控制与决策

作者：王通,李远超,高宪文,王寒静

单位：沈阳工业大学 电气工程学院，沈阳 110870,,沈阳工业大学 电气工程学院，沈阳 110870,,东北大学 信息科学与工程学院，沈阳 110819,,沈阳工业大学 电气工程学院，沈阳 110870,

关键词：示功图;特征提取;工况诊断;卷积自编码器;注意力机制;长短期记忆网络

基金：国家自然科学基金项目(62173073).

针对油井示功图特征提取效果不佳导致工况诊断准确率不高的问题, 提出一种基于多分支融合嵌入式注意力特征提取的油井工况诊断方法. 首先, 为使提取的示功图隐含特征信息更加全面, 在卷积自编码器的基础上, 设计多分支、多尺度的编码器结构提取, 并融合示功图位移-载荷数据的特征信息; 其次, 为强化多分支融合后的局部特征, 设计一种嵌入式通道注意力机制, 在全局平均池化基础上, 添加全局最大池化, 使其能够同时关注示功图全局和局部特征; 同时, 为进一步增强示功图关键信息的隐含特征提取能力, 在通道挤压后, 激励之前嵌入通道注意力机制模块对挤压后的通道预先进行一次权重调整, 激励后进行权重的二次调整; 最后, 将提取的特征放入长短期记忆网络模型中进行油井工况诊断. 结果表明, 基于多分支融合嵌入式注意力特征提取的油井工况诊断方法在一定程度上改善了示功图有效特征提取能力, 提高了油井工况诊断率, 能够满足油田现场的实际需求.

来源：2025年第5期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第5期