改进连续隐马尔可夫模型的有杆抽油故障诊断

利用人工智能诊断有杆抽油系统故障时，描述工况的示功图成为机器学习的对象，提取示功图特征和建立诊断模型是主要步骤。已有的依据阀门工作位置的几何特征未能直接反映示功图的面积，因此提出一组改进的训练特征，并采用连续隐马尔可夫模型(CHMM)建立诊断模型。为了使参数的初始化更可靠，使用与混合高斯模型相关联的K-means聚类算法。将本文提出的诊断方法用于真实油井的示功图集进行测试，结果表明，本文方法不仅有效，而且改进的训练特征和建模方法都提高了诊断的准确率。