摘要
本发明公开了一种抽油机电机故障诊断方法、系统、设备及介质,涉及机械设备维护和管理技术领域,包括:通过相空间重构技术将电气参数转换为用于描述动态系统状态的多维相空间表示,并根据多维相空间表示构建复杂网络模型,复杂网络模型的节点表示多维相空间中电机运行状态点,边表示状态点之间的相似性或欧式距离;采用网络拓扑技术,根据复杂网络模型获取反映电机运行状态的关键特征指标,将关键特征数据分别输入故障诊断模型和故障预测模型,诊断出抽油机电机已产生的故障,以及预测出抽油机电机即将产生的故障。本发明能够考虑到数据的相互作用和依赖关系并获取关键的特征信息,从而让故障诊断和故障预测的结果更加准确。
技术关键词
抽油机电机
电机运行状态
故障诊断方法
网络拓扑技术
故障预测模型
故障诊断模型
机器学习模型
重构技术
电气
参数
数据
序列
故障诊断系统
网络拓扑结构
可读存储介质
指标
动态
监控中心
处理器
系统为您推荐了相关专利信息
控制中心
管控方法
故障预测模型
5G网络切片
变电站设备
系统特征
输出特征
故障诊断方法
决策树模型
卷积神经网络提取
空气质量信息
通风机构
导向机构
地井盖
空气质量传感器
数字孪生模型
高压氧舱
诊断系统
故障诊断模块
故障预测模型
故障诊断方法
制冷压缩机
指标
参数
机器学习算法