ABSTRAK
Metode diagnosis kesalahan cerdas yang diberi nama WA-memory transformer-TCN (WMT) diusulkan untuk diagnosis kesalahan pompa pengeboran. Pertama, mekanisme wavelet attention (WA) digunakan untuk masing-masing meningkatkan dua jenis fitur, yaitu informasi pulsa periodik frekuensi tinggi dan informasi halus frekuensi rendah yang dihasilkan selama kegagalan pompa pengeboran. Selanjutnya, mekanisme konvolusi paralel dalam jaringan konvolusional temporal (TCN) digunakan untuk mengekstrak informasi pulsa periodik frekuensi tinggi secara efektif. Sementara itu, modul memori Memory Transformer digunakan secara paralel untuk mengekstrak informasi halus frekuensi rendah secara efektif. Akhirnya, hasil dari kedua kelompok digabungkan dan diklasifikasikan oleh lapisan yang terhubung penuh. Dengan jaringan yang dibangun, optimasi Bayesian (BO) digunakan untuk mencari kombinasi optimal dari hiperparameter ideal. Melalui model pembelajaran mendalam paralel yang diusulkan, diagnosis kesalahan dengan tingkat akurasi mencapai 99,16% telah dilakukan pada pompa pengeboran lima silinder yang sebenarnya, dan rentang fluktuasi tingkat akurasi dalam lima eksperimen independen adalah 0,34%. Model yang diusulkan untuk diagnosis kesalahan pompa pengeboran telah menunjukkan kekokohan dan akurasi melalui verifikasi.