[发明专利]基于集成学习的游梁式抽油机示功图的工况识别方法

权利要求书

1.一种基于集成学习的游梁式抽油机示功图的工况识别方法，其特征在于，所述方法包括：

获取游梁式抽油机示功图数据库，并对所述数据库内的每个游梁式抽油机示功图进行二值化处理，得到若干二值化处理后的示功图；

对每个所述二值化处理后的示功图进行特征提取，得到每个所述二值化处理后的示功图的几何特征、矩特征和傅里叶描述子；

根据每个所述二值化处理后的示功图的几何特征、矩特征和傅里叶描述子，对每个所述二值化处理后的示功图进行聚类，得到多个累积示功图；

对每个所述累积示功图进行工况标注，得到每个工况下的多个示功图簇；

将每个工况下的每个示功图簇中的第一预设部分示功图的几何特征、矩特征和傅里叶描述子代入到至少两个机器学习模型中进行机器学习，训练得到至少两组分类器模型；

将每个工况下的每个示功图簇中的第二预设部分示功图的几何特征、矩特征和傅里叶描述子分别代入到每组分类器模型中，训练得到每个示功图的至少两个分类结果；

对每个工况下的每个示功图簇中的第二预设部分示功图进行工况标注，得到每个示功图的标签；

将所述每个示功图的至少两个分类结果和所述每个示功图的标签代入多项逻辑斯蒂回归模型进行集成学习，得到最终分类器模型；

将待测游梁式抽油机示功图的几何特征、矩特征和傅里叶描述子代入所述最终分类器模型中，确定所述待测游梁式抽油机示功图的工况。

2.根据权利要求1所述的基于集成学习的游梁式抽油机示功图的工况识别方法，其特征在于，所述获取游梁式抽油机示功图数据库，并对所述数据库内的每个游梁式抽油机示功图进行二值化处理，得到若干二值化处理后的示功图之前，所述方法包括：根据若干游梁式抽油机中每个抽油机光杆的位移和载荷数据，绘制若干游梁式抽油机示功图，并建立所述游梁式抽油机示功图数据库。

3.根据权利要求2所述的基于集成学习的游梁式抽油机示功图的工况识别方法，其特征在于，所述根据若干游梁式抽油机中每个抽油机光杆的位移和载荷数据，绘制若干游梁式抽油机示功图，并建立所述游梁式抽油机示功图数据库之前，所述方法还包括：对所述若干游梁式抽油机中每个抽油机光杆的位移和载荷数据进行数据预处理。

4.根据权利要求1所述的基于集成学习的游梁式抽油机示功图的工况识别方法，其特征在于，所述对每个所述二值化处理后的示功图进行特征提取，得到每个所述二值化处理后的示功图的几何特征、矩特征和傅里叶描述子包括：对每个所述二值化处理后示功图进行轮廓提取，得到每个所述二值化处理后示功图的轮廓信息；根据所述轮廓信息，计算得到每个所述二值化处理后的示功图的几何特征、矩特征和傅里叶描述子。

5.根据权利要求1所述的基于集成学习的游梁式抽油机示功图的工况识别方法，其特征在于，所述对每个所述二值化处理后的示功图进行特征提取之前，所述方法还包括：对每个所述二值化处理后的示功图绘制最小外接矩形。

6.根据权利要求5所述的基于集成学习的游梁式抽油机示功图的工况识别方法，其特征在于，所述几何特征包括：示功图所形成的封闭曲线所围成的面积、示功图所形成的封闭曲线的周长、示功图所形成的封闭曲线的质心和示功图所形成的封闭曲线与其所述最小外接矩形之间的面积。

7.根据权利要求1所述的基于集成学习的游梁式抽油机示功图的工况识别方法，其特征在于，所述将所述每个示功图的至少两个分类结果和所述每个示功图的标签代入多项逻辑斯蒂回归模型进行集成学习，得到最终分类器模型之后，所述方法还包括：对所述最终分类器模型进行验证。

8.根据权利要求1所述的基于集成学习的游梁式抽油机示功图的工况识别方法，其特征在于，所述第一预设部分示功图的数量为所述每个工况下的每个示功图簇中示功图数量的50％，所述第二预设部分示功图的数量为所述每个工况下的每个示功图簇中示功图数量的50％。