信息融合技术在电力系统中的应用

信息融合技术 (又称数据融合 )是针对一个系统中使用多种传感器 (多个或多类 )这一特定问题而展开的一种信息处理的新方向 ,因此 ,信息融合又可称为多传感器融合 (MSF)。多传感器信息融合技术是一种现代的信息处理技术 ,本文以信息融合技术为研究对象 ,结合电力系统的实际特点 ,对多传感器信息融合技术在电力系统各领域的应用进行了有益的探讨。     

集成神经网络信息融合技术在油种鉴别中的应用

介绍了一种应用集成神经网络信息融合技术的油种鉴别系统。它以加权信息融合技术为基础,对各种油类的三维荧光谱的光谱分析数据采用集成神经网络进行油种鉴别。通过对机油的举例验证表明,该鉴别系统能将鉴别误差由7．59％减小到2．51％。该系统充分利用了数据信息,其诊断精度及学习能力明显优于单一神经网络诊断模型。     

基于信息融合理论的柴油机故障诊断技术

应用多传感器信息融合理论与不确定性决策理论,研究了基于神经网络和D-S证据理论相结合的信息融合的故障诊断方法。以传感器检测数据为输入,以神经网络输出构造基本概率赋值函数,对不同传感器的检测证据按D-S证据理论进行融合,得到待识别目标的诊断可信度。通过对柴油机振动监测数据、燃油压力波动信息以及两者融合信息的故障诊断结果的比较,表明基于神经网络和D-S证据理论相结合的多传感器信息融合方法用于复杂机械的故障诊断是可行和有效的。     

应用神经网络信息融合技术快速预测储层敏感性

快速、准确地诊断与预测储层敏感性损害问题一直是储层保护问题研究的一个重要领域。同时预测储层敏感性损害也是一门需要处理大量数据与信息的技术。信息融合技术是将各种途径、任意时间和任意空间上获得的信 息作为一个整体进行综合分析处理的技术。利用信息融合技术进行敏感性损害预测能够尽可能多地使用已有的数据获取最为准确的结果,在输入参数较少的情况下给出一个可靠的数值结果,且受人为因素干扰较少。基于 政进算法编制的神经网络信息融合技术储层敏感性快速预测软件分析表明,该方法受人为因素干扰小,可以渗断储层中邶种敏感性是主要因素并给出一个确切数值,同系统所需参数少,结果可靠（总体符合率达到91％）,是一种能适用于现场的快速有效的方法,为油田合理处理敏感性损害提供了理论依据。     

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。     

故障诊断技术在生产中的应用

本文介绍了状态监测技术在生产中的应用 ,指出了它在设备的日常维护 ,减少非计划停车和避免事故发生等方面所起的作用     

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.     

基于神经网络信息融合技术预测气藏水锁

快速、准确地诊断与预测气藏水锁问题一直是气藏开发中的技术难点。常规研究方法需使用大量岩心进行测试,且时间较长,无法快速应用于生产中。在充分分析水锁产生机理和各种影响因素的基础上,利用神经网络信息融合技术的三层前馈神经网络系统,以孔隙度等11个对水锁有影响的因素为网络的输入层节点,建立气藏水锁识别、诊断、评价和预测的信息融合模型,并编制软件,进行气藏水锁模拟预测。研究结果表明,该方法可快速给出气藏水锁程度,对比预测结果与实测结果有较高符合率。     

孪生神经网络在抽油系统故障诊断中的应用

人工智能诊断技术可在不同的数据和环境下进行自适应,从而大大提高故障诊断效率。由此提出了一种智能故障诊断方法,用于油田抽油系统的故障检测。现有的方法多采用神经网络技术,通过分析油井示功图来实现诊断。然而,实际采集到的油井示功图数据非常有限且类别不平衡,导致深度卷积神经网络容易出现过拟合。为了解决这个问题,提出采用预训练孪生神经网络方法。在一个较大的数据集上训练一个比较模型,用于判断图像之间的相似度。这个模型能够输出不同图片之间的相似度。利用预训练好的模型,在功图识别任务上进行微调,通过提取和融合2张图片的特征向量,输出它们之间的相似度。研究结果表明,预训练孪生网络模型能够很好地解决小样本问题,特别适用于功图识别这类任务。试验结果显示,该方法在小样本量功图识别任务上表现出色,具有高精度的故障诊断能力,满足抽油系统智能故障诊断要求。预训练孪生网络模型在小样本量功图识别任务上表现良好,为油田抽油系统的智能故障诊断提供了有效的解决方案。     

多传感器信息融合技术在外输原油含水检测中的应用

为了精确地测量外输原油的含水率,基于多传感器信息融合的基本思想,提出了一种检测外输原油含水率的方法,通过仿真表明其输出值更能逼近实际的含水值,能够满足生产过程的要求。在实际应用中具有一定的实用价值。     

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。     

基于BP神经网络的螺杆泵井故障诊断方法

将神经网络原理应用于地面驱动螺杆泵采油系统的故障诊断,采用改进的BP神经网络,根据螺杆泵井的故障特点,通过理论研究,选取能够表征油井生产状态的状态变量作为神经网络的输入向量,归纳出常见的螺杆泵井故障形式作为目标输出。同时采集了大量现场数据,并进行分类整理,构成了网络的训练样本。通过对网络进行训练,获得具有一定泛化能力的网络。利用VB与Matlab编制的相应软件进行螺杆泵井的故障诊断,获得了正确的诊断结果,证明该方法具有一定的实用性。     

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。     

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.     

基于粒子群优化的BP网络在地震属性融合技术中的应用

受地震资料品质、岩性、构造等诸多因素的影响,单一地震属性只能在一定程度上提供预测储层的方向,并存在多解性。地震属性融合技术用井孔资料对地震属性进行标定,建立储层含油气性与地震属性之间的关系,采取数学手段融合多种地震属性进行储层含油气性判别,避免了单一地震属性解释储层的多解性问题。BP网络具有良好的非线性拟合能力,但是易陷入局部极小值,不收敛,影响预测精度。针对该问题,采用粒子群优化其网络权值和阈值,再用BP网络对储层、非储层进行模式识别,取得较好成效。     

基于BP神经网络的柴油机磨损状态评价

为了准确识别柴油机的磨损状态,实现设备的“视情维修”,将柴油机的磨损状态分 为轻微磨损、正常磨损、异常磨损和剧烈磨损状态4个等级。采用油液分析技术中的铁谱分析和 光谱分析技术监测柴油机的磨损状况,选取光谱磨损元素的含量和3个定量铁谱参数作为输入参 数,应用BP神经网络对柴油机的磨损状态进行自动识别。验证结果表明,将BP神经网络应用到 基于铁谱和光谱联合监测的磨损状态评价体系中,可以准确客观地评价柴油机的磨损状态级别, 具有一定的智能化。     

柴油机多参数故障诊断应用研究

文章对柴油机多参数故障诊断法进行了研究.实际应用表明,该方法能够诊断出柴油机的常规故障,并能根据多个参数的诊断结果给出柴油机的总体技术状态,指导技术人员对柴油机做出维修保养决策,基本能够满足油田钻井公司对现场使用的柴油机进行故障诊断的需要.     

基于深度卷积神经网络的地震数据断层识别方法

对地震数据进行断层解释一直是油气勘探开发过程中的一项重点工作.传统的断层解释主要是以人机交互方式进行的,效率低,并且人为因素可能增大断层解释结果的不确定性;而常规的断层识别方法则通常需要设置多个控制参数,导致断层识别的结果严重依赖参数设置的准确性.为此,提出一种基于卷积深度神经网络的地震数据断层识别方法,该方法利用Re...     

基于RBF网络的抽油机减速器故障诊断

针对振动频谱复杂、受频率分辨率限制,使得传统振动频谱法诊断正确率不高等问题,提出用径向基函数(RBF)神经网络来进行抽油机减速器故障诊断。介绍了径向基函数神经网络的结构、算法以及实现;通过对减速器振动时域信号及其频谱进行分析,总结归纳出具有典型特征的诊断样本,组织构造相应的神经网络。分析研究结果表明,RBF神经网络易于实现减速器故障的自动诊断,并能提高故障诊断的准确性。