[发明专利]一种抽油泵运行状态识别方法及装置

权利要求书

1.一种抽油泵运行状态识别方法，其特征在于，包括：

获取抽油泵示功图的目标灰度图像；

对所述目标灰度图像进行二值化处理后得到目标示功图矩阵，利用矩特征提取方法提取所述目标示功图矩阵的多个不变矩，并将所述多个不变矩作为所述抽油泵示功图的目标特征向量；

将所述目标特征向量输入至正则小波极限学习机RWELM，经所述RWELM运算后输出运行状态，所述RWELM为预先经训练样本训练后得到的、以抽油泵示功图的特征向量为输入、以抽油泵的运行状态为输出的模型，其中所述ELM的输入层与隐含层之间的激励函数为小波函数，所述隐含层的调节参数和隐含层的节点数量为利用交叉验证法确定的。

2.如权利要求1所述的方法，其特征在于，所述RWELM的构建过程包括：

确定RWELM输入层和输出层的节点数量，并利用交叉验证法得到隐含层的调节参数和隐含层的节点数量，设定输入层与隐含层之间的激励函数为小波函数，其中，输入层的节点数量与多个不变矩数量一致，输出层的节点数量与抽油泵运行状态的数量一致；

随机生成所述输入层与所述隐含层之间的输入权重向量及偏置；

获取训练样本，所述训练样本包括抽油泵示功图的训练灰度图像及在该训练灰度图像下抽油泵的训练运行状态，对所述训练灰度图像进行二值化处理后，利用矩特征提取方式提取所述训练灰度图像的多个不变矩，并将所述多个不变矩作为所述训练灰度图像的训练特征向量；

将训练特征向量输入所述RWELM，经所述激励函数、输入权重和所述偏置运算后得到所述隐含层的训练输出矩阵；

按预设输出权重公式计算输出权重；

将由激励函数、输入权重、偏置和输出权重组成的包括输入层、隐含层和输出层的模型重新确定所述RWELM。

3.如权利要求2所述的方法，其特征在于，所述将所述目标特征向量输入至正则小波极限学习机RWELM，经所述RWELM运算后输出运行状态包括：

将所述目标特征向量输入至所述RWELM中，经所述激励函数、输入权重和所述偏置运算后得到所述隐含层的目标输出矩阵；

将所述目标输出矩阵与所述输出权重的乘积作为输出运行状态。

4.如权利要求2所述的方法，其特征在于，所述RWELM的构建过程还包括：

根据抽油泵所有示功图的不同特点，划分抽油泵的多个运行状态；

获取包含抽油泵所有运行状态的多个示功图的灰度图像，并对多个示功图的灰度图像进行预处理获得多个示功图矩阵，利用矩特征提取方法对每个示功图矩阵进行特征提取获得多个不变矩，将所述多个不变矩作为每个示功图矩阵对应的特征向量组；

将多个特征向量组作为RWELM的输入向量，将1、2、3…N的标签式向量作为RWELM的输出向量，所述输出向量表示与特征向量对应的运行状态。

5.如权利要求2所述的方法，其特征在于，所述利用交叉验证法得到隐含层的调节参数和隐含层的节点数量包括：

利用交叉验证法确定隐含层的调节参数为0.5，隐含层节点数量为14。

6.如权利要求4所述的方法，其特征在于，对所述目标灰度图像进行二值化处理后得到目标示功图矩阵包括：根据抽油泵所有示功图的不同特点，划分抽油泵的12个运行状态；

利用矩特征提取方法对每个示功图矩阵进行特征提取获得多个不变矩包括：利用矩特征提取方法对每个示功图矩阵进行特征提取获得7个不变矩。

7.如权利要求1所述的方法，其特征在于，对所述目标灰度图像进行二值化处理后得到目标示功图矩阵包括：

利用全局阈值法确定进行二值化处理时的阈值；

针对所述目标灰度图像每个像素，将像素值大于所述阈值的修改为1，将像素值小于所述阈值的修改为0，获得目标示功图矩阵。

8.如权利要求7所述的方法，其特征在于，所述利用全局阈值法确定进行二值化处理时的阈值包括：

获取抽油泵示功图的目标灰度图像，并确定阈值范围；

计算目标图像和背景图像的类间方差，所述阈值将所述目标灰度图像分为目标图像和背景图像；

在所述阈值范围内遍历阈值，当所述类间方差最大时确定当前阈值为所需阈值。