改良的AlexNet模型在有杆泵故障诊断中的应用

示功图识别是有杆泵故障诊断的常用方法,随着神经网络技术的发展,虽已能准确识别典型示功图,但存在以下问题:代表不同故障的相似示功图识别精度有待提高;卷积神经网络(CNN)经典AlexNet模型识别示功图运算效率偏低。基于示功图,设计叠加示功图作为诊断对象,增加分类特征。改良的AlexNet模型:学习LeNet-5模型结构简单,运算快速,删减2层卷积、2层池化和1层全连接,提高模型运算速度;选用3×3的卷积核和2×2的池化核,增强特征学习能力,保证模型识别精度。经叠加示功图样本集测试:新模型相比LeNet-5模型、AlexNet模型,在进一步提高识别精度的同时显著提高运算效率。经现场应用:新模型可以准确高效识别代表不同故障的相似示功图,提液单耗减少16%,设备工作效率提高33%等。