鉆進過程實時狀態(tài)監(jiān)測與故障診斷技術研究.pdf

1、鉆進過程實時狀態(tài)監(jiān)測與故障診斷是在非線性動態(tài)特征分析的基礎上對鉆進過程進行辨識和控制的。由于動態(tài)系統(tǒng)的隨機干擾比較大，鉆進過程的規(guī)律很難用數學模型來描述，單一的特征量不能詳細全面地提供鉆進過程的狀態(tài)信息。由此引入數據融合的思想，在對神經網絡和證據理論研究的基礎上，初步構建了一個具有數據融合性質的故障診斷系統(tǒng)，對鉆進過程故障狀態(tài)屬性進行識別。 分析鉆進過程中常見事故產生的原因及判斷方法，提取故障特征建立基于BP神經網絡的故障診斷模

2、型，選用改進的BP算法中的動量學算法和學習率自適應算法彌補了傳統(tǒng)的BP算法的缺陷，利用VisualC＃，NET軟件進行了基于神經網絡的故障診斷仿真實驗，試驗證明網絡輸出結果理想。在此基礎上提出了神經網絡初步診斷和D-S證據理論融合決策診斷相結合的鉆進過程故障診斷方法，建立了相應的功能模型，給出了基于神經網絡的基本概率分配方法和診斷決策規(guī)則，利用優(yōu)化后的神經網絡診斷結果轉化為證據推理模型，完成多數據融合過程，避開了建立質量函數的麻煩，充分