文献

J-GLOBAL ID：202002231832895563   整理番号：20A0499227

ロッドポンプシステムの段階的変化故障診断におけるCNN-LSTMの応用【JST・京大機械翻訳】

Application of CNN-LSTM in Gradual Changing Fault Diagnosis of Rod Pumping System

著者 (7件)： He Yanfeng ( School of Petroleum Engineering, Changzhou University, Changzhou, Jiangsu 213164, China) ,  Liu Yali ( School of Petroleum Engineering, Changzhou University, Changzhou, Jiangsu 213164, China) ,  Shao Shuai ( School of Petroleum Engineering, Changzhou University, Changzhou, Jiangsu 213164, China) ,  Zhao Xuhang ( School of Petroleum Engineering, Changzhou University, Changzhou, Jiangsu 213164, China) ,  Liu Guojun ( China National Oil and Gas Exploration and Development Company Ltd., Beijing 100034, China) ,  Kong Xiangji ( China National Oil and Gas Exploration and Development Company Ltd., Beijing 100034, China) ,  Liu Lu ( School of Petroleum Engineering, Changzhou University, Changzhou, Jiangsu 213164, China)
資料名： Mathematical Problems in Engineering (Web)  (Mathematical Problems in Engineering (Web))
巻： 2019  ページ： Null  発行年： 2019年 
JST資料番号： U7803A  ISSN： 1024-123X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 指標図を用いたロッドポンプシステム故障検出の重要性により,指標図同定はコンピュータビジョン分野における挑戦課題である。徐々に変化する断層は,その発生の始まりにおける指標図に明確に示されず,坑井における不可逆的な損傷が引き起こされた時にのみ同定できるので,特別なタイプの断層である。本論文では,畳込みニューラルネットワーク(CNN)と長い短期メモリ(LSTM)ネットワークを組み合わせて,徐々に変化する故障分類を実行する新しい方法を提案した。特に,CNNを用いて,その階層構造に基づく指標図のマルチレベル抽象化特徴を抽出した。シーケンスとして指標図の時系列の変化を考慮し,LSTMを用いて認識を行った。従来の数学モデル診断法と比較して,CNN-LSTMは,不明確な仮定条件のような従来の数学モデル理論解析の限界を克服し,診断精度を改善した。最終的に,良好な生産の1.3百万セットを訓練データセットとして設定し,CNN-LSTMを評価するために使用した。結果は,指標図と特性パラメータを用いて徐々に変化する故障を認識するためにCNNとLSTMを利用する有効性を実証した。精度は98.4%に達し,損失は0.9%未満であった。Copyright 2019 Yanfeng He et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 故障検出 ,  記憶装置 ,  不可逆性 ,  数学モデル ,  コンピュータビジョン ,  ネットワーク ,  坑井 ,  階層構造 ,  有効性 ,  *故障診断
準シソーラス用語： 訓練データ ,  理論解析 ,  マルチレベル ,  故障分類 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

引用文献 (21件)：

• A. S. Velichkovich, "Shock absorber for oil-well sucker-rod pumping unit," Chemical & Petroleum Engineering, vol. 41, no. 9-10, pp. 544-546, 2005.
• A. M. F. D. Souza, M. A. D. Bezerra, M. D. A. B. Filho, L. Schnitman, "Using artificial neural networks for pattern recognition of downhole dynamometer card in oil rod pump system," Proceedings of the 8th WSEAS international conference on Artificial intelligence, knowledge engineering and data bases AIKED’09, Cambridge, UK, February 2009.
• L. O. Chua, T. Roska, "The CNN paradigm," IEEE Transactions on Circuits and Systems I: Fundamental Theory and Applications, vol. 40, no. 3, pp. 147-156, 1993.
• H. Ying, K. Li, H. Huang, "The downhole fault prediction method of rod pumping well based on multivariable gray model," Bohai University, Jinzhou, China, 2016, CN201510248922.9.
• J. P. C. Chiu, E. Nichols, "Named entity recognition with bidirectional LSTM-CNNs," Computer Science, vol. 7, 2016.

タイトルに関連する用語 (5件)： 段階 ,  故障診断 ,  CNN ,  LSTM ,  応用