故障智能预警方法研究及应用
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(RandomSampleConsensus，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(MovingWindowSparsePrincipalComponentAnalysis，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-BasedReasoning，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。
钻井过程;故障智能预警;随机抽样一致性;动态分段线性拟合算法
北京化工大学
硕士
计算机科学与技术
耿志强
2018
中文
TP277;TE28
2023-07-10（万方平台首次上网日期，不代表论文的发表时间）