典型文献
基于迁移学习的示功图诊断方法
文献摘要：
示功图是数字化分析抽油机作业状况的重要依据,不同形状的示功图代表着不同的作业状况.传统分析程序基于专家系统或统计学习方法对示功图进行分析,需要大量专家知识且鲁棒性较低.从深度学习的角度,提出了一种基于深度卷积神经网络的示功图检测方法,并通过迁移学习,大幅度减少了模型收敛所需样本数量.实验表明,该方法可以有效提高示功图分类的准确率,实现了真正的工业可用.
文献关键词：
示功图;卷积神经网络;迁移学习;残差网络
中图分类号：
作者姓名：
段志刚;李汉周;司志梅;叶红;赵庆婕
作者机构：
中国石化江苏油田分公司石油工程技术研究院,江苏扬州225009
文献出处：
引用格式：
[1]段志刚;李汉周;司志梅;叶红;赵庆婕-.基于迁移学习的示功图诊断方法)[J].石油化工自动化,2022(01):72-76
A类：
B类：
迁移学习,示功图诊断,数字化分析,抽油机,分析程序,专家系统,统计学习方法,专家知识,深度卷积神经网络,样本数量,图分类,残差网络
AB值：
0.288069
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
