基于多模态决策融合的抽油机故障诊断方法

张强; 薛冰; 王伯超; 陈诚; 陆俊翼

doi:10.19292/j.cnki.jdxxp.2025.05.021

吉林大学学报(信息科学版) ›› 2025, Vol. 43 ›› Issue (05) : 978 -987. DOI: 10.19292/j.cnki.jdxxp.2025.05.021

基于多模态决策融合的抽油机故障诊断方法

张强, 薛冰, 王伯超, 陈诚, 陆俊翼

作者信息 +

Author information +

文章历史 +

摘要

针对现有抽油机故障诊断多数基于示功图数据，导致其诊断模态相对单一的问题，提出一种ShuffleNetV2ECA-MLP(ShuffleNetV2 with Efficient Channel Attention and Multilayer Perceptron)多模态决策融合的抽油机故障诊断模型。为提高ShuffeNetV2模型跨通道交互能力和识别精度，首先将轻量通道注意力ECA(Efficient Channel Attention)模块引入ShuffleNetV2模型中，应用Hardswish激活函数增强网络学习复杂问题的能力；其次利用改进后的ShuffleNetV2网络对示功图诊断，同时利用多层感知机(MLP:Multi-Layer Perceptron)网络处理生产动态数据；最后采用加权投票方法整合两个模型的诊断结果。为验证改进ShuffleNetV2和ShuffleNetV2ECA-MLP模型有效性，与轻量级卷积网络MobileNetV2、 MobileNetV3、经典卷积网络ResNet以及VGG(Visual Geometry Group)网络模型进行对比。实验结果表明，ShuffleNetV2ECA-MLP模型的存储空间仅为10.16 MByte,故障诊断精度达到95.35%,能更好满足抽油机故障诊断需求。