基于改进CNN和ViT网络的复合工况示功图诊断技术研究

作者：钱帅康; 陈夕松; 姜磊; 邵志良; 李绪信; 史敦禹

来源：石油化工应用, 2022, 41(04): 105-110.

• 卷积神经网络
• 示功图
• 故障诊断
• 视觉Transformer

传统卷积神经网络在抽油机故障诊断领域中，面向单一工况示功图诊断已取得较好精度，但在处理复合工况示功图时，诊断精度仍较低。论文研究了改进卷积神经网络（CNN）和视觉Transformer(Vi T)的复合工况示功图诊断技术，设计了融合Vi T和非方卷积核的混合CNN结构，更有效地提取复合工况示功图特征。首先通过三元组损失对网络进行训练，使用训练完成的网络建立示功图特征检索库，再将示功图特征与检索库中特征计算相似度向量以实现诊断。实验结果表明，混合网络结构在测试集上诊断精度达95%以上，优于传统CNN模型，有效提升了复合工况示功图诊断精度。

• 单位
  东南大学; 南京富岛信息工程有限公司; 自动化学院