通过相似拼接数据增强和波形无声化来增强抽单元诊断
Xinlong Tan1, Shaohua Wang1, Hongqiang Wu1
1Inspur Yunzhou Industrial Internet Co., Ltd, Jinan, 250101, Shandong, China.
Scientific reports
|October 23, 2025
概括
这项研究引入了一个新的故障诊断框架,使用数据增强和波形优化神经网络来提高油田应用的动力表卡分析的准确性和抗噪能力.
科学领域:
- 工程 工程师 工程师 工程师
- 人工智能的人工智能
- 信号处理 信号处理
背景情况:
- 基于动力表卡的故障诊断面临着数据不平衡,噪音和有限的概括性的挑战.
- 现有的方法很难有效地处理这些复杂的诊断场景.
研究的目的:
- 开发一种新的诊断框架,以解决动力表卡分析中的数据不平衡和噪声问题.
- 提高工业应用中故障诊断的准确性和稳定性.
主要方法:
- 实现了以相似性为指导的数据增强,用于使用动态特征重组的少数类扩展.
- 将多种不同的操作参数融合到标准化的动力表卡表示中.
- 集成的离散波段转换 (DWT) 层进入MobileNet-V2以在特征下采样期间抑制噪声.
主要成果:
- 与传统方法相比,拟议的框架显示出更高的准确性和噪声强度.
- 在保持计算效率的同时实现了显著的性能改进.
- 验证了框架在现实世界油田监测应用中的有效性.
结论:
- 新的框架有效地解决了动力表卡分析中的数据不平衡和噪声污染.
- 波纹优化的轻量级神经网络方法为工业故障诊断提供了实用和高效的解决方案.
- 这项研究建立了一个可部署的系统,用于精确和强大的故障诊断在油田操作.

