-
公开(公告)号:CN111597182A
公开(公告)日:2020-08-28
申请号:CN202010429875.9
申请日:2020-05-20
Applicant: 中国石油化工股份有限公司 , 中国石化集团胜利石油管理局有限公司电力分公司
IPC: G06F16/215 , G06F16/2458 , G06N3/08 , G01R31/34 , G01D21/02
Abstract: 一种基于卷积神经网络的抽油机驱动电机故障异常识别方法,包括模型训练过程和模型集成过程;所述模型训练过程包括以下步骤:通过预处理python脚本文件对采集数据进行类别预分析;按照训练数据制作要求对数据进行清洗和分类;对两个分类数据进行合并处理;生成初步线性数据并判断数据的分类准确性;数据分类完成存储入库;数据准备完成;设定两阶段识别模型架构,针对单个属性进行单独训练和测试;迭代后导出模型;所述模型集成的过程包括以下步骤:针对电流信号和电机振动信号两种数据训练的模型进行导出;进入监控中心查看状态确认准确率是否进行优化;优化完成后,进行模型裁剪和导出;按照设定权重建立集成判别模型;测试封装完成。
-
公开(公告)号:CN109993097A
公开(公告)日:2019-07-09
申请号:CN201910232026.1
申请日:2019-03-25
Applicant: 中国石油化工股份有限公司 , 中国石化集团胜利石油管理局有限公司电力分公司
Abstract: 本发明提供一种基于结构光的电力金具表面铭文识别方法,该基于结构光的电力金具表面铭文识别方法包括:步骤1,投影设备向待识别的电力金具的铭文位置投射光栅条纹;步骤2,用摄像机采集金具表面和参考平面上的形变条纹,并将条纹像传输至计算机终端,对其进行解调处理,得到连续相位;步骤3,根据三角测量法计算得到金具铭文的高度信息,获得电力金具铭文的数字影像;步骤4,人工从金具铭文的数字影像中读取铭文内容。该基于结构光的电力金具表面铭文识别方法帮助解决很多电力金具表面的铭文因为较小或结构弯曲而导致人工难以查看清楚的问题。
-