江苏科技大学学报(自然科学版)2021，Vol.35Issue(2) ：52-58.DOI:10.11917/j.issn.1673-4807.2021.02.008

一种基于改进GoogLeNet的油井故障识别方法

An oil well fault identification method based on improved GoogLeNet

宋纯贺 李泽熙 于洪霞 刘意杨 冯铁英 张雪健
江苏科技大学学报(自然科学版)2021，Vol.35Issue(2) ：52-58.DOI:10.11917/j.issn.1673-4807.2021.02.008
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

一种基于改进GoogLeNet的油井故障识别方法

An oil well fault identification method based on improved GoogLeNet

宋纯贺 1李泽熙 2于洪霞 3刘意杨 1冯铁英 4张雪健4
扫码查看

作者信息

  • 1. 中国科学院 沈阳自动化研究所机器人学国家重点实验室,沈阳 110016;中国科学院 网络化控制系统重点实验室,沈阳 110016;中国科学院 机器人与智能制造创新研究院,沈阳 110169;中国科学院 沈阳自动化研究所,沈阳 110016
  • 2. 中国科学院 沈阳自动化研究所,沈阳 110016;沈阳工业大学 人工智能学院,沈阳 110870
  • 3. 沈阳工业大学 人工智能学院,沈阳 110870
  • 4. 杭州西奥电梯有限公司,杭州311199
  • 折叠

摘要

油井功图是油井工作状态分析和故障诊断的重要依据,深度学习为油井功图的识别提供了有效手段,针对合理的深度神经网络架构的选择问题,构建了一个用于油井故障诊断的大型功图数据集,提出一种基于改进GoogLeNet网络结构的油井故障识别方法,并对深度神经网络的结构、激活函数、归一化层、训练方法、学习率等重要参数对识别精度和训练时间的影响进行了详细的分析.实验表明,相对于广泛使用的LeNet、ResNet和基本GoogLeNet等网络模型,提出的改进GoogLeNet网络模型有着更高的准确率;同时相对于基本GoogLeNet网络模型,所提模型的运行时间得到了有效的降低.

关键词

故障识别/油井功图/深度学习/GoogLeNet

引用本文复制引用

基金项目

国家重点研发计划项目(2018YFB1700200)

国家自然科学基金(U1908212)

国家自然科学基金(61773368)

兴辽英才项目(XLYC1907057)

出版年

2021
江苏科技大学学报(自然科学版)
江苏科技大学

江苏科技大学学报(自然科学版)

北大核心
影响因子：0.373
ISSN：1673-4807
被引量6
参考文献量7
段落导航相关论文