基于L IBSVM的融合傅里叶幅值与相位的示功图识别方法

摘要

通过示功图来诊断抽油机井工况,是确保油井安全高效生产的一种重要手段;针对现有示功图特征提取只利用其离散傅里叶变换 (Discrete Fourier Transform,DFT)的幅度谱而忽略了其相位谱,从而导致识别率较低的问题,提出了一种融合DFT的幅度谱与相位谱的示功图识别方法;首先,将示功图数据组成复数序列,取其 DFT 的幅度谱与相位谱构造特征向量;其次,对已知故障种类的示功图的特征向量进行训练,构造多分类支持向量机 (Support Vector Machines,SVM)分类判别模型;最后,通过 LIBSVM分类识别方法对未知类别的示功图进行分类识别,从而诊断抽油井的工况;实测结果表明,与只利用 DFT幅度谱的方法相比,该方法能够有效地提高示功图的识别率,能为油井工况的准确分析、诊断与实时优化控制提供技术支撑.