钻井用柴油发动机特征挖掘及故障诊断

柴油发动机状态监测及故障诊断的关键环节是特征参数的挖掘。提出了一种将距离测度和奇异值分解相结合的特征挖掘方法,将该方法应用到发动机的特征挖掘中,并将挖掘到的特征作为BP神经网络的输入向量用于发动机的故障诊断。结果表明,根据类间距离和类内距离之比定义的特征敏感度可以很好地区分不同的类,基于距离测度和奇异值相结合的方法可以优化特征,提高诊断的准确率。利用训练好的BP神经网络对现场12台发动机进行故障诊断,有11台诊断结论完全正确,诊断的准确率为91.67%。     

碳纤维原丝纺丝过程的在线监控协同式专家系统

提出了一种针对碳纤维原丝纺丝过程的在线监控协同式专家系统,以NetCon网络化控制系统为硬件壤础建立碳纤维原丝纺丝在线监测系统,利用RBF神经网络建立原丝性能在线预测模型,同时引入遗传算法,增强该神经网络模型的适应性和学习能力。以上述RBF神经网络模型为基础,建立碳纤维原丝纺丝监控协同式专家系统,对影响碳纤维原丝性能的主要指标因素进行调节和配置。该方法为碳纤维原丝纺丝在线监控提出了一种新的思路,并获得了满意的监控效果。     

应用RBF神经网络反演二维重力密度分布

密度反演以物性变化勾绘场源范围,具有模拟复杂地质体的能力和较强的适应能力,是提高重力方法解决地质问题能力的重要途径。本文利用径向基函数(RBF,Radical Basis Function)神经网络突出的非线性映射能力和泛化性,实现了重力密度二维非线性反演。模型计算证明了该方法的有效性,同时探讨了网络结构、参数的选择以及随机噪声对反演结果的影响。应用此法对中国西北地区阿门子处的重力异常进行反演计算,证实了此方法的实用性。     

模糊推理与神经网络在催化裂化分馏塔装置中的应用

介绍了采用神经网络模型对催化裂化分馏塔的产品质量进行在线预测分析，采用模糊推理的方法，开发基于网络环境下实时在线的故障诊断专家系统。这两种技术相结合，克服了各自的缺陷，实现了优势互补。结果表明该模型具有较高的精度，与化验值的拟合程度较好，给予了在线操作指导，减少质量事故，提高经济效益。     

分层神经网络模型在单井油气层综合解释中的应用

根据油气层综合解释的特点,提出了单井油气层综合解释的人工神经网络方法。采用的神经网络模型为包含28个输入神经元、26个隐含神经元和4个输出神经元的三层网络。选择了松辽盆地北部大庆长垣以西地区91个试油层段的资料对网络进行了训练,通过对已知样品的交叉验证,训练后的神经网络识别符合率为93.4％,证明人工神经网络是一种有效的油气层综合解释方法。     

基于神经网络的容错控制方法在CSTR中的应用研究

针对一个连续搅拌釜式反应器,将容错控制(FTC)与故障诊断(FDD)方法相结合,提出了一种关于传感器故障的容错控制方法。用RBF神经网络建立传感器故障模型,对系统的状态和故障参数进行在线估计,将故障参数与修正的Bayes分类算法相结合,进行传感器故障的在线检测、分离和估计。当传感器发生故障时,认为是系统处于不同的工作模式,利用估计出的状态值在线训练神经网络控制器的参数,使网络适应系统新的(故障)状态,维持系统性能。仿真结果表明,方法具有很强的关于传感器故障的容错能力。     

BP神经网络在原油三相计量中的应用

针对原油三相计量问题,运用BP神经网络的理论和方法,使用MAT-LAB工具箱函数编程,提出一种应用BP神经网络技术的智能式计量方案.采用四层BP神经网络结构进行实验,以影响原油三相计量的主要因素即频率、压力、压差为网络输入,原油油、水、气体积流量为网络输出,双隐含层、输出层激活函数分别采用tansig、purelin,实验中网络计量均方差达到10-10..实验数据表明,这种应用BP神经网络技术的智能式计量方案是可行的.     

小型电加热反应器温度的RBF神经网络自整定PID控制

电加热过程具有强非线性和时变特性,参数固定的常规PID很难对其进行精确的控制。将常规PID控制和径向基函数(RBF)神经网络结合,提出了基于RBF神经网络的PID控制。该方法是通过神经网络的自学习能力在线调整PID控制的参数。通过Matlab与组态软件"组态王"的动态数据交换,在Matlab上编程实现了基于RBF神经网络的PID控制算法。将该控制算法应用于小型电加热反应温度控制装置,结果显示这种算法取得了比常规PID更好的控制效果。     

径向基神经网络优化及在储层敏感性定量预测中的应用

径向基(RBF)神经网络法具有网络结构简单、逼近能力强和学习速度快等优点,已成为最具发展潜力的储层敏感性智能预测方法之一,但在实际应用中仍存在泛化能力不强、网络训练不收敛等问题。通过在输入层中引入补充节点,对网络拓扑结构进行优化,有效地提高了RBF神经网络的逼近精度和泛化能力。在确定储层敏感性主要影响因素的基础上,通过对径向基函数散布常数的优选,进一步优化了RBF神经网络的性能。采用所收集的胜利、辽河、大港及江苏油田共125组数据,进行了神经网络训练和预测检验,优化了RBF神经网络,并在储层敏感性预测方面进行了应用。结果表明,对于训练集内的样本,预测的平均准确率均大于93.79%,且预测值与实验值的相关系数均大于0.995;对于训练集外的样本,预测的平均准确率大于91.59%,预测值与实验值的相关系数大于0.994,实现了对储层敏感性的准确、定量预测。     

基于PCA—RBF神经网络的乙烯氧化反应器收率预测模型

依据工艺机理和先验知识,初选了乙烯氧化反应器的收率神经网络预测模型的输入变量,用主元分析方法对输入变量进行主元分解,消除了变量之间的相关性,减少了输入变量数,简化了RBF神经网络的结构,仿真结构表明,PCA-RBF网络模型结构具有很强的预测能力。