首页
|
官方网站
微博
|
高级检索
全部学科
医药、卫生
生物科学
工业技术
交通运输
航空、航天
环境科学、安全科学
自然科学总论
数理科学和化学
天文学、地球科学
农业科学
哲学、宗教
社会科学总论
政治、法律
军事
经济
历史、地理
语言、文字
文学
艺术
文化、科学、教育、体育
马列毛邓
全部专业
中文标题
英文标题
中文关键词
英文关键词
中文摘要
英文摘要
作者中文名
作者英文名
单位中文名
单位英文名
基金中文名
基金英文名
杂志中文名
杂志英文名
栏目中文名
栏目英文名
DOI
责任编辑
分类号
杂志ISSN号
基于神经网络的钻探事故类型判别模型研究
作者姓名:
蒲春
赵阳刚
杨斌
陈映
作者单位:
中国地质调查局军民融合地质调查中心,中国地质调查局军民融合地质调查中心,中国地质调查局军民融合地质调查中心,中国地质调查局军民融合地质调查中心
基金项目:
中国地质调查局军民融合地质调查中心项目“青藏高原寒区资源与环境调查监测与评价”(编号:DD20220881)
摘 要:
钻探孔内事故会造成严重的损失,若钻探设备能及时判断孔内事故类型,则可缩短事故处理时间,遏制事态发展。提出了一种基于神经网络的钻探事故类型判别模型。为了优选不同神经网络在事故类型判别时的正确率,在Matlab的nntool工具箱中分别构建了BP、RBF两种神经网络模型,将某矿区施工参数变化趋势作为输入参数,通过仿真试验发现,BP神经网络中表现最好的是LM、BR算法,RBF神经网络中表现最好的是PNN算法,三者准确率均可在90%以上,但BP神经网络容易陷入局部最优,性能不稳定,偶有判别错误的现象,而PNN神经网络无此局限,且不需要训练。通过对比,PNN算法更适用于事故类型判别模型建立。
关 键 词:
钻探设备
孔内事故
类型判别
Matlab
BP神经网络
RBF神经网络
PNN算法
收稿时间:
2023/3/1 0:00:00
修稿时间:
2023/6/3 0:00:00
Research on drilling fault diagnosis model of equipment based on neural network
Authors:
PU Chun
ZHAO Yanggang
YANG Bin and Chen ying
Affiliation:
Civil-Military Integration Center of China Geological Survey,Civil-Military Integration Center of China Geological Survey,Civil-Military Integration Center of China Geological Survey,Civil-Military Integration Center of China Geological Survey
Abstract:
Keywords:
drilling equipment
in-hole accidents
drilling fault diagnosis
Matlab
BP neural network
RBF neural network
PNN algorithm
点击此处可从《》浏览原始摘要信息
点击此处可从《》下载全文
设为首页
|
免责声明
|
关于勤云
|
加入收藏
Copyright
©
北京勤云科技发展有限公司
京ICP备09084417号-23
京公网安备 11010802026262号