改进DRSN 的抽油机轴承故障诊断系统∗

传统油田抽油机维护主要靠人工巡检,油田开采又处于高负荷、强噪声的环境,导致油田抽油机轴承工况监测难度较大.针对抽油机轴承故障诊断存在准确率低、抗噪声性能弱和效率低、成本高的问题,提出一种基于改进深度残差收缩神经网络(DRSN)模型的多信息诊断抽油机轴承故障的方法.首先,根据抽油机轴承从正常状态到故障状态的性能退化过程,通过多采样点随机采样获得初步数据,将预处理的现场采集抽油机轴承多信息数据样本作为网络输入.然后,通过改进DRSN模型,引入跳跃连接使得梯度信息能直接从深层反向跨越传递到浅层,避免了梯度消失问题,使得网络更易于优化,同时软阈值化和注意力机制的加入,使得网络模型可以根据数据集的噪声含量设定不同的阈值,降低噪声干扰并提高诊断准确率.最后,通过实验对比改进DRSN 模型与传统神经网络模型的训练结果,发现改进DRSN模型训练误差更低,诊断响应速度更快,平均故障诊断准确率提高３％~８％.