[发明专利]一种故障识别方法及相关设备

权利要求书

1.一种故障识别方法，其特征在于，包括：

获取目标示功图，所述目标示功图为待确定故障信息的目标抽油机井对应的示功图；

将所述目标示功图输入预设神经网络模型，以得到所述目标示功图对应的目标图像特征；

根据所述目标抽油机井的杆柱信息确定所述目标抽油机井的目标参数；

确定所述目标示功图对应的图像位置信息；

获取所述目标时刻所述目标抽油机井的目标数据；

将所述目标图像特征、所述目标参数、所述图像位置信息以及所述目标数据输入预设分类模型，得到所述目标示功图对应的故障信息。

2.根据权利要求1所述的方法，其特征在于，所述将所述目标示功图输入预设神经网络模型，以得到所述目标示功图对应的目标图像特征之前，所述方法还包括：

获取第一训练集合，所述第一训练集为数据库中存储的所有抽油机井对应的标注为故障的示功图以及标注为正常的示功图的集合；

通过所述第一训练集合对深度学习网络进行训练，得到所述预设神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述将所述目标图像特征、所述目标参数、所述图像位置信息以及所述目标数据输入预设分类模型，得到所述目标示功图对应的故障信息之前，所述方法还包括：

获取第二训练集合，所述第二训练集合为所述数据库中存储的抽油机井集合中的每个抽油机井对应的标注为故障的示功图以及标注为正常的示功图的集合；

将所述第二训练集合输入所述预设神经网络模型，得到所述第二训练集合中的示功图对应的图像特征集合；

根据所述抽油机井集合中每个抽油机井的杆柱信息确定所述抽油机井集合的第一数据集合，所述第一数据集合中的每个数据分别指示所述每个抽油机井处于停机状态下的受力情况；

确定所述第二训练集合中的示功图对应的图像位置信息集合，所述图像位置信息集合包括所述第二训练集合中的每个示功图对应的最大载荷、最小载荷以及面积；

获取所述第二训练集合中每个示功图的对应时刻所述抽油机井机井的第二数据集合，所述第二数据集合数据为所述抽油机井集合中的每个抽油机井在所述对应时刻的电力参数、压力参数以及过滤空值的集合；

对所述图像特征集合、所述第一数据集合、所述图像位置信息集合以及所述第二数据集合进行训练，得到所述预设分类模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述抽油机井集合中每个抽油机井的杆柱信息确定所述抽油机井集合的第一数据集合包括：

遍历所述抽油机井集合中的每个抽油机井，根据所述抽油机井集合中的每个抽油机井的杆柱信息计算所述每个抽油机井处于停机状态下的受力情况，得到所述第一数据集合：

F＝(ρ_杆-ρ_油)gV_杆；

其中，F为第一抽油机井对应的所述第一数据集合中的数据，ρ_杆为所述第一抽油机井的杆柱的密度，ρ_油为所述第一抽油机井中油的密度，g为重力加速度，V_杆为所述第一抽油机井的相对速度，所述第一抽油机井为所述抽油机井集合中的任意一个抽油机井。

5.根据权利要求3所述的方法，其特征在于，所述确定所述第二训练集合中的示功图对应的图像位置信息集合包括：

遍历所述第二训练集合，通过如下公式计算所述第二训练集合中的示功图对应的图像位置信息集合：

其中，S为所述第二示功图集合中的每个示功图的面积，W_i为所述第二示功图集合中的每个示功图载荷序列中的第i个载荷，L_i为所述第二示功图集合中的每个示功图的偏移序列中的第i个偏移，n为所述载荷序列中的载荷的数量。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述图像位置信息包括所述目标示功图的最大载荷、最小载荷和/或面积。

7.根据权利要求1至5中任一项所述的方法，其特征在于，所述目标数据包括所述目标抽油机井的电力参数、压力参数和/或过滤空值。