| 基于神经网络的钻探事故类型判别模型研究 |
| |
| 引用本文： | 蒲春,赵阳刚,杨斌,陈映. 基于神经网络的钻探事故类型判别模型研究[J]. 钻探工程, 2023, 50(S1): 555-560 |
| |
| 作者姓名： | 蒲春 赵阳刚 杨斌 陈映 |
| |
| 作者单位： | 中国地质调查局军民融合地质调查中心,中国地质调查局军民融合地质调查中心,中国地质调查局军民融合地质调查中心,中国地质调查局军民融合地质调查中心 |
| |
| 基金项目： | 中国地质调查局军民融合地质调查中心项目“青藏高原寒区资源与环境调查监测与评价”（编号：DD20220881） |
| |
| 摘 要： | 钻探孔内事故会造成严重的损失，若钻探设备能及时判断孔内事故类型，则可缩短事故处理时间，遏制事态发展。提出了一种基于神经网络的钻探事故类型判别模型。为了优选不同神经网络在事故类型判别时的正确率，在Matlab的nntool工具箱中分别构建了BP、RBF两种神经网络模型，将某矿区施工参数变化趋势作为输入参数，通过仿真试验发现，BP神经网络中表现最好的是LM、BR算法，RBF神经网络中表现最好的是PNN算法，三者准确率均可在90%以上，但BP神经网络容易陷入局部最优，性能不稳定，偶有判别错误的现象，而PNN神经网络无此局限，且不需要训练。通过对比，PNN算法更适用于事故类型判别模型建立。
|
| 关 键 词： | 钻探设备 孔内事故 类型判别 Matlab BP神经网络 RBF神经网络 PNN算法 |
| 收稿时间： | 2023-03-01 |
| 修稿时间： | 2023-06-03 |
Research on drilling fault diagnosis model of equipment based on neural network |
| |
| PU Chun,ZHAO Yanggang,YANG Bin and Chen ying. Research on drilling fault diagnosis model of equipment based on neural network[J]. , 2023, 50(S1): 555-560 |
| |
| Authors: | PU Chun ZHAO Yanggang YANG Bin Chen ying |
| |
| Affiliation: | Civil-Military Integration Center of China Geological Survey,Civil-Military Integration Center of China Geological Survey,Civil-Military Integration Center of China Geological Survey,Civil-Military Integration Center of China Geological Survey |
| |
| Abstract: | |
| |
| Keywords: | drilling equipment in-hole accidents drilling fault diagnosis Matlab BP neural network RBF neural network PNN algorithm |
|
| 点击此处可从《钻探工程》浏览原始摘要信息 |
|
点击此处可从《钻探工程》下载免费的PDF全文 |
