基于GM-ELM的有杆泵抽油井故障诊断
来源期刊：东北大学学报(自然科学版)2019年第12期
论文作者：侯延彬 陈炳均 高宪文
文章页码：1673 - 1678
关键词：ELM;特征提取;故障诊断;灰度矩阵;示功图;
摘 要：为了解决有杆泵抽油井故障诊断问题,提出了基于灰度矩阵极限学习机（gray matrix-extreme learning machine,GM-ELM）故障诊断方法.首先用灰度矩阵对有杆泵抽油井进行故障特征提取;然后用数理统计的方法建立灰度矩阵的特征向量,将故障特征向量作为故障诊断模型的输入值;最后建立GM-ELM模型对有杆泵抽油井故障进行诊断.仿真结果表明该方法与GRNN（general regression neural network）方法、LS-SVM （least squares support vector machine）方法、BPNN（back propagation neural netw ork）方法相比具有更高的故障诊断准确率.
侯延彬，陈炳均，高宪文
东北大学信息科学与工程学院
摘 要：为了解决有杆泵抽油井故障诊断问题,提出了基于灰度矩阵极限学习机（gray matrix-extreme learning machine,GM-ELM）故障诊断方法.首先用灰度矩阵对有杆泵抽油井进行故障特征提取;然后用数理统计的方法建立灰度矩阵的特征向量,将故障特征向量作为故障诊断模型的输入值;最后建立GM-ELM模型对有杆泵抽油井故障进行诊断.仿真结果表明该方法与GRNN（general regression neural network）方法、LS-SVM （least squares support vector machine）方法、BPNN（back propagation neural netw ork）方法相比具有更高的故障诊断准确率.
关键词：ELM;特征提取;故障诊断;灰度矩阵;示功图;
