基于KNN-Fisher算法的测井解释知识库构建方法

包含专家经验知识的知识库对复杂测井解释评价有着重要作用,但测井解释知识库普遍存在自动调用准确度不高的问题。因此将KNN算法(K邻近法)与Fisher判别法相结合,提出了一种基于KNN-Fisher算法的测井解释知识库构建方法。该方法利用地区经验模型及专家经验参数等研究成果建立知识库,通过混合推理查找知识,对唯一确定的知识直接调用。如果存在多条知识,则利用KNN-Fisher判别法调用知识。方法具体流程如下:首先通过Fisher判别法建立知识模型,然后将需要调用知识的层组测井资料导入模型,再通过引入权重系数并利用质心点约束的K邻近法对知识进行判别调用,最终实现知识的自动调用。将该方法应用于南海西部海域油气田测井解释评价,结果表明,利用该方法自动获取到的知识与所在地层条件吻合,该方法可有效克服混合推理和KNN算法存在的不足,实现测井解释知识库的准确调用。     

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。     

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——一种不完善理论问题的处理方法

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,应用此模型可使应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。     

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。     

基于Stacking模型融合的抽油机故障诊断算法

抽油机故障诊断过去基本采用单分类器识别的方法。针对单分类器识别的局限性和抽油机故障诊断的复杂性，提出了一种基于Stacking的多模型融合的抽油机故障诊断算法。首先，对8种不同的抽油机故障图像进行数据清洗，得到二值化图像；然后分别使用AlexNet、VGG16、GoogLeNet、ResNet50作为基学习器，对采集的抽油机故障图像进行分类识别；最后，采用基于Stacking的集成学习方法，将各基学习器的预测结果融合重构后，作为次级元分类器XGBoost的输入，其输出即为最终识别结果。实验结果表明，使用该方法对8种最常见的抽油机故障图像进行实验，平均识别率高达98.16%，基于Stacking的多模型融合的抽油机故障诊断算法显著优于由单一特征组合构建的同类分类器算法，并且具备较好的泛化能力与鲁棒性。     

基于XGBoost的测井解释规则库自动获取方法

传统的测井解释规则库的获取需专业研究人员以手工方式进行,存在繁琐、耗时等缺点,且技术熟练程度直接影响到解释评价效果,为此,提出了一种基于XGBoost的测井解释规则库自动获取或建立测井解释专家规则库的方法,将多种物理信息和地质参数作为输入特征,储层类别作为输出标签,通过引入XGBoost算法,经过学习得出地质参数与储层类别之间的关系模型。利用该模型,可以自动预测储层类别,进而建立测井解释规则库。胜利油田盐家永安地区某砂砾岩油气藏的砂砾岩测井解释评价结果表明,与支持向量机(SVM)算法和梯度提升决策树(GBDT)算法相比,本文方法具有更高的准确率和更高的计算效率。研究区老井复查结果表明：与手工获取规则库方法相比,本文方法较完整地提取了研究区内的知识规则,提升了测井解释的准确率。     

多元支持向量机在压缩机故障诊断中的应用

为了克服神经网络诊断方法在故障诊断中存在局部极小值、算法收敛速度慢、受网络结构复杂性和样本复杂性的影响较大、容易出现"过学习"或泛化能力低等缺点,在分析了支持向量机的特点后,提出了一种基于多元支持向量机的离心式压缩机转子故障分类识别方法。试验证明,利用支持向量机对压缩机转子故障模式进行识别是可靠和有效的,即使在少样本情况下,该方法仍可有效地诊断出压缩机关键部件的工作状态和故障类型,解决故障诊断中少样本情况下模型训练不足和识别效率低的问题。     

基于数据分析的设备故障预警与诊断技术在燃气电厂的应用

大数据、人工智能、边缘计算等先进技术不断进步，在燃气电厂利用基于数据分析的设备故障预警与诊断模型辅助检维修的优势逐步显现。AI设备故障预警与诊断模型依托统一的云平台搭建，覆盖燃气电厂燃机、汽机、锅炉和电气系统等多类主辅机设备，利用大数据分析技术和人工智能算法，主要算法包括分段函数、多元回归、深度神经网络等。模型以燃气电厂各系统设备的实时和历史数据为基础，将业务关联较强的数据与电厂内部专家经验相结合，实现设备参数劣化预警。文章结合燃气电厂AI模型应用实例，对建模过程、输入输出参数设定、训练样本选择、预警信息及故障诊断等进行说明与分析。利用AI设备故障预警与诊断模型可实时监督机组设备运行情况，在设备出现异常或故障的早期阶段进行智能预警和诊断，为机组设备运行安全提供保障。     

尿素生产故障诊断专家系统的开发研究

基于对尿素生产过程复杂性的分析，给出了“软性”故障和“硬性”故障的分类，进而进行了故障诊断专家浅层知识、神经网络知识等各种知识的结合研究，结合文中所给出的一种新的启发式推理策略，建立了尿素生产故障诊断专家系统。在某化肥厂现场运行结果表明，该专家系统性能优良。     

基于自适应共振神经网络的电机故障诊断方法

文章提出了基于自适应共振神经网络ART-2的故障诊断方法，以电机运行过程中的振动信号为诊断对象，在频谱分析的基础上，对电机故障进行诊断分类。实验证明，此方法能够快速、准确进行故障的分类，并在诊断的过程中对诊断信号通过记忆调整已有数据库的数据内容，具有一定的自学习能力，是电机故障诊断行之有效的方法。     

基于SVM-BN的天然气长输管道燃气轮机故障预警方法研究

燃气轮机是天然气长输管道的核心动力设备,由于其结构复杂、零部件众多、工作负荷大,在运行过程中常发生故障并触发自保护停机,影响了主管线输气的稳定性。为此,针对天然气干线管道燃气轮机及其附属设备的关键部件、关键故障,利用SCADA系统的在线数据,对故障数据进行分析,建立基于支持向量机的在线异常预测模型和基于贝叶斯网络的故障诊断模型;然后通过引入偏离度建立了上述两种模型相结合的故障预警模型,并在天然气干线管道燃气轮机机组上进行了验证。结果表明:(1)所建立的基于支持向量机的预测模型具有较强的泛化能力,能对压力状态做出较为准确的预测,但是随着预测时间的变长,预测精度也会不断降低;(2)通过关注故障诊断模型中各底事件的发生概率,能够为现场维护人员提供优先检查的依据,进而减少设备非计划外停机事故的发生;(3)在燃气轮机润滑油系统实际发生的故障场景进行的应用与验证结果表明,该模型可以准确地对系统故障提前预测并定位,方法可行、有效,有较高的应用价值。     

钻进参数实时监测与故障诊断技术

利用传感器采集的钻井数据,综合录井仪对钻井钻进过程进行实时监测与简单分析,对异常波动数据进行实时监测,异常数据超出限制范围时,通过报警装置发出报警。实践证明,综合录井仪具有对钻井事故的预测作用,综合录井仪通过详细监测各种钻井数据在一定程度上减少或避免了事故的发生。具有信息模式识别能力和自学习能力的人工神经网络把取自多传感器的信号作为输入信号,经过理论分析、事故记录、模拟实验和学习训练处理后,用较少的时间做出决策,保证实时诊断事故,及时排除故障并给出故障发展趋势及处理决策,实现了对钻井故障的实时诊断,综合录井仪和钻井神经网络故障智能诊断系统的结合保证了钻井工程的安全。监测、诊断、调节控制功能的集成是实现全自动化钻井的发展方向。     

西部油田设备的群诊及关联预测模型的建立

分析了西部油田设备诊断在广度、深度、预测方面须解决的实际问题,结合目前先进、适用的诊断方法与技术,提出了群诊及关联预测模型框架.其核心思想是:结合“定性诊断模型”与“定量数据”构建“综合诊断库”,建立能够对“设备群”进行数据自动处理与故障分析的“群诊模型”,解决西部油田设备诊断的“广度”复杂性问题;利用时变基频的求解方法,建立基于径向基函数网络的时变基频识别模型,解决“深度”复杂性问题;利用基于部件重组的“关联预测”方法,对多台设备同时送修周期进行正确预报,形成西部油田设备群诊和预报体系.     

钻井工程事故诊断机理及专家系统推理模型探讨

在咨询、归纳了大量钻井专家事故诊断和处理经验的基础上,探讨了钻井工程事故诊断机理,认为专家的诊断有两种方法:基于经验知识的浅层推理;基于钻井系统工作原理、结构功能及事故产生机理等系统理论知识伪深层推理。由此提出了钻井工程事故诊断和预测专家系统的两种独立的推理模型:捷径深层推理模型和深层推理模型。前者模仿专家进行浅层推理和深层推理时走捷径的情形,应用的知识是专家经验和深层推理得出的一些结论,对常见的钻井事故能快速有效地诊断,专家系统将首先启用它;后者模仿专家的深层推理,当使用前一模型推理失效或者得不到满意的结论时启用该模型。图2     

石油矿场设备诊断技术的应用现状及建议

介绍了设备故障诊断技术在油田压气站的压风机、采油厂的离心压缩机、热电厂的引风机主轴承、机械厂的热处理温度监测等方面的应用概况和特点。指出油田设备诊断技术存在应用范围窄、所用技术单调、成套设备在线监测与故障诊断系统甚少等3个问题。针对这些问题，提出3点建议：尽快建立以预知维修为主的维修制度；组建一支高素质的技术队伍；成立设备诊断技术研究中心和工程公司。     

综合录井在安全钻井中的应用及发展趋势

针对目前国内钻井事故检测、预报技术存在的检测手段少、自动化、智能化程度低和检测技术理论不系统等现状，在调研分析国内外综合录井发展及应用现状的基础上，提出了可借鉴国外的经验，检测仪器研发的重点向井下转移；在地面参数检测方面，以综合录井信息为基础，利用故障检测与诊断的相关理论开发钻井故障检测和诊断系统与方法。综述了国外井下测量系统的特点及应用情况，对我国综合录井的发展方向进行探讨。     

基于知识库的解释模型智能优选测井数据处理方法

在复杂储层评价中,针对不同性质特点的目标层段自动选取最佳校正图版和解释方程,这对测井曲线进行智能化处理是非常需要但同时又是难于解决的一个问题。依据测井曲线特征可将测井处理解释知识分为基础信息、规则和策略,并结合解释参数、解释模型和解释图版等测井资料,构建了能够通过数据挖掘中的关联规则和项目集加权增量算法实现自动更新的测井处理解释知识库,基于该知识库构建了一个测井处理解释子系统,能够初步实现复杂储层测井处理解释从知识获取到参数和模型智能优选的全过程。通过在国家重大科技专项一体化平台CIFLog上的集成运行,证明了该处理流程及算法是科学有效的。     

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。     

基于多元自适应回归样条的页岩密度计算模型

页岩密度是页岩气甜点评价的重要参数,但大量的水平井不开展密度测井甚至不测井,导致评价参数匮乏.通过分析岩石密度的求取方法与多元自适应回归样条的原理,设定调优参数开展模型训练,建立利用元素录井数据计算页岩密度的计算模型.计算结果对比表明,基于多元自适应回归样条算法的模型计算精度高,与实测数据差异小.应用结果表明,页岩密度...