DCS故障诊断专家系统

主要介绍了华东理工大学自动化系研制开发的DCS故障诊断专家系统，该系统采用了专家系统开发工具Eclipse的内核，以关系数据库VisulFoxPro6.0作为支持环境，建立相应的故障诊断规则，并开发出与之相配匹的知识自动获取系统和用户界面。作为DCS故障诊断的有效手段。该系统已在DCS的维护工作中使用。     

有杆泵抽油诊断的专家系统

80年代后期,由于引入了专家系统,有杆泵抽油故障诊断技术进入了一个新阶段。作者在分别介绍美国赛伏隆油田研究公司和阿尔柯油气公司的有杆泵诊断专家咨询程序(EXPROD)和有杆泵装置诊断专家系统的基础上,阐述了我国石油大学开发的有杆泵抽油井故障诊断专家系统(ESROFD)的主要特点。     

专家系统在炼油及石化工业的应用(Ⅰ)

本文阐述了专家系统当今的发展现状及其市场前景，重点论述了以下专家系统在炼油、石化工业的应用和实例：设计型专家系统；控制型专家系统；解释型专家系统；教育型专家系统，诊断型专家系统（包括运输操作故障诊断型和设备状态故障诊断型专家系统）。同时评述了专家系统走向标准化、商品化、实用化、以及紧密融合于过程控制和管理系统的发展方向。最后对加快我国炼化行业专家系统的开发和应用提出了建议。     

应用于输油管线的远程故障诊断系统

随着现代信息技术和网络技术的迅猛发展,资源和市场分布也在向全球性发展,促使企业必须建立基于Internet的远程诊断系统。鉴于远程故障诊断技术的独特优势,把远程故障诊断的一般原理应用于输油管线,建立了输油管线远程故障诊断系统,该远程故障诊断系统由本地监测诊断系统、数据通信网络和远程诊断中心3部分组成。在本地监测诊断系统中尝试应用了智能客户端技术,提高了现场与诊断中心通信的智能性。在远程诊断中心中探讨了Web数据库技术和专家系统在输油管线远程故障诊断系统中的应用,建立了适合输油管线情况的诊断数据库和专家系统模型。该输油管线远程故障诊断系统经试运行,取得了良好的经济效益。     

有杆泵抽油井故障诊断专家系统

根据有杆泵抽油井的常见故障及其检测特征,采用美国Teknowledge Inc.研制的专家系统建造工具M·1建造了有杆泵抽油井故障诊断专家系统,编制了一个拥有108条规则的知识库。应用胜利油田现河采油厂的6口有打泵抽油井对本系统进行了验证,诊断结论基本符合实际情况,从而对将人工智能专家系统方法应用于有杆泵抽油井的故障诊断进行了一次有益的尝试。     

石油开采专家系统研究现状

石油开采是一个实践线性经验性能都很强的领域，十分需要经验丰富的专家的指导。在该领域开发专家系统会取得可观的经济效益和社会效益。本文除简要介绍专家系统的一些基本知识外，主要介绍近年来有关抽油方法优选，增产处理，有杆泵故障诊断，以及堵水，ＥＯＲ方法优选等方面的专家系统。     

故障自动诊断技术在油气田往复压缩机上的应用

油气田开发领域的往复压缩机应用数量庞大且作用不可替代,其故障检维修工作一直是相关企业的重中之重。由于机组结构复杂、工况多变,依靠现场人工巡检与诊断无法满足应用需求,导致机组实际故障监测诊断水平一直较为落后。在安装应用运行状态在线监测系统的基础上,结合不同测点的监测作用,构建了典型故障诊断模型,开发了具备自动诊断与报警提示功能的专家系统。实际应用效果证明,自动诊断专家系统对提升工程一线的故障监测诊断水平具有显著作用。     

���������ݿ�Ķ��ο���

论文献数据库的二次开发四川石油管理局科技处乔和建，相秀芳数据库建设是一种知识密集、技术密集和劳动力密集型的工作。数据库是管理信息系统（ＭＩＳ）、决策支持系统（ＤＳＳ）和专家系统（ＥＳ）的主要构件．也是科技信息工作乃至科研工作的重要基础建设工程．就数据...     

加氢裂化工艺辅助操作与管理专家系统的开发与应用

近来，专家系统技术的利用已成火炼油与石油化工专家们感兴趣的问题。本文评述了国外这些领域中专家系统应用的进展概况。同时，对我们开发的专家系统工具ＦＥＸＳ的性能作了简介。详述了工业加氢裂化装置辅助操作与管理专家系统的研制过程和系统配置，讨论了系统开发的经验。最后，评价了该技术在炼油与石油化工业中的应用前景。     

基于神经网络的油井井下故障诊断专家系统

本文介绍了一种基于神经网络的油井井下故障诊断专家系统,给出了系统的结构,具体描述了神经网络专家系统的基本原理。并举例说明了神经网络故障诊断的推理过程。诊断结果表明了该方法的有效性。     

提高采收率项目风险分析中模糊专家系统的应用

这篇论文介绍了一种提高原油采收率工程的新方法，用一种已开发的模糊专家系统代替了以往使用的传统的模拟方法。在这个专家系统中包括了提高采收率工程（ＥＯＲ）耗资的数据库和过去十年的原油价格的变化情况，ＥＯＲ项目的风险分析包括三个阶段，（１）对ＥＯＲ方法的初步筛选；（２）再起应用的估算；（３）经济分析，因为这种模糊专家系统包括目前用的ＥＯＲ技术，又包括了专家经验，因此大大地减少了系统输入所需的实验室及现场     

基于实时数据库的油气处理故障诊断系统

实时数据库作为数据应用的桥梁,设在工程应用系统和控制系统之间。油气处理故障诊断系统设计以实时数据库技术为核心,通过OPC端口搜寻收集系统数据。预警过程主要是通过对原油、注水、加热锅炉等系统流程的实时监测,发现异常自动报警,并提出相应的可行性处理建议。故障诊断依靠的人工智能方法包括神经网络和专家系统两个,在实时数据与理论规则之间建立尽多的映射关系,增强冲突解决能力。采用基于实时数据库的油气处理故障诊断系统,不仅实现了油田自动化作业管理,而且使所有可监控项目长期、稳定保持在最佳运行状态,降低了油气处理事故风险。     

基于专家系统的钻机实时故障诊断与控制方法

由于地层的复杂性和隐蔽性，很难用精确的数学模型描述钻机的工作过程。目前对钻机故障只能凭人的经验进行识别和处理，不能在线实时准确地识别和预防。专家系统不需要精确的数学模型，很适合钻机工作过程中信息不足、不精确等特点。笔者在分析钻机工作过程中常见故障特征信号的基础上，利用产生式规则建造了在线实时故障诊断与控制的专家系统，并给出了专家系统的推理机制及软硬件设计思想。应用结果表明，把专家系统应用于钻机的在线实时故障诊断与控制是完全可行的，且效果良好。     

石油精馏系统故障诊断专家系统中基于深层知识的学习模型…

精馏系统的故障诊断领域知识目前尚属不完善理论问题。如何完善故障诊断的知识库是一个急待解决的课题。本文提出了一种用于精馏系统故障诊断专家系统中基于深层知识的学习模型。该模型分４阶段：实例解释，猜想生成，猜想确立和推广。示例说明，应用此模型可使用现有知识库知识不能诊断的故障在获得新知识后得到了正确的诊断。     

《天然气工业》来稿要求

本刊是我国唯一专门报道天然气工业的综合性技术类科技期刊。报道天然气工业及其相关产业界的新理论、新观念、新技术、新方法、新成果。栏目包括 :天然气工业战略研讨、地质勘探、钻井工程、开发试采、集输工程、加工利用、经营管理、技术应用、要闻信息等。我刊已被世界三大数据库之一的“美国工程索引”(ＥＩ)收入其ＥＩＣＯＭＰＥＮＤＥＸＰＬＵＳ ,1 998年被收录文章达到 42篇。同时 ,还被国际著名的Ｒ .Ｒ .Ｂｏｗｋｅｒ数据库免费收入乌里希国际期刊名录 (Ｕｌ ｒｉｃｈ'ｓＩｎｔｅｒｎａｔｉｏｎａｌＰｅｒｉｏｄｉｃａｌＤｉｒｅｃ…     

有杆泵抽油井故障诊断智能系统进展

专家系统和人工神经网络是人工智能的两个方面。本文综述了国内外有杆泵抽油井故障诊断的专家系统及诊断技术，还介绍了人工神经网络在示功图识别以及判断有杆泵抽油井故障中的应用。由于人工神经网络具有较强的模式识别能力，判断成功率较高，今后其应用将会越来越多。     

美国新一代信息管理服务系统Drill Byte

美国Ｅｘｌｏｇ公司的Ｄｒｉｌｌ Ｂｙｔｅ系统能收集和处理地震，钻井，泥浆，气测，地质，电测井等资料。该系统将早期录井仪的ＤＭＳ、ＸＬＢＡＳＥ、ＥＡＰ等三部分为融为一体，可随时提供有关钻井信息、监控作业过程，协助井队开展最优化钻井，预测事故。保证井下安全，进行储层评主生产管理等功能。     

人工神经网络有杆抽油系统故障诊断专家系统

基于人工网络有杆抽油系统故障诊断专家系统是将人工神经网络与传统专家系统的相结合的智能诊断系统，把传统的基于符号的推理变成基于数值运算的推理，以提高专家系统的执行效率并解决其自学习问题。将大量由专家解释过的有杆抽油的泵示功图进行数字化和规范化处理后作为训练样本对人工神经网络进行训练并建立诊断知识库。实时采集待诊断井的泵示功图并做数字化和规范化处理，调用知识库，用人工网络进行故障识别和推理变成基于 解     

机械设备故障诊断中复合知识库的研究

提出了一种新的知识库形式--复合知识库。利用复合知识库建立故障诊断专家系统,可以极大地提高诊断效率,增加系统的稳定性。     

机理仿真与数据驱动融合的电泵举升故障诊断预警理论研究进展

在复杂、不确定、非结构化的油藏环境中，潜油电泵举升井的工况诊断预警优化决策成为智能油井研究的热点与难点问题之一。阐述了机理仿真、数据驱动、专家系统、机理仿真与数据驱动融合等技术在电泵举升故障诊断预警领域的研究与应用进展，探讨并展望未来电泵举升故障诊断预警技术的发展方向与重点。综述研究表明:建立客观准确的反映电泵运行动态工况特性的机理模型和快速精确求解极具挑战性，基于数据驱动诊断模型未必能完整描述电泵生产系统工况的真实映射关系，电泵生产故障诊断推理机理及专家系统的自学习能力有待加强。提出基于机理仿真与数据分析方法相融合的数字孪生技术必然成为研究复杂电泵抽油生产系统故障诊断预警的核心技术。