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。     

基于数据融合技术的钻井过程故障诊断

提出一种基于数据融合技术的钻井过程故障诊断方法.系统采用三层结构,特征层利用BP神经网络对单个测点的多个钻井参数进行故障模式识别;决策层利用D-S证据理论对多个测点的初步识别结果进行融合,得到证据融合决策诊断结果,提高了系统决策的准确性和合理性,使诊断系统适用于多变量、多参数、多过程的复杂钻井过程系统.     

数据挖掘技术在钻井液优化配方设计中应用

利用数据挖掘技术建立了一套快速预测钻井液优化配方的新方法，验证结果表明，应用该方法预测出的钻井液优化配方与实验室优选出的钻井液配方是一致的，该套数据挖掘工具能快速给出符合要求的钻井液配方，指导用户有针对性地进行配方实验，缩短实验时间，降低实验成本，同时极大地提高实验成功率，其基本步骤为：（1）数据准备，从历史数据中选取数据项和行记录作为进行挖掘的数据集，其中包含钻井液性能指标和配方；（2）根据所选数据特征进行模型训练前的处理；（3）数据集训练，先依据钻井液常规性能进行聚类分析挖掘，再对挖掘结果进行预测分析挖掘；（4）利用数据集中没有参与训练的部分数据集对挖掘进行验证；（5）根据给定的钻井液性能要求，挖掘工具给出相应的钻井液配方。     

基于模糊故障诊断的钻井井下事故分析

在钻井施工中经常会遇到钻井井下事故,如果不及时发现采取措施或处理不当,就会影响正常钻进或者导致钻井失败,因此做好对钻井事故的诊断工作具有重大的意义。介绍了模糊故障诊断的原理和模型,应用于钻井井下事故的诊断中,根据发生钻井井下事故的井史资料,建立了5个常见的井下事故原因集合和引起这些事故的14个征兆集合,利用二元对比排序法确定隶属函数,从而确定模糊诊断矩阵。然后,将建立的模糊故障诊断模型应用于出现井下事故征兆实例中,根据最大隶属度的原则,确定出引起这些征兆的钻井井下事故原因,分析结果与现场实际诊断的结果相符。     

数据挖掘在油田输电线路管理中的应用

数据挖掘是数据仓库技术发展的一大趋势．是当前业界的热门技术．已经在多个应用领域产生了巨大的效益。本文针对油田输电线路大量的数据信息利用数据挖掘技术，根据以往线路故障发生概率及各种故障类型相关性的数据进行更有针对性的分析、统计。找出其中隐含的规律性。并依据此种规律性来推测故障的发生，提前对线路进行必要的检查及维护．以免故障突发时造成措手不及的局面。     

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%。     

基于数据仓库的钻井工程智能决策支持系统研究

以实现钻井工程网络化、信息化以及管理科学化为目标,提出了利用数据仓库技术建立计算机支持的钻井工程决策智能系统,阐述了系统的结构设计、数据仓库系统的体系结构及实现方法.运用数据仓库技术和网络通信技术,针对整个钻井工程的各个环节,研究和开发了以强大的钻井工程数据仓库为支撑,可满足不同层次和部门的工程管理及技术人员决策需求的智能支持系统,以实现科学化决策.     

基于模糊神经网络的钻机安全监控系统研究

由于地层的多样性,钻机系统状态、功能和结构的复杂性、非线性及不确定性,借助单一信息源提供的信息,采用常规或传统的故障诊断理论和方法,根据几个主要的故障特征量做出判断,难以实现钻机故障诊断。为此,提出基于信息融合的模糊推理和神经网络相结合的故障综合诊断方法,采用多个异类传感器与现场总线构成安全监控系统,建立故障诊断结构模型,进行模糊神经网络算法的信息融合和学习算法与网络参数确定。试验表明,该系统应用于钻机故障的实时检测和神经网络智能诊断具有良好的效果,对提高钻井过程安全和自动化水平具有重要意义。     

结合小波包与神经网络的压缩机故障诊断方法

介绍了一种针对滚动转子式压缩机故障的小波包神经网络诊断方法。利用压缩机壳体顶部或侧部获取的振动信号, 通过小波包分解与单支重构, 提取出该振动信号各频率段的能量作为特征信息, 利用BP神经网络将正常和异常压缩机区别开来。此方法具有检测效率高、可靠性高等优点, 受生产现场环境的干扰小, 可用于压缩机产品的在线诊断。小波包与神经网络诊断方法对其他机械设备的故障实时在线诊断也具有一定的工程实用价值。     

小波神经网络在往复泵故障诊断中的应用

小波分析是一种新的信号处理技术, 具有良好的时频局部化特征。将小波包分析应用于往复泵的故障特征提取, 建立了往复泵小波神经网络故障诊断模型。该模型使用小波包分析的特征提取及神经网络的非线性映射特性, 可完成从测量信号到往复泵故障的分类。以此为基础开发出的故障诊断软件系统具有使用的特征量少, 建造故障诊断系统较为简单等优点。通过对往复泵液力端多故障诊断实例的检验表明, 该系统完全能够较准确地识别出往复泵液力端多种常见故障。     

神经网络信息融合技术在故障诊断中的应用

在简述多传感器信息融合技术和BP诊断神经网络的基本概念后 ,详细讨论了基于神经网络多传感器信息融合的柴油机故障诊断技术 ,给出了测试系统框图和数据处理模式。在4 135柴油机上进行的 10种故障状态和 7种神经网络输入特征的故障监测和诊断实验表明 ,压力信息与振动信息的融合诊断效果比单一压力信息或单一振动信息要好 ,融合诊断的正确识别率比单一信息分别提高了 1 6%和 2 8 3% ,神经网络多源信息融合技术对复杂机械故障状态有较好的可诊断性和准确性。     

有杆抽油系统故障诊断的人工神经网络方法

将人工神经网络用于有杆抽油系统故障的自动识别.对江苏油田的实测示功图数据进行了预处理,利用Matlab6.5进行编程,应用相同的数据对BP神经网络模型和自组织竞争神经网络模型的识别效率进行了对比.结果表明,由自组织竞争神经网络建立的模型对测试数据的正确识别率更高,识别效果稳定.因此,将自组织竞争神经网络应用于示功图的自动识别问题对实现有杆抽油系统故障诊断的自动化以及实现真正意义上的数字油田提供了一种有效途径.     

基于小波包与神经网络的往复压缩机故障诊断方法

针对用传统方法难以提取往复压缩机故障特征的实际情况，提出用小波包分解和单支重构来的构造能量特征向量的方法，直接利用各频段成分能量的变化来提取往复压缩机的故障特征。用该方法构造的特征向量能突出反映往复压缩机的故障特征，通过用径向基（RBF）神经网络进行故障诊断，结果表明，该方法可有效地诊断往复压缩机的各种故障。另外，该方法对其他设备的故障诊断也具有借鉴意义。     

基于神经网络的油气预测系统

针对常规模式识别方法进行油气预测存在的样本数量大，参数的非线性及已知样本数地区差异大等３个特殊性问题，我们将常规ＢＰ算法改为η可自适应调节的ＢＰ算法，并与ＳＯＭ网络联合应用，构成了一个性能完善的多参数油气预测系统。采用该系统进行油气预测能较好地解决上述问题。这种方法不仅收敛速度快，而且在没有已知样本的情况下也能进行油气预测。陆上与海上应用实例表明，该方法对不同勘探程度的地区均能取得较好的油气预测效     

基于神经网络的电导率传感器温度补偿

感应式电导率传感器是最常用的钻井液电导率测量设备,在测量钻井液电导率时,钻井液温度对电导率传感器的测量影响很大,必须采用可行的方法进行电导率的温度补偿。神经网络补偿系统具有很强的非线性映射能力,适用于因果关系复杂的非线性系统,将其引入到电导率传感器的温度补偿中可以较好地解决电导率测量和温度补偿问题。利用该方法进行温度补偿,可使电导率传感器的测量精度和稳定性均得到较大幅度提高。