基于卷积神经网络的抽油机井故障诊断研究

针对抽油机井示功图故障诊断问题，提出基于轻型卷积神经网络，并引入注意力机制，以提高在参数量、计算量减少的情况下的网络诊断性能。网络基础结构采用MobileNet-V2,并将ECA(Efficient Channel Attention Module)模块嵌入MobileNet-V2的倒残差模块中。倒残差模块中，ECA对特征图从通道维度，将生成的通道注意力重标定权重与输入特征图进行相应通道相乘，最后获取经过注意力加权处理的特征图。基于提出的方法，在保证模型诊断准确性的前提下，降低了网络模型结构的复杂性。实验结果表明，改进后的MobileNet-V2的诊断准确率达到97.60%,满足油田实际生产需求。