深度学习在油田设备预测性维护中的应用
机器学习
2023-06-21 v1 机器学习
摘要
本论文探讨了人工智能与深度学习（尤其是神经网络）等新兴技术在预测性维护、诊断与预后中的应用。我们开发并测试了多种神经架构，如全连接、卷积和循环神经网络，应用于 NASA C-MAPSS、Case Western Reserve University 轴承和 FEMTO 轴承等公开数据集，以诊断设备健康状态和/或预测故障前的剩余使用寿命（RUL）。结合降维（主成分分析）和信号处理（傅里叶与小波分析）等数据处理与特征提取流程，构建了更具意义且鲁棒的特征作为神经网络架构的输入。本论文还探索了这些技术在油田钻井中用于监测油田关键设备预测性维护的潜在用途，以降低非计划停机与维护成本。
引用
@article{arxiv.2306.11040,
title = {Application of Deep Learning for Predictive Maintenance of Oilfield Equipment},
author = {Abdeldjalil Latrach},
journal= {arXiv preprint arXiv:2306.11040},
year = {2023}
}