авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ

Pages:     | 1 | 2 ||

Методы и средства оперативной диагностики состояния электроцентробежных насосов нефтедобывающих скважин на основе нейронных сетей

-- [ Страница 3 ] --

Для проверки правильности разработанной методики и алгоритмов был разработан комплект программ, который подтвердил их эффективность. В качестве входных данных использовалась статистическая информация, находящаяся в открытом доступе в сети Internet.

С учетом результатов экспериментов в диссертации сформулированы требования к данным, отбираемым для обучения нейросетевых проектов, соблюдение которых позволяет сократить время обучения до достижения требуемого уровня качества, повысить качество классификации; уменьшить минимальное количество обучающих примеров до 100 примеров на один обучающий признак.

Четвертая глава посвящена разработке программных средств нейросетевой СППР операторов УЭЦН (СППР "УЭЦН-НС") для проверки правильности и эффективности разработанных методов и подходов в реальных производственных условиях. Приводится краткое описание разработанной и внедренной в промышленную эксплуатацию СППР, а также результаты эффективности ее использования. На рисунке 7 изображена архитектура разработанной СППР.

 Рисунок 7- Архитектура СППР

Рисунок 7- Архитектура СППР "УЭЦН-НС"

В диссертации приводятся основные принципы функционирования разработанной нейросетевой СППР. Эксперт-технолог определяет общий список параметров для анализа работы УЭЦН и общий список неисправностей, определяет параметры, по которым определяется каждый тип неисправности и формирует правила определения каждого типа неисправности. Эти правила поступают в подсистему "Нейроэксперт" (необучаемая нейронная сеть (см. глава 2 – метод нейросетевой интерпретации жестких правил), и на их основе происходит разбиение всего имеющегося массива информации по УЭЦН по режимам функционирования УЭЦН ("в норме" - "отклонение") и по типам неисправностей согласно общему списку неисправностей, утвержденному экспертом-технологом. Предварительно обработанные данные в рамках заданных разбиений на обучающие классы образуют массив выборок обучающих примеров и используются для обучения нейронной сети.

Инженер по знаниям формирует конфигурацию нейронной сети и производит обучение до требуемого уровня качества. В модуле "Анализатор" данные обрабатываются как подсистемой "Нейроэксперт", так и обученной нейронной сетью. Результаты двойственного анализа поступают на монитор лица, принимающего решения (ЛПР). При необходимости, ЛПР производит корректировку результатов анализа, сопровождая ее комментариями. На рисунках 8 и 9 изображены некоторые экранные формы разработанной СППР.

Рисунок 8 - Автоматизированное рабочее место эксперта-технолога (корректировка общего списка параметров и неисправностей)

 Автоматизированное рабочее-44

Рисунок 9 - Автоматизированное рабочее место лица, принимающего решения (работа с данными)

Разработанная система успешно внедрена в промышленную эксплуатацию в ОАО "Сургутнефтегаз", что подтверждается соответствующим актом внедрения. За период промышленной эксплуатации при помощи СППР "УЭЦН-НС" было выявлено несколько десятков неисправностей в работе погружного оборудования, что позволило избежать отказов УЭЦН и, соответственно, убытков, обусловленных затратами на ремонт оборудования, повторный вывод скважины на режим и потерями от незапланированного простоя в производственном процессе добычи нефти.

В заключении сформулированы основные результаты, полученные автором в ходе работы над диссертацией.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

В диссертационной работе решена актуальная научно-техническая задача разработки методов и средств систем поддержки принятия решений для оперативной диагностики состояния УЭЦН на основе применения технологии искусственных нейронных сетей, достигнута цель сокращения числа отказов мехатронного комплекса фонда УЭЦН.

При этом получены научные и практические результаты:

  • проведен анализ существующих методов диагностики состояния мехатронных объектов нефтегазодобывающей отрасли, обоснована необходимость применения нейросетевого аппарата обработки информации;
  • научно обосновано положение о том, что существует разбиение множества состояний мехатронного объекта на пересекающиеся подмножества признаков состояния, каждое из которых распознается отдельной нейронной сетью, такое, что при фиксированных аппаратных затратах позволяет распознавать состояние мехатронного объекта на основе конъюнктивной сборки с заданной вероятностью;
  • разработан новый метод нейросетевой интерпретации априорных зависимостей функционирования сложного мехатронного объекта, основанный на применении метода ДНФ, позволяющий решить проблему высокой зашумленности и противоречивости исторических данных для обучения нейронной сети;
  • разработан метод извлечения правил при помощи нейронной сети, позволяющий повысить качество входных данных и достоверности принимаемого нейронной сетью решения;
  • разработана организационная структура нейросетевого модуля в виде параллельно функционирующих нейронных сетей, позволяющая производить процедуру оперативной диагностики состояния УЭЦН в реальном времени;
  • разработана методика и алгоритмы оперативной диагностики состояния сложных мехатронных объектов нефтегазодобычи различного назначения;
  • разработаны программные средства СППР УЭЦН-НС в виде клиент-серверного приложения; данная СППР успешно внедрена в промышленную эксплуатацию в ОАО "Сургутнефтегаз", это внедрение позволило (за период промышленной эксплуатации) достичь высокого экономического эффекта за счет сокращения числа отказов оборудования и уменьшить время обработки диагностической информации в 5-6 по сравнению с ранее использовавшейся аналогичной системой, реализованной на основе жестких алгоритмов.

Внедрение основных результатов диссертации подтверждается соответствующими актами внедрения.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

  1. Коровин Я.С. Система поддержки принятия решений по контролю состояния УЭЦН на основе нейронной сети: архитектура, реализация, перспективы [Текст] /Коровин Я.С. //Нефтяное хозяйство. – Изд-во "Нефтяное хозяйство" -2007. -№1. – с. 80-85.
  2. Галуев Г.А. Принципы построения мультинейроагентных систем поддержки принятия решения для управления технологическими процессами нефтегазодобывающих предприятий. [Текст] /Галуев Г.А., Коровин С.Я., Коровин Я.С. //Нейрокомпьютеры. Разработка и применение. – М.: Изд-во "Радиотехника" – 2006. - №4-5 -с.116-122.
  3. Galuyev G.A. Intellectual decision adoption support systems for technological processes management in oil/gas production industry on the basis of neuronetwork and multiagent technologies usage. [Text] / Galuyev G.A., Korovin S.Y., Korovin Y.S. //Optical Memory and Neural Networks. - New York, USA, "Allerton Press" – 2006 - № 3 – p.179-185.
  4. Galuyev G.A. Oil & Gas Production Enterprises Technological Processes Management On The Multineuroagent Decision Adoption Support System Basis. [Text] /Galuyev G.A., Korovin S.Y., Korovin Y.S, Matveev S.N. //Optical Memory and Neural Networks. - New York, USA, "Allerton Press" – 2006 - № 4 – p.150-157.
  5. Галуев Г.А. Мультинейроагентная система поддержки принятия решений для управления технологическими процессами нефтегазодобывающих предприятий. [Текст] /Галуев Г.А., Коровин Я.С. //Известия ТРТУ. Тематический выпуск "Интеллектуальные и многопроцессорные системы". – Таганрог, Изд-во ТРТУ.- 2005. - № 10 (54) - с.108 -115.
  6. Коровин Я.С. Методика определения типов неисправностей в работе технологического оборудования нефтегазодобывающих предприятий и ее нейросетевая реализация. [Текст] /Коровин Я.С., Шипика А.В. //Материалы Второй Международной научной молодежной школы "Нейроинформатика и системы ассоциативной памяти". – Таганрог: Изд-во ТРТУ – 2006- с.158-161.
  7. Коровин Я.С. Особенности внедрения системы поддержки принятия решений по контролю состояния установок электроцентробежных насосов на основе нейронной сети: практические результаты, перспективы развития. [Текст] /Коровин Я.С. //Известия ТРТУ, Изд-во ТРТУ. -2007.- №1 – с.82-88.
  8. Коровин Я.С. Нейросетевой подход к управлению мехатронным комплексом технологического оборудования нефтегазодобывающей отрасли. [Текст] /Я.С. Коровин.//Сб. материалов Международной научно-технической выставки- конгресса "Мехатроника и робототехника" (МиР-2007). Санкт-Петербург. –2007 - с.81-83.
  9. Коровин Я.С. Самообучаемая реконфигурируемая система поддержки принятия решений по контролю состояния установок электроцентробежных насосов на основе нейронной сети./Я.С. Коровин. //Свидетельство о государственной регистрации программы для ЭВМ. № 2008613119 от 27.06.2008 - 2008.

ЛР №020565 от 23 июня 1997г. Подписано к печати 23.07.2009 г.

Формат 60х841/16. Бумага офсетная. Печать офсетная.

Усл. п.л. - 1,0. Уч.-изд.л. - 0,9.

Заказ № ____. Тираж 100 экз.

ГСП 17А, Таганрог, 28, Некрасовский, 44

Типография Таганрогского Технологического института

Южного федерального университета в г.Таганроге



Pages:     | 1 | 2 ||
 

Похожие работы:










 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.