提升故障诊断精度
该模型利用小波变换多尺度分解结合通道注意力机制，能够自适应筛选故障特征，相比传统机器学习方法显著提升柱塞气举系统故障诊断准确率。
Shi, Haowen · Su, Yubin · Yuan, Pan · Weihan, Zhang · 陈忠 · Lião, Ruiquan
Chemical Engineering Science 2025
引入多尺度通道注意力机制后，模型能自适应选择包含故障特征的通道，比基础CNN和其他机器学习模型显著提高诊断准确率。
在重新采集的128组现场数据上验证，模型预测准确率达到83.59%，证明其在不同井况下仍保持良好性能。
利用小波变换对特征进行多尺度分解，能够捕捉不同时间尺度上的故障信息，克服传统方法特征提取不足的问题。