【摘要】：故障存在于工業(yè)生產(chǎn)的方方面面,一旦發(fā)生故障,必然影響工業(yè)生產(chǎn)的正常進程,輕則造成一定的財產(chǎn)損失,重則可能會出現(xiàn)人員傷亡或環(huán)境污染。所以,故障預警成為降低工業(yè)生產(chǎn)風險的必然選擇。但是人工判斷故障存在一定的局限,采用智能化技術(shù)進行故障預警是一個必然的方向。因此研究智能化預警算法有著非常重要的意義。而鉆井是一項風險高、成本大的系統(tǒng)工程,尤其在地質(zhì)復雜多變的層段,故障隨時可能發(fā)生。于是,研究鉆井的智能化預警算法并開發(fā)預警系統(tǒng),對鉆井過程有著重大的實用意義。本文的主要研究內(nèi)容:1、由于鉆井過程中采集的時序數(shù)據(jù)具有局內(nèi)點跳動不穩(wěn)定,局外點分布無規(guī)律的特點,針對最小二乘法無法線性擬合這類時序數(shù)據(jù)的不足,本文提出一種基于隨機抽樣一致性(Random Sample Consensus,RANSAC)的動態(tài)分段線性擬合算法。實驗結(jié)果驗證了所提方法的有效性和實用性。2、針對鉆井過程中實時數(shù)據(jù)具有維數(shù)高,參數(shù)干擾性大的特點,本文提出一種基于移動窗的稀疏主元分析算法(Moving Window Sparse Principal Component Analysis,MWSPCA)進行故障監(jiān)測,實現(xiàn)對鉆井過程中實時采集的參數(shù)數(shù)據(jù)進行監(jiān)控與檢測,并找出對故障貢獻度高的參數(shù)。3、針對基于案例推理算法(Case-Based Reasoning,CBR)中案例庫的案例數(shù)量大,檢索效率低的問題,提出一種基于決策樹的案例檢索算法,首先決策樹算法根據(jù)故障特征判斷故障類型,來縮小案例檢索范圍;然后提出一種集成相似性匹配的案例檢索算法;最后把相似性匹配結(jié)果對案例進行排序,提供TopN的解決方案給專家做參考。4、設(shè)計并實現(xiàn)一套基于C/S架構(gòu)的針對鉆井過程的智能化故障預警系統(tǒng),系統(tǒng)主要包括數(shù)據(jù)處理,故障監(jiān)測和故障診斷三個模塊。
【圖文】：

邐圖３－１－ｃ邋ＲＡＮＳＡＣ擬合結(jié)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逡逑對比圖３－ｌ－ｂ和圖３－ｌ－ｃ，明顯可以看出，ＲＡＮＳＡＣ算法擬合出的結(jié)果更接近目標逡逑函數(shù)模型，而ＬＳＭ算法由于局外點的干擾擬合結(jié)果跟目標函數(shù)模型存在一定的差距。逡逑因此，對于存在局外點的觀測數(shù)據(jù)，ＲＡＮＳＡＣ算法比ＬＳＭ算法效果更理想，對于存逡逑在噪聲或局外點的觀測數(shù)據(jù)中具有更好的魯棒性。逡逑而鉆井過程中采集的時序數(shù)據(jù)具有局內(nèi)點跳動不穩(wěn)定，局外點分布無規(guī)律的特點，逡逑非常適合使用ＲＡＮＳＡＣ算法。選取鉆井過程中的卡鉆故障，最明顯的特征就是持續(xù)逡逑起下鉆過程中大鉤負荷的最大值（代表當前起鉆過程中最大懸重）是否按一定的斜率逡逑變化，如果斜率變化超出在一定的范圍內(nèi)，則可能要發(fā)生卡鉆故障。逡逑１７逡逑

下圖為鉆井過程中采集的一段時間的大鉤負荷變化數(shù)據(jù)。圖中紅色點為按一定間逡逑隔提取的最大值，綠色直線為ＬＳＭ算法擬合的結(jié)果，紫紅直線為ＲＡＮＳＡＣ算法擬合逡逑的結(jié)果，如下圖３－２所示：逡逑２０００邐１邐１邐１邐１邐１邐１邐１邐逡逑——觀測數(shù)ｉｉ邐Ｉ邐ｖ逡逑１８００邋■邐？最大值抽樣數(shù)據(jù)邐－逡逑１Ｒｎｎ邐ｌｓｍ擬合直—邐＾邋Ｖ逡逑乫．——ｒａｎｓａＧ擬合直線邐Ｐ邋．，一邋－」廣一邋＿逡逑：逡逑４００邋－邐－逡逑２００邋－邐－逡逑Ｑ邐ｉ邐ｉ邐ｉ邐ｉ邐ｉ邐ｉ邐ｉ邐逡逑０邐５００邐１０００邐１５００邐２０００邐２５００邐３０００邐３５００邐４０００逡逑ｍａｘ逡逑圖３－２大鉤負荷數(shù)據(jù)，最大值點，ＬＳＭ和ＲＡＮＳＡＣ擬合結(jié)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逡逑上圖中的最大值是按照一定時間間隔提取的，為了取到鉆頭起鉆的最高點，，針對逡逑圖中的最大值點再進行４：１的最高點抽取，然后對這些最高點擬合直線，由上圖可知，逡逑雖然工業(yè)數(shù)據(jù)比較雜亂，但是ＲＡＮＳＡＣ算法仍然比較合理地代表觀測數(shù)據(jù)變化的趨逡逑勢。逡逑３．４時序數(shù)據(jù)動態(tài)分段的趨勢分析逡逑３．４．１分段融合技術(shù)逡逑分段融合技術(shù)是把數(shù)據(jù)分成長度相同的數(shù)據(jù)段，同時把數(shù)據(jù)的可能變化情況分成逡逑多種不同的模式
【學位授予單位】：北京化工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TE28

【參考文獻】

相關(guān)期刊論文 前10條

1 張正選;梅大成;高杰;胡秋玉;羅遠平;;鉆井工程異常預警方法研究[J];計算機光盤軟件與應用;2014年04期

2 彭必燦;張正道;;基于稀疏主元分析的過程監(jiān)控研究[J];計算機工程與應用;2014年18期

3 黃元建;賈�？�;;關(guān)于鉆井液技術(shù)用于井下復雜情況的探討[J];中國高新技術(shù)企業(yè);2013年05期

4 田垅;劉宗田;;最小二乘法分段直線擬合[J];計算機科學;2012年S1期

5 郭建明;王彥平;;基于鉆井工藝過程的事故診斷智能分析模型研究[J];西安石油大學學報(自然科學版);2012年03期

6 周長虹;;鉆井設(shè)備常見故障分析研究[J];科技資訊;2012年04期

7 張媛媛;韓少廷;耿志強;韓永明;;自適應移動窗遞推PCA過程監(jiān)測方法研究[J];計算機與應用化學;2011年08期

8 葛如海;朱文婷;臧綾;;基于改進移動窗算法的碰撞識別控制策略的研究[J];汽車工程;2011年07期

9 丁克良;沈云中;歐吉坤;;整體最小二乘法直線擬合[J];遼寧工程技術(shù)大學學報(自然科學版);2010年01期

10 張杰;高憲軍;姚勁勃;張卓;;基于神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)的故障診斷技術(shù)[J];吉林大學學報(信息科學版);2009年03期

相關(guān)博士學位論文 前4條

1 王聚豐;插值型移動最小二乘法及其無網(wǎng)格方法的誤差估計[D];上海大學;2013年

2 伊衛(wèi)國;基于關(guān)聯(lián)規(guī)則與決策樹的預測方法研究及其應用[D];大連海事大學;2012年

3 李長平;Logistic回歸、決策樹和神經(jīng)網(wǎng)絡(luò)在預測2型糖尿病并發(fā)末梢神經(jīng)病變中的性能比較[D];中國人民解放軍軍事醫(yī)學科學院;2009年

4 趙靜嫻;基于決策樹的信用風險評估方法研究[D];天津大學;2009年

相關(guān)碩士學位論文 前10條

1 江楠;涪陵地區(qū)井下事故、復雜情況預防與處理[D];長江大學;2016年

2 付娜;鉆井過程中工況異常監(jiān)測與預警系統(tǒng)研究與開發(fā)[D];中國石油大學(華東);2014年

3 楊金勇;基于攝像機運動的目標檢測方法研究[D];沈陽理工大學;2014年

4 焦青青;基于案例推理的機車故障診斷系統(tǒng)研究[D];武漢理工大學;2013年

5 連曉圓;鉆井過程中故障檢測與診斷方法的研究[D];大連理工大學;2013年

6 王林;鉆井故障診斷專家系統(tǒng)的研究與實現(xiàn)[D];電子科技大學;2013年

7 孫洪仲;基于圖像分割與平面一致性約束的立體匹配方法研究[D];上海交通大學;2012年

8 張媛媛;多尺度自適應PCA及其在過程監(jiān)測中的應用研究[D];北京化工大學;2012年

9 馬振徽;無線多媒體傳感器網(wǎng)絡(luò)圖像縫合技術(shù)的研究[D];南京郵電大學;2012年

10 陳承康;基于視覺暫留的電子穩(wěn)像方法研究[D];華中科技大學;2012年

本文編號：2613026