故障智能预警方法研究及应用

发布时间：2020-04-03 06:01

【摘要】：故障存在于工业生产的方方面面,一旦发生故障,必然影响工业生产的正常进程,轻则造成一定的财产损失,重则可能会出现人员伤亡或环境污染。所以,故障预警成为降低工业生产风险的必然选择。但是人工判断故障存在一定的局限,采用智能化技术进行故障预警是一个必然的方向。因此研究智能化预警算法有着非常重要的意义。而钻井是一项风险高、成本大的系统工程,尤其在地质复杂多变的层段,故障随时可能发生。于是,研究钻井的智能化预警算法并开发预警系统,对钻井过程有着重大的实用意义。本文的主要研究内容:1、由于钻井过程中采集的时序数据具有局内点跳动不稳定,局外点分布无规律的特点,针对最小二乘法无法线性拟合这类时序数据的不足,本文提出一种基于随机抽样一致性(Random Sample Consensus,RANSAC)的动态分段线性拟合算法。实验结果验证了所提方法的有效性和实用性。2、针对钻井过程中实时数据具有维数高,参数干扰性大的特点,本文提出一种基于移动窗的稀疏主元分析算法(Moving Window Sparse Principal Component Analysis,MWSPCA)进行故障监测,实现对钻井过程中实时采集的参数数据进行监控与检测,并找出对故障贡献度高的参数。3、针对基于案例推理算法(Case-Based Reasoning,CBR)中案例库的案例数量大,检索效率低的问题,提出一种基于决策树的案例检索算法,首先决策树算法根据故障特征判断故障类型,来缩小案例检索范围;然后提出一种集成相似性匹配的案例检索算法;最后把相似性匹配结果对案例进行排序,提供TopN的解决方案给专家做参考。4、设计并实现一套基于C/S架构的针对钻井过程的智能化故障预警系统,系统主要包括数据处理,故障监测和故障诊断三个模块。
【图文】：

逦图３－１－ｃ邋ＲＡＮＳＡＣ拟合结果逡逑Ｆｉｇ．３－ｌ－ａ邋Ｅｘｐｅｒｉｍｅｎｔａｌ邋ｄａｔａ邋Ｆｉｇ．３－ｌ－ｂ邋Ｒｅｓｕｌｔ邋ｆｉｔｔｉｎｇ邋ｂｙ邋ＬＳＭ邋Ｆｉｇ．３－ｌ－ｃ邋Ｒｅｓｕｌｔ邋ｆｉｔｔｉｎｇ邋ｂｙ邋ＬＳＭ逡逑对比图３－ｌ－ｂ和图３－ｌ－ｃ，明显可以看出，ＲＡＮＳＡＣ算法拟合出的结果更接近目标逡逑函数模型，而ＬＳＭ算法由于局外点的干扰拟合结果跟目标函数模型存在一定的差距。逡逑因此，对于存在局外点的观测数据，ＲＡＮＳＡＣ算法比ＬＳＭ算法效果更理想，对于存逡逑在噪声或局外点的观测数据中具有更好的鲁棒性。逡逑而钻井过程中采集的时序数据具有局内点跳动不稳定，局外点分布无规律的特点，逡逑非常适合使用ＲＡＮＳＡＣ算法。选取钻井过程中的卡钻故障，最明显的特征就是持续逡逑起下钻过程中大钩负荷的最大值（代表当前起钻过程中最大悬重）是否按一定的斜率逡逑变化，如果斜率变化超出在一定的范围内，则可能要发生卡钻故障。逡逑１７逡逑

下图为钻井过程中采集的一段时间的大钩负荷变化数据。图中红色点为按一定间逡逑隔提取的最大值，绿色直线为ＬＳＭ算法拟合的结果，紫红直线为ＲＡＮＳＡＣ算法拟合逡逑的结果，如下图３－２所示：逡逑２０００逦１逦１逦１逦１逦１逦１逦１逦逡逑——观测数ｉｉ逦Ｉ逦ｖ逡逑１８００邋■逦？最大值抽样数据逦－逡逑１Ｒｎｎ逦ｌｓｍ拟合直—逦＾邋Ｖ逡逑乫．——ｒａｎｓａＧ拟合直线逦Ｐ邋．，一邋－」广一邋＿逡逑：逡逑４００邋－逦－逡逑２００邋－逦－逡逑Ｑ逦ｉ逦ｉ逦ｉ逦ｉ逦ｉ逦ｉ逦ｉ逦逡逑０逦５００逦１０００逦１５００逦２０００逦２５００逦３０００逦３５００逦４０００逡逑ｍａｘ逡逑图３－２大钩负荷数据，最大值点，ＬＳＭ和ＲＡＮＳＡＣ拟合结果逡逑Ｆｉｇ．３－２邋Ｈｏｏｋ邋ｌｏａｄ邋ｄａｔａ，邋ｍａｘｉｍｕｍ邋ｐｏｉｎｔｓ，邋ａｎｄ邋ｔｈｅ邋ｒｅｓｕｌｔｓ邋ｆｉｔｔｉｎｇ邋ｂｙ邋ＬＳＭ邋ａｎｄ邋ＲＡＮＳＡＣ逡逑上图中的最大值是按照一定时间间隔提取的，为了取到钻头起钻的最高点，，针对逡逑图中的最大值点再进行４：１的最高点抽取，然后对这些最高点拟合直线，由上图可知，逡逑虽然工业数据比较杂乱，但是ＲＡＮＳＡＣ算法仍然比较合理地代表观测数据变化的趋逡逑势。逡逑３．４时序数据动态分段的趋势分析逡逑３．４．１分段融合技术逡逑分段融合技术是把数据分成长度相同的数据段，同时把数据的可能变化情况分成逡逑多种不同的模式
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TE28

【参考文献】

相关期刊论文 前10条

1 张正选;梅大成;高杰;胡秋玉;罗远平;;钻井工程异常预警方法研究[J];计算机光盘软件与应用;2014年04期

2 彭必灿;张正道;;基于稀疏主元分析的过程监控研究[J];计算机工程与应用;2014年18期

3 黄元建;贾保奎;;关于钻井液技术用于井下复杂情况的探讨[J];中国高新技术企业;2013年05期

4 田垅;刘宗田;;最小二乘法分段直线拟合[J];计算机科学;2012年S1期

5 郭建明;王彦平;;基于钻井工艺过程的事故诊断智能分析模型研究[J];西安石油大学学报(自然科学版);2012年03期

6 周长虹;;钻井设备常见故障分析研究[J];科技资讯;2012年04期

7 张媛媛;韩少廷;耿志强;韩永明;;自适应移动窗递推PCA过程监测方法研究[J];计算机与应用化学;2011年08期

8 葛如海;朱文婷;臧绫;;基于改进移动窗算法的碰撞识别控制策略的研究[J];汽车工程;2011年07期

9 丁克良;沈云中;欧吉坤;;整体最小二乘法直线拟合[J];辽宁工程技术大学学报(自然科学版);2010年01期

10 张杰;高宪军;姚劲勃;张卓;;基于神经网络与专家系统的故障诊断技术[J];吉林大学学报(信息科学版);2009年03期

相关博士学位论文 前4条

1 王聚丰;插值型移动最小二乘法及其无网格方法的误差估计[D];上海大学;2013年

2 伊卫国;基于关联规则与决策树的预测方法研究及其应用[D];大连海事大学;2012年

3 李长平;Logistic回归、决策树和神经网络在预测2型糖尿病并发末梢神经病变中的性能比较[D];中国人民解放军军事医学科学院;2009年

4 赵静娴;基于决策树的信用风险评估方法研究[D];天津大学;2009年

相关硕士学位论文 前10条

1 江楠;涪陵地区井下事故、复杂情况预防与处理[D];长江大学;2016年

2 付娜;钻井过程中工况异常监测与预警系统研究与开发[D];中国石油大学(华东);2014年

3 杨金勇;基于摄像机运动的目标检测方法研究[D];沈阳理工大学;2014年

4 焦青青;基于案例推理的机车故障诊断系统研究[D];武汉理工大学;2013年

5 连晓圆;钻井过程中故障检测与诊断方法的研究[D];大连理工大学;2013年

6 王林;钻井故障诊断专家系统的研究与实现[D];电子科技大学;2013年

7 孙洪仲;基于图像分割与平面一致性约束的立体匹配方法研究[D];上海交通大学;2012年

8 张媛媛;多尺度自适应PCA及其在过程监测中的应用研究[D];北京化工大学;2012年

9 马振徽;无线多媒体传感器网络图像缝合技术的研究[D];南京邮电大学;2012年

10 陈承康;基于视觉暂留的电子稳像方法研究[D];华中科技大学;2012年

本文编号：2613026