基于神经网络的掺水系统软测量建模与控制仿真
发布时间：2021-10-08 02:44
近段时间以来,软测量技术已成为发展的一个重点。它收到高度青睐的原因是因为现代工业的复杂性增加了,并且随之而来是它对控制系统提出了更高的要求。软测量最大的优势就是解决一些硬件在线检测无法解决的问题,因此它才会在控制领域占据一席之地,并且越来越受到重视。某油田位于中国东北部的高寒地区,年最低温度-39.2℃。高凝点,高粘度的“双高原油”常用的油井采油技术就是原油与水进行混合后进行集输。参考目标油田所处环境,需要一种合理的掺水集油工艺来稳产增效。该工艺工程需要自动调控油井掺水量,有许多因素会影响掺水量,基于单一的人工调节方式存在很多缺点。本文首先研究了掺水过程的软测量建模问题,基于神经网络实现了油井掺水过程的模型建立。结合掺水模型对掺水控制方案进行了改善,基于PID控制策略,实现了油井掺水过程的自动控制,结合具体生产过程,确定最佳控制参数,实现了单井掺水量的实时、精确自动调节。在仿真的基础上验证了所设计方法的可行性,实现了掺水流量的准确预测。该方案可以应用于油田油井集油掺水过程,能够优化掺水参数,从而实现降低能耗的实际效果。
【文章来源】：东北石油大学黑龙江省
【文章页数】：49 页
【学位级别】：硕士
【部分图文】：
计量间掺水集油工艺流程图
具 体来 讲主 要 的 优 点有 ： 复杂 度不 高 的 结构 、较强 的 可操 作 性 、更好 的 自 学习 能 力 、 能够 有效 地 解决 非 线 性目 标 函数 的逼 近 问 题 。综 上 所述 ，在 面 对 计 量间 单 井 （ 环） 掺 水 流量 软测 量 的情 形 时 ， BP 神经 网络 无 疑 是 不二 之 选， 用它 来 解 决 计量 间 单 井 （环 ） 掺 水流 量 软 测量 的 问 题最 合 适 不过 了 。 输出 层 的 直接 前 导 层 的误 差 可 通 过估 计 输 出层 的 误 差 来获 取 ， 获取 之 后 再 利用 这 个 误差 估 计更 前 一层 的 误差 ，这 种 方 法被 称 为 误差 反向 传 播算 法 （ Er r o r Ba c k P ro pa g at i on ，EB P ， 简 称 BP ） 。 重 复 进 行 上 述 步 骤， 所 有 其 他 各 层 的 误 差 估 计 都 可 以 被 获 取， 并 且逐级 向网 络 的输 入 端 传 递， 在 传 递 过程 中 ， 输 出 端 表现 出的 误 差 的 传递 方 向 与 输入 信 号 相反 ；因 此 ，向 后 传 播算 法 是此 算法 的 另 一 种称 呼 ，简 称 BP 算法 。虽 然 这 种 误差 估 计 本身 的精 度 不稳 定 ， 会 随着 误 差 本 身的 “ 向 后传 播 ”而 发生 变 化 ， 并 且 朝着 不 好的 趋 势 变 化， 但 多 层 网络 的 训 练还 是 依靠 它得 到 了 有 效的 解 决 。 所 以 ，该 算 法受 到 的 关 注度 有 增 无减 ， 呈现 出 直 线上 升 的 趋势 。 3. 2 模型 建 立 基于 BP 神 经网 络 的 计量 间 掺 水 软测 量 建 模包 括 BP 神经 网 络 构建 、 BP 神经 网 络 训 练和 BP 神经 网络 预 测三 步 ，算 法 流 程如 图 3. 1 所示 。
有 了 长足 的 发展 进步 。 虽然 自 P ID 控 制方 法 问 世 以来 ， 有法 出 现， 但 是却 始 终无 法 动 摇 P ID 控 制方 法 的 主 流地 位 ， 很 长 一 段 时 间 P ID 控 制 方 法 仍 然 占 据 着 主 流 地 位 。 究 竟制 方 法不 断 推 陈 出新 的 年 代屹 立 不倒 ，这还 要 从 P ID 控杂 程 度较 低 的 结 构 、较好 的鲁 棒 性、 极 高的 可 靠 性、 易于 了 P ID 控制 方法 的主 流 地 位 。P 、I 、D 的控 制 规 律互 不 干其 组 合 方法 多 种 多 样， 可 依 据具 体 的工 业过 程 来选 择。 P 历 史 十 分悠 久 ， 而 且控 制 工 程 师们 在 长期 接触 的 过 程 中已 熟 练， 在 调 节 控 制 器参 数 方 面有 着 十分 丰富 的 经验 。P ID ， 先 后 经历 了 液 动 式、 气 动 式、 电 动式 阶段 ； 目 前 ，P ID 模 拟 控 制器 进 化为 数 字 化、 智 能化 控 制器 。 ID 控 制原 理 制 器 的 工 作 原 理 是 将 定 值 r( t ) 与 实 际 输 出 值 y( t ) 进 行 控 制 e( t ) ，因 此， 从本 质 上讲 ，它 是 一种 具 有 线性 特 征 的 控制 1 所示 。
【参考文献】：
期刊论文
[1]基于人工神经网络的工业机械故障诊断优化方法研究[J]. 罗校清. 科技创新与应用. 2017(30)
[2]BP神经网络的学习过程与算法分析[J]. 王俊平,李加彦. 计算机光盘软件与应用. 2014(04)
[3]人工神经网络的发展及应用[J]. 毛健,赵红东,姚婧婧. 电子设计工程. 2011(24)
[4]神经网络在音乐分类中的应用研究[J]. 李剑. 计算机仿真. 2010(11)
[5]软测量技术及其应用[J]. 俞金寿. 自动化仪表. 2008(01)
[6]基于Fuzzy-PID的人工气候室智能控制系统设计[J]. 宋玉春,许伦辉,傅惠. 韶关学院学报(自然科学版). 2004(03)
[7]人工神经网络研究现状及其展望[J]. 朱大奇. 江南大学学报. 2004(01)
[8]基于神经网络的专家系统体系结构[J]. 吉孔诗,潘昊. 微机发展. 2001(06)
[9]先进控制技术及应用 第三讲 软测量技术及其应用[J]. 荣冈,金晓明,王树青. 化工自动化及仪表. 1999(04)
硕士论文
[1]BP神经网络的算法改进与应用研究[D]. 程玥.重庆大学 2011
[2]基于数据挖掘技术的信用评估模型研究[D]. 徐娟.合肥工业大学 2009
[3]基于神经网络的船舶运动姿态建模预报[D]. 曾庆谦.哈尔滨工程大学 2008
[4]生物质混煤燃烧及污染物排放特性研究[D]. 张海清.山东大学 2007
[5]电厂燃烧控制系统若干问题的研究[D]. 张卫庆.东南大学 2006
本文编号：3423272
【文章来源】：东北石油大学黑龙江省
【文章页数】：49 页
【学位级别】：硕士
【部分图文】：
计量间掺水集油工艺流程图
具 体来 讲主 要 的 优 点有 ： 复杂 度不 高 的 结构 、较强 的 可操 作 性 、更好 的 自 学习 能 力 、 能够 有效 地 解决 非 线 性目 标 函数 的逼 近 问 题 。综 上 所述 ，在 面 对 计 量间 单 井 （ 环） 掺 水 流量 软测 量 的情 形 时 ， BP 神经 网络 无 疑 是 不二 之 选， 用它 来 解 决 计量 间 单 井 （环 ） 掺 水流 量 软 测量 的 问 题最 合 适 不过 了 。 输出 层 的 直接 前 导 层 的误 差 可 通 过估 计 输 出层 的 误 差 来获 取 ， 获取 之 后 再 利用 这 个 误差 估 计更 前 一层 的 误差 ，这 种 方 法被 称 为 误差 反向 传 播算 法 （ Er r o r Ba c k P ro pa g at i on ，EB P ， 简 称 BP ） 。 重 复 进 行 上 述 步 骤， 所 有 其 他 各 层 的 误 差 估 计 都 可 以 被 获 取， 并 且逐级 向网 络 的输 入 端 传 递， 在 传 递 过程 中 ， 输 出 端 表现 出的 误 差 的 传递 方 向 与 输入 信 号 相反 ；因 此 ，向 后 传 播算 法 是此 算法 的 另 一 种称 呼 ，简 称 BP 算法 。虽 然 这 种 误差 估 计 本身 的精 度 不稳 定 ， 会 随着 误 差 本 身的 “ 向 后传 播 ”而 发生 变 化 ， 并 且 朝着 不 好的 趋 势 变 化， 但 多 层 网络 的 训 练还 是 依靠 它得 到 了 有 效的 解 决 。 所 以 ，该 算 法受 到 的 关 注度 有 增 无减 ， 呈现 出 直 线上 升 的 趋势 。 3. 2 模型 建 立 基于 BP 神 经网 络 的 计量 间 掺 水 软测 量 建 模包 括 BP 神经 网 络 构建 、 BP 神经 网 络 训 练和 BP 神经 网络 预 测三 步 ，算 法 流 程如 图 3. 1 所示 。
有 了 长足 的 发展 进步 。 虽然 自 P ID 控 制方 法 问 世 以来 ， 有法 出 现， 但 是却 始 终无 法 动 摇 P ID 控 制方 法 的 主 流地 位 ， 很 长 一 段 时 间 P ID 控 制 方 法 仍 然 占 据 着 主 流 地 位 。 究 竟制 方 法不 断 推 陈 出新 的 年 代屹 立 不倒 ，这还 要 从 P ID 控杂 程 度较 低 的 结 构 、较好 的鲁 棒 性、 极 高的 可 靠 性、 易于 了 P ID 控制 方法 的主 流 地 位 。P 、I 、D 的控 制 规 律互 不 干其 组 合 方法 多 种 多 样， 可 依 据具 体 的工 业过 程 来选 择。 P 历 史 十 分悠 久 ， 而 且控 制 工 程 师们 在 长期 接触 的 过 程 中已 熟 练， 在 调 节 控 制 器参 数 方 面有 着 十分 丰富 的 经验 。P ID ， 先 后 经历 了 液 动 式、 气 动 式、 电 动式 阶段 ； 目 前 ，P ID 模 拟 控 制器 进 化为 数 字 化、 智 能化 控 制器 。 ID 控 制原 理 制 器 的 工 作 原 理 是 将 定 值 r( t ) 与 实 际 输 出 值 y( t ) 进 行 控 制 e( t ) ，因 此， 从本 质 上讲 ，它 是 一种 具 有 线性 特 征 的 控制 1 所示 。
【参考文献】：
期刊论文
[1]基于人工神经网络的工业机械故障诊断优化方法研究[J]. 罗校清. 科技创新与应用. 2017(30)
[2]BP神经网络的学习过程与算法分析[J]. 王俊平,李加彦. 计算机光盘软件与应用. 2014(04)
[3]人工神经网络的发展及应用[J]. 毛健,赵红东,姚婧婧. 电子设计工程. 2011(24)
[4]神经网络在音乐分类中的应用研究[J]. 李剑. 计算机仿真. 2010(11)
[5]软测量技术及其应用[J]. 俞金寿. 自动化仪表. 2008(01)
[6]基于Fuzzy-PID的人工气候室智能控制系统设计[J]. 宋玉春,许伦辉,傅惠. 韶关学院学报(自然科学版). 2004(03)
[7]人工神经网络研究现状及其展望[J]. 朱大奇. 江南大学学报. 2004(01)
[8]基于神经网络的专家系统体系结构[J]. 吉孔诗,潘昊. 微机发展. 2001(06)
[9]先进控制技术及应用 第三讲 软测量技术及其应用[J]. 荣冈,金晓明,王树青. 化工自动化及仪表. 1999(04)
硕士论文
[1]BP神经网络的算法改进与应用研究[D]. 程玥.重庆大学 2011
[2]基于数据挖掘技术的信用评估模型研究[D]. 徐娟.合肥工业大学 2009
[3]基于神经网络的船舶运动姿态建模预报[D]. 曾庆谦.哈尔滨工程大学 2008
[4]生物质混煤燃烧及污染物排放特性研究[D]. 张海清.山东大学 2007
[5]电厂燃烧控制系统若干问题的研究[D]. 张卫庆.东南大学 2006
本文编号：3423272
本文链接：https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/3423272.html
