[发明专利]一种基于3D卷积神经网络的渐变型工况预警方法有效
| 申请号： | 201811176543.3 | 申请日： | 2018-10-10 |
| 公开（公告）号： | CN109389170B | 公开（公告）日： | 2021-11-02 |
| 发明（设计）人： | 何岩峰;刘雅莉;邓嵩;王相;窦祥冀 | 申请（专利权）人： | 常州大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 常州市英诺创信专利代理事务所(普通合伙) 32258 | 代理人： | 王美华 |
| 地址： | 213164 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于3D卷积神经网络的渐变型工况预警方法，包括以下步骤：a、对符合训练要求的渐变型工况示功图集预处理后，组成表征渐变型工况变化过程的示功体；b、构建3D卷积神经网络以得到渐变型工况的特征描述；c、将示功体输入3D卷积神经网络进行训练；d、形成基于3D卷积神经网络的渐变型工况预警系统；e、把预警系统应用于对未知工况的判断，将实时获取的示功图集按时间顺序排列成示功体输入3D卷积神经网络，实现工况的分类与预测；f、扩充训练集完成对渐变型工况预警系统的学习与更新。本发明通过建立3D卷积神经网络识别示功体，从而可以识别油井生产过程中渐变型工况变化过程中的特征信息，实现对渐变型工况的识别和预测。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 渐变 工况 预警 方法 | ||
【主权项】：
1.一种基于3D卷积神经网络的渐变型工况预警方法，其特征是：包括以下步骤：a、挑选符合训练要求的渐变型工况示功图图集，并对图集进行预处理，用处理后的示功图图集组成表征渐变型工况变化过程的示功体；b、构建3D卷积神经网络用于得到渐变型工况的特征描述；c、将示功体输入3D卷积神经网络进行训练，通过3D卷积操作核去提取示功体的时间和空间特征，并输出为特征序列；d、在获取的特征上学习分类器，用于区分渐变型故障工况、突变型故障工况与正常工况，形成基于3D卷积神经网络的渐变型工况预警系统；e、在把预警系统应用于对未知工况的判断时，只需将实时获取的示功图图集按时间顺序排列成示功体输入3D卷积神经网络，就能实现工况的分类与预测；f、通过得到的工况识别结果扩充训练集完成对渐变型工况预警系统的学习与更新。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于常州大学，未经常州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811176543.3/，转载请声明来源钻瓜专利网。
