涡轮钻具涡轮节模块化设计方法研究

针对面向现场应用的模块化设计方案特点．以模块化设计理论为基础,按总体功能将涡轮钻具涡轮节分解成一些具有特定功能的模块。介绍了模块卡片包含的内容和如何构造,最后形成模块库,实现了涡轮钻具涡轮节的设计数据多领域知识表达和产品结构模型的统一表达。建立了基于知识的模块化设计模型,给出涡轮节模块化设计的流程。     

混沌优化神经网络方法及其在地震多属性研究中的应用

针对传统的基于梯度下降法BP神经网络中存在非线性多极值目标函数易陷于局部最优解的问题,提出了一种权值学习混沌优化的神经网络方法。非线性动力系统具有初值敏感性、遍历性的特性,采用基于混沌和梯度反传训练相结合来训练网络,可以使网络的连接权在不断迭代过程中自适应演化。实际过井地震剖面地震多属性研究实践表明,所提出的混沌优化学习方法可以克服传统方法的不足,提高预测能力。     

钻井参数仪的模块化设计方法研究

文章以模块化设计原理为基础，讨论了钻井参数仪的模块划分，模块化设计准则和主要设计内容。采用模块化设计方法、现场设备网络的开放网络和现场总线解决方案设计的钻井参数仪，具有传输信号稳定、可靠性高、抑制噪声能力强、组建现场网络成本低等特点。     

模块化分解产品构成框架协议实现集成采购——燕山石化气相色谱仪采购案例研究

【关键概念】模块化构成分析框架协议采购【案例背景】色谱分析是掌握石化产品组分、控制质量的必要手段,而色谱仪质量高低将直接影响石化产品质量的判定。以前,燕山石化色谱仪采购主要通过一单一谈、一单一招、一单一签这种传统的采购方式来完成,采购人员陷于繁琐、重复的业务操作中,需求分散,效率低下,成本难以控制。     

钻井机械模块化设计研究

以模块化设计理论为基础，论述了用该理论设计钻井机械的基本思路。按总体功能将钻井机械分解成一些具有特定功能的模块。提出了用面向对象的框架结构实现模块库知识表达的方法，针对面向对象的Ｃ＾＋＋语言介绍了模块化设计时的知识组织策略，以及建立模块库所要补充的几个类定义。给出了模块化设计钻井绞车的一个实例。     

抽油机计算机辅助模块化设计方法探讨

目前,国内抽油机制造企业较多,规模较小。各厂家抽油机品种单一,同类产品尺寸混乱。在开发满足油田需要的新型（规格）抽油机时,开发周期长,响应市场速度慢,致使抽油机制造企业效益普遍较差,也给油田的使用、管理及维护带来了很大方便。现文提出了抽油机计算机辅助模块化设计方法,对其系列型谱建立、模块设计及组合等问题进行分析和探讨,运用功能原理对抽油机进行了模块划分。这种方法适合我国抽油机制造企业向多品种、小批量及规模化方向发展,能给油田及抽油机生产厂家带来较好的经济效益。     

海洋工程结构优化的遗传Hopfield神经网络算法研究

构造了基于遗传算法的反馈Hopfield神经网络工程结构优化模型,并探讨了应用人工神经网络进行海洋工程结构分析与优化的基本原理和人工神经网络在海洋工程中计算研究的现状与趋势。同时利用构造的工程结构优化遗传Hopfield神经网络模型对算例进行了优化分析,计算结果表明这一方法具有很好的稳定性和全局收敛性。     

海洋工程结构优化的遗传Hopfield神经网络算法研究

构造了基于遗传算法的反馈Hopfied神经网络工程结构优化模型,并探讨了应用人工神经网络进行海洋工程结构分析与优化的基本原理和人工神经网络在海洋工程中计算研究的现状与趋势.同时利用构造的工程结构优化遗传Hopfield神经网络模型对算例进行了优化分析,计算结果表明了这一方法具有很好的稳定性和全局收敛性.     

基于BP神经网络裂缝分级方法研究

裂缝级别是由裂缝的自身条件与外部条件共同决定的,是一个多因素、多层次的复杂系统,各种评价参数与裂缝发育程度之间的关系是非线性的,导致对裂缝级别进行定量的划分十分困难。本文基于BP神经网络,开展了对裂缝级别划分的研究,结果表明,基于BP神经网络的裂缝分级具有较好的应用效果。     

基于模糊神经网络的建筑工程造价估计方法

提出了建筑工程造价估计的模糊神经网络方法,给和该方法进行建筑工程造 价估计的基本原理,网络模型及估价方法,计算实例表明,应用模糊神经网络估计工程造 价具有方便、准确的特点。     

管内智能封堵器封堵速度神经网络PID控制方法研究

管内智能封堵器作为一种新型的管道维修手段,其封堵速度的控制至关重要。传统的PID控制器在面对管内复杂流畅环境的封堵速度平稳控制问题时,效果并不理想。为了改善传统PID的不足,同时满足控制速度的要求,复杂环境封堵速度控制器的设计尤为重要。提出了一种基于BP神经网络的PID参数控制封堵速度策略,利用神经网络的自学习和训练参数的能力,控制PID的3个参数,并用MATLAB-Simscape模块进行模拟。仿真结果表明,基于BP神经网络的PID参数控制方法,可以使传统PID的3个控制参数随环境、时间的变化而不断更新,由此提高了控制的精度和安全性,从而改善了管内智能封堵器的运行性能。基于BP神经网络PID参数控制,其调整时间相比常规PID控制提前约1 s; 超调量约为10%,明显小于常规PID控制的30%; 误差稳定后维持在10%以下。     

基于卷积神经网络的在线泵效计算方法研究与应用

油井泵效的计算是油田生产管理中的一项重要工作,针对传统泵效计算方法计算复杂,速度慢的问题,提出一种基于卷积神经网络的泵效计算方法.该方法通过卷积操作从地面示功图中提取特征图,并融合油井参数和抽油机参数,挖掘多源参数与泵效之间的非线性关系.此外,将井下泵示功图作为先验知识引入,有助于泵效计算精度的提升.应用测试结果表明,...     

基于NARX神经网络的系泊系统传递函数识别方法

提出一种基于NARX(Nonlinear Auto-Regressive Model with Exogenous Inputs)神经网络和谐波探测法的非线性系统传递函数识别方法。该方法可基于实测响应数据,采用NARX神经网络方法对结构响应模型进行训练。在此基础上采用谐波探测法得到系统响应传递函数。选取深海半潜浮式平台及系泊系统为研究对象,计算平台及其系泊系统在不同波浪工况作用下的时域耦合响应,以波高和系泊缆张力时程作为数据集,利用NARX神经网络结合谐波探测法辨识此系泊系统的响应传递函数。采用识别的传递函数预测系泊缆在不同海况下的张力响应,并与数值计算结果进行对比,证明NARX神经网络结合谐波探测法可较好地识别系泊浮体系统的非线性响应传递函数,并能够对系泊系统的张力响应进行准确预测。     

基于人工神经网络的实钻地层可钻性预测

通过对前人大量地层可钻性的研究成果的整理分析,得出影响地层可钻性的最主要因素是岩性和埋藏深度。在此基础上,提出应用人工神经网络技术计算预测地层可钻性,并针对已钻井段和未钻井段建立了 2个神经网络模型。通过实例验证,表明这是一种有效的确定可钻性的方法,其预测精度可以达到 90%以上。     

联合神经网络在储层参数预测中的研究与应用

地质储层参数在建立地质模型中起着关键作用,储层参数通过井资料获得。常规测井解释中多通过经验公式或简化地质条件建立模型计算储层参数。提出了新的神经网络模型,基于BP神经网络、RBF神经网络、支持向量回归并通过单层感知器共同构成联合神经网络模型。该网络模型在储层参数预测过程中能针对单一神经网络的不足而自适应调节网络结构,使预测效果达到最优,避免了单一网络在参数预测时的缺点,提高了预测的准确性。选取了同一地区的3口油井进行训练和验证实验,实验结果表明,联合神经网络模型优于单一的人工神经网络模型。     

长输油管道泄漏的神经网络检测方法研究

为减少因管道泄漏造成的损失与危害,在分析国内外各种管道泄漏检测技术的基础上,有效地利用管道输油压力和流量等参数,应用神经网络技术以及基于BP神经网络的泄漏检测方法对输油管道泄漏进行检测,可以准确而可靠地检测出管道的泄漏.结果表明,使用神经网络方法,利用压力和流量2个参数,检测结果的精度与准确性比利用1个参数时得到较大的提高.     

裂解深度神经网络控制系统的研究

提出了运用Elman型回归神经网络来建立裂解深度软测量模型,解决控制参数测量中在线分析仪表的滞后等问题。基于裂解深度软测量模型,在DCS(DistributedControlSystem)中开发并实施了裂解深度智能控制系统,通过它与已有的裂解炉出口温度先进控制系统的集成,实现裂解炉裂解深度的平稳控制。现场运行结果表明,该系统的投用有效提高了裂解炉裂解产物中乙烯和丙烯的收率,进一步提高了乙烯裂解装置的经济效益。     

基于人工神经网络（BP）方法预测汽油辛烷值

本文基于人工神经网络（ＢＰ）方法,用毛细管色谱法预测汽油馏分的辛烷值,其预测最大绝对误差为０．２８,平均误差为０．１２２,比常用的线性回归数学模型法更能准确地预报辛烷值。