精品久久精品一区二区三区| 蜜桃久久精品国产亚洲av| 精品国产一区二区三区久久久樱花 | 小蜜桃在线观看免费完整版高清| 只有这里有精品99| 一个人观看的视频www高清免费观看| 午夜久久久久精精品| 国产精品综合久久久久久久免费| 激情 狠狠 欧美| 亚洲av不卡在线观看| 国产高清不卡午夜福利| 我的女老师完整版在线观看| 久久久国产成人免费| 日韩欧美在线乱码| 国产 一区精品| av卡一久久| 联通29元200g的流量卡| 波多野结衣高清无吗| 日韩成人av中文字幕在线观看| 久久久国产成人精品二区| 亚洲成人av在线免费| 国产av不卡久久| 国产乱来视频区| 久久鲁丝午夜福利片| 亚洲av免费在线观看| 狂野欧美白嫩少妇大欣赏| 欧美+日韩+精品| 99久久中文字幕三级久久日本| 在现免费观看毛片| 国产亚洲精品av在线| 五月伊人婷婷丁香| 大香蕉97超碰在线| av专区在线播放| 亚洲乱码一区二区免费版| 欧美xxxx黑人xx丫x性爽| 可以在线观看毛片的网站| 欧美日韩精品成人综合77777| 最近手机中文字幕大全| 赤兔流量卡办理| 国产av在哪里看| 18禁裸乳无遮挡免费网站照片| 精品久久久久久久人妻蜜臀av| 国产一区二区在线观看日韩| 午夜精品在线福利| 成人午夜精彩视频在线观看| 久久精品国产自在天天线| 亚洲av免费高清在线观看| 亚洲在久久综合| av又黄又爽大尺度在线免费看 | 亚洲人成网站高清观看| 久久久久久九九精品二区国产| 久久精品久久精品一区二区三区| 高清在线视频一区二区三区 | 国产国拍精品亚洲av在线观看| 韩国av在线不卡| 亚洲成人av在线免费| 美女xxoo啪啪120秒动态图| 亚洲精品乱码久久久v下载方式| 我的老师免费观看完整版| 日本av手机在线免费观看| 国产高清三级在线| 人人妻人人澡欧美一区二区| 18禁在线无遮挡免费观看视频| 国产又黄又爽又无遮挡在线| 亚洲精品日韩在线中文字幕| 亚洲国产最新在线播放| 免费av观看视频| 精品一区二区免费观看| 国产中年淑女户外野战色| 波野结衣二区三区在线| 日本猛色少妇xxxxx猛交久久| 久久精品久久久久久久性| 精品不卡国产一区二区三区| 麻豆国产97在线/欧美| 精品久久久久久成人av| 成人毛片a级毛片在线播放| 丝袜美腿在线中文| 久久这里有精品视频免费| 亚洲国产精品sss在线观看| 亚洲精品影视一区二区三区av| 国产日韩欧美在线精品| 午夜日本视频在线| 欧美zozozo另类| 一级爰片在线观看| 午夜日本视频在线| 欧美xxxx黑人xx丫x性爽| 国产伦理片在线播放av一区| 亚洲伊人久久精品综合 | 成人午夜精彩视频在线观看| 26uuu在线亚洲综合色| 久99久视频精品免费| 人人妻人人澡人人爽人人夜夜 | 26uuu在线亚洲综合色| 国产中年淑女户外野战色| av天堂中文字幕网| 欧美性感艳星| 狂野欧美白嫩少妇大欣赏| 最近中文字幕2019免费版| 亚洲熟妇中文字幕五十中出| 国产精品久久久久久久久免| 欧美三级亚洲精品| 免费观看人在逋| av专区在线播放| 少妇被粗大猛烈的视频| 最近2019中文字幕mv第一页| 国产毛片a区久久久久| 国产极品天堂在线| 精品久久久久久久末码| 国产精品不卡视频一区二区| 亚洲av免费在线观看| 亚洲国产成人一精品久久久| 91久久精品电影网| 18禁在线无遮挡免费观看视频| 中文字幕av在线有码专区| 国产私拍福利视频在线观看| 国产单亲对白刺激| 永久免费av网站大全| 欧美成人a在线观看| 亚洲无线观看免费| 亚洲国产精品专区欧美| 啦啦啦啦在线视频资源| 两个人的视频大全免费| 美女内射精品一级片tv| 在线播放无遮挡| 国产成年人精品一区二区| 女人被狂操c到高潮| 国产爱豆传媒在线观看| 一边摸一边抽搐一进一小说| 欧美激情国产日韩精品一区| 国产成人福利小说| 内地一区二区视频在线| 亚洲精品自拍成人| 丰满少妇做爰视频| 久久亚洲国产成人精品v| 亚洲熟妇中文字幕五十中出| 精品99又大又爽又粗少妇毛片| 男人舔奶头视频| 一本一本综合久久| .国产精品久久| 嫩草影院新地址| 国产伦精品一区二区三区四那| 色综合亚洲欧美另类图片| 蜜桃亚洲精品一区二区三区| 亚洲激情五月婷婷啪啪| 日韩高清综合在线| 精品酒店卫生间| 国产精品女同一区二区软件| 天堂网av新在线| 久久这里只有精品中国| 成年免费大片在线观看| 午夜福利高清视频| 亚洲精品国产av成人精品| 欧美+日韩+精品| 欧美一区二区国产精品久久精品| 国产一区有黄有色的免费视频 | 看十八女毛片水多多多| 嫩草影院精品99| 久久人妻av系列| 看非洲黑人一级黄片| 亚洲人与动物交配视频| 欧美三级亚洲精品| 99国产精品一区二区蜜桃av| 日韩成人伦理影院| 男女边吃奶边做爰视频| 亚洲av成人精品一区久久| 99久久精品热视频| 亚洲精品456在线播放app| 91午夜精品亚洲一区二区三区| 久久国内精品自在自线图片| 插逼视频在线观看| 男女视频在线观看网站免费| 伦精品一区二区三区| 亚洲精品国产成人久久av| 亚洲三级黄色毛片| 免费不卡的大黄色大毛片视频在线观看 | av在线天堂中文字幕| 国产精品电影一区二区三区| 日韩三级伦理在线观看| 99久久成人亚洲精品观看| 婷婷色综合大香蕉| 国产精品一二三区在线看| 欧美精品一区二区大全| 国产亚洲精品久久久com| 国产熟女欧美一区二区| 亚洲婷婷狠狠爱综合网| 国产精品一区二区三区四区免费观看| 免费大片18禁| 亚洲性久久影院| 久久综合国产亚洲精品| 日韩成人伦理影院| 国产精品精品国产色婷婷| 午夜精品一区二区三区免费看| 亚洲一级一片aⅴ在线观看| 欧美成人午夜免费资源| 久久亚洲精品不卡| 中文字幕亚洲精品专区| 黄片wwwwww| 亚洲精品456在线播放app| 亚洲成人精品中文字幕电影| 国产亚洲一区二区精品| 男人舔奶头视频| 少妇人妻精品综合一区二区| 午夜福利高清视频| 水蜜桃什么品种好| 22中文网久久字幕| 成人av在线播放网站| 大话2 男鬼变身卡| 在现免费观看毛片| 亚洲欧美精品自产自拍| 男人和女人高潮做爰伦理| 国产一级毛片七仙女欲春2| 欧美xxxx黑人xx丫x性爽| 国产精品一区二区在线观看99 | 国产伦精品一区二区三区视频9| 午夜精品国产一区二区电影 | 亚洲五月天丁香| 伦理电影大哥的女人| 日日摸夜夜添夜夜爱| 黄色配什么色好看| 久久6这里有精品| 网址你懂的国产日韩在线| 99国产精品一区二区蜜桃av| 亚洲国产精品合色在线| 91精品伊人久久大香线蕉| 成人亚洲欧美一区二区av| 亚洲国产最新在线播放| 美女脱内裤让男人舔精品视频| 一区二区三区免费毛片| 人体艺术视频欧美日本| 毛片女人毛片| 午夜福利在线观看免费完整高清在| 日本一二三区视频观看| 亚洲av日韩在线播放| 国产人妻一区二区三区在| 国产乱人视频| 免费在线观看成人毛片| 国产亚洲5aaaaa淫片| 亚洲欧美精品综合久久99| 亚洲欧洲国产日韩| 天堂影院成人在线观看| 免费不卡的大黄色大毛片视频在线观看 | 亚洲婷婷狠狠爱综合网| 色网站视频免费| 免费观看的影片在线观看| 日本黄大片高清| 热99re8久久精品国产| 久久久久久九九精品二区国产| 国产高清有码在线观看视频| www.av在线官网国产| 毛片一级片免费看久久久久| 老司机影院毛片| 免费观看的影片在线观看| 国产高潮美女av| 午夜激情欧美在线| 2021天堂中文幕一二区在线观| 国产精品久久久久久久久免| 午夜a级毛片| 亚洲人成网站在线播| www.色视频.com| 国产成人精品一,二区| 成人亚洲欧美一区二区av| 亚洲婷婷狠狠爱综合网| 欧美日韩一区二区视频在线观看视频在线 | 能在线免费观看的黄片| 亚洲精品乱码久久久久久按摩| 久久人人爽人人片av| 日本色播在线视频| 久久精品国产亚洲av天美| 日韩大片免费观看网站 | 午夜福利网站1000一区二区三区| 51国产日韩欧美| 村上凉子中文字幕在线| 一卡2卡三卡四卡精品乱码亚洲| 菩萨蛮人人尽说江南好唐韦庄 | 国产免费一级a男人的天堂| 免费黄色在线免费观看| 亚洲国产精品sss在线观看| 高清毛片免费看| 国产欧美另类精品又又久久亚洲欧美| 美女被艹到高潮喷水动态| 乱人视频在线观看| 欧美激情久久久久久爽电影| 一区二区三区乱码不卡18| 国产高潮美女av| 干丝袜人妻中文字幕| 久久婷婷人人爽人人干人人爱|