《基于神经网络多参数融合的钻井过程状态监测与故障诊断.doc》由会员分享，可在线阅读，更多相关《基于神经网络多参数融合的钻井过程状态监测与故障诊断.doc（9页珍藏版）》请在三一文库上搜索。
1、基于神经网络多参数融合的钻井过程状态监测与故障诊断2007年第31卷第4期中国石油大学(自然科学版)JournalofChinaUniversityofPetroleumVo1.31No.4Aug.2007文章编号:1673-5005(2007)04-0149-04基于神经网络多参数融合的钻井过程状态监测与故障诊断廖明燕(中国石油大学信息与控制工程学院,山东东营257061)摘要:复杂系统状态监测与故障诊断是系统安全运行过程中的重要保障,分析了钻井系统事故状态下特征参数的变化,给出了用神经网络进行故障诊断的流程,在利用样本数据对网络进行训练的基础上建立了稳定的神经网络诊断模型.输入各种状态下的
2、新样本数据,能够得到正确的系统状态识别,通过改进网络算法改进了网络性能.对生产数据的处理结果表明,基于神经网络的多参数融合算法可以很好地识别钻井过程中的不同状态,能够实现状态检测与故障诊断.关键词:钻井;神经网络;状态监测;故障诊断中图分类号:TE28文献标识码:ADrillingstatemonitoringandfaultdiagnosisbasedonmulti-parameterfusionbyneuralnetworkLIAOMingyan(CollegeofInformationandControlEngineeringinChinaUniversityofPetroleum,Do
3、ngying257061,ShandongPrirwe,China)Abstract:Statemonitoringandfaultdiagnosisofcomplicatedsystemsisthesignificantsupportforsystemsafeworking.Thechangeofcharacteristicparametersindrillingaccidentwasanalyzed.Adiagnosisflowchartofneuralnetworkwasgiven.Asteadydiagnosismodelofneuralnetworkwasdevelopedbytra
4、iningtheneuralnetworkusingsampledata.Thefightrecogni-tionresultofsystem.Sstatecanbegainedbyimputingnewsampledataofsystem.Sstate.ThenetworkperformanceWasim-provedbyimprovingthenetworkalgorithm.Thedataprocessingresultsshowthatthemulti-parameterfusionalgorithmbasedonneuralnetworkcanrecognizethedifferen
5、tdrillingstatesverywel数据预处理数据预处理包括样本选择和数据预处理两方面的工作.在选取学习样本时,既要注意典型样本的使用,又要注意实际样本的使用.典型样本突出故障的特点,可以使网络较快地对所要研究的对象形成概念并抽取特征.实际样本更能反映具体设备的个性,而且借助其所携带的各种工况信息提高了系统的容错性.数据预处理即数据归一化,将数据转换为适合神经网络学习,诊断的形式.归一化的实质就是数据的无量纲化.对于数据分布均匀时,最简单的办法是将数据处理为(.)/(.一).还可以采用对数方法,或者利用模糊数学中的隶属函数来预处理数据.具体情况,则要根据传递函数的需要来确定.神经网络训
6、练样本及期望输出如表2所示.表2训练样本集与期望输出钻压泵压泵流量Q/转速n/钻速扭矩M/期望W/Np/MPa(L?min1(r?mia1(m?h1(N?m)输出2.4BP算法的实现(1)将加权值随机置为小的随机数,可用均匀分布的随机数.这样可保证网络不被大的加权值所饱和.(2)从训练数据组中选一数据对(,),将输入向量加到输入层,即令y=,其中上标k是样本序列号.计算网络各层输出m=F()=F(m),其中,激励函数F()选择非线性S型函数.(3)计算输出层每个节点的误差值=F()一=(1一m)一,m=2.(4)计算隐层每个节点的误差值=F(),m=2.i(5)加权修正,即利用=叼乃m和Wq=
7、,+修正所有连接.其中,叼为学习速率,0<叼<1,叼越大,学习速率越快,但有可能引起振荡;叼越小越精确,但训练时间过长,所以要适当选取叼值.判断误差是否达到要求,否则返回第(3)步,直到满足要求为止.若达到要求或训练步数超过最大训练步数则返回第(2)步,继续下一样本的训练.2.5神经网络结果分析当神经网络成功训练后,就可以用它分析,诊断从生产现场收集的数据,可以将神经网络诊断结果看成是对不同钻井过程状态的信任值,并作如下约定:信任值为00.3时识别为0(正常状态);0.71.0时识别为1(故障状态);0.30.7时表示存在隐患.现场事故数据的网络输出结果如表3所示.
8、利用上述算法实现的神经网络一般经过1000步左右训练误差可以达到期望值.表3神经网络诊断结果常常钻钻钻钻钻钻钻钻正正卡烧烧埋埋断断伽伽如鲫2如卯如如如鲫如如如如如如如如OOOO);9加.7777O8OOO723456789?152?中国石油大学(自然科学版)2007年4月2.6BP算法的改进上述算法尽管有效,但在目标点附近收敛速度很慢,效率低,用其解释复杂系统时,往往不能保证全局收敛而陷入局部极小,导致学习失败.对其算法进行改进,在训练样本时,在权和阈值的修正算法中加入动量项,即通过引入前一步的修正值来平滑学习路径,避免陷入局部极小.因此将权修改为(n+1):田6y?+(rg).为动量因子,0
9、<<1,动量项的作用在于记忆上一时刻的连接权的变化方向(即变化量的值).这样就可以用较大的学习速率系数田来提高学习速度.添加动量项,利用其”惯性效应”来抑制网络训练中可能出现的振荡,起到了缓冲平滑的作用.利用改进算法对相同数据进行了诊断,只需训练278步即达到同样的误差要求.3结束语神经网络建模方法不需要涉及钻井系统内在机理模型参数,可以根据实际钻井过程的输入输出数据样本进行自适应学习,网络训练成功之后,识别和预测的实时性良好,准确度很高,可以有效地识别系统运行过程中的异常状态,实现钻井系统状态实时检测与故障诊断.因此在钻井过程中可用神经网络进行实时状态监测和故障诊
10、断.通过对样本数据的测试,应用三层动量BP网络可提高神经网络的识别速度,系统可以在较短的时间内达到所需的误差指标.基于多参数融合机理利用神经网络模型可以实现对复杂系统运行状态更加合理全面的监控和卡钻,断钻,烧钻,埋钻等故障的实时识别,且与实际情况吻合.另外,由于钻井地层的复杂性,可以考虑将钻遇地层的不同特性进行描述,结合井深参数形成新的神经网络输入信号,经过训练的神经网络模型可以结合地层特点作出更为合理的状态监测与诊断.参考文献:1高德利.油气钻井技术展望J.石油大学:自然科学版,2003,27(1):2932.GAODeli.ProspectsfordrillingtechnologiesJ
11、.JournaloftheUniversityofPetroleum,China(EditionofNaturalScience),2003,27(1):2932.2HARRISChrisJ,GANQiang.Stateestimationandmultisensordatafusionusingdata-basedneurofuzzylocallinear-izationprocessmodelsJ.InformationFusion,2001(2):1729.3史玉升.人工神经网络的钻压优化模型建模方法J.地球科学中国地质大学,1999,24(4):432436.SHIYusheng.Mo
12、delingmethodforweightonbitoptimizingmodelbasedonartificialneuralnetworkJ.EarthScience-JournalofChinaUniversityofGeosciences,1999,24(4):432-436.4于润桥.卡钻事故预测技术研究J.石油钻探技术,1996,24(2):1518.YURunqiao.PredictiontechniquesforstuckpipeJ.PetroleumDrillingTechniques,1996,24(2):1518.5单志刚,邵伟光,陈俊涛.人工神经网络在实时卡钻预测中的应
13、用研究J.地质与勘探,2000,36(2):10一l2.SHANZhigang,SHAOWeiguang,CHENJuntao.StudyonartificialnervenetinrealtimepredictionofstuckdrillingtoolsJ.GeologyandProspecting,2000,36(2):1012.(编辑修荣荣)“抽油机专用变频调速控制技术及装置”达到国际先进水平由中国石油大学(华东)信息与控制工程学院张加胜教授主持完成的”抽油机专用变频调速控制技术及装置”项目,在北京通过了由山东省科技厅组织的专家技术鉴定.鉴定委员会一致认为,该成果技术先进,创新点突出,多项功能是目前进口通用型变频器所无法替代的.该装置是针对游梁式抽油机负载的特点,将变频调速技术与抽油机的特殊控制及检测保护功能相结合,采用高性能单片机研制开发的,检测报告和现场应用情况表明,该装置可以大幅度降低采油吨液耗电量,有效地提高了性价比.该技术配套完善,可靠性高,现场运行稳定,适合在油田推广应用.(焦念友供稿)