基于深度學(xué)習(xí)的浮式儲(chǔ)油卸油裝置安全狀態(tài)分類方法.pdf

1、我國(guó)的海域擁有豐富的石油和天然氣資源。在我國(guó)渤海和南海的海洋油氣資源開發(fā)利用活動(dòng)中FPSO（Floating Production Storage and Offloading浮式儲(chǔ)油卸油裝置）已成為一個(gè)非常流行的解決方案。但是由于海洋環(huán)境的復(fù)雜多變和近年來(lái)FPSO噸位的增加，導(dǎo)致了許多FPSO系泊系統(tǒng)事故的發(fā)生。本論文提出了一種基于DBN（Deep Believe Network深層信念網(wǎng)絡(luò)）算法的多傳感器特征學(xué)習(xí)模型，來(lái)對(duì)FPSO系

2、泊系統(tǒng)的安全狀態(tài)進(jìn)行分類，用以避免系泊事故。
　　本文是按照如下的幾部分進(jìn)行撰寫的。首先，介紹了FPSO單點(diǎn)系泊系統(tǒng)的結(jié)構(gòu)并分析了影響系統(tǒng)安全的因子和關(guān)于FPSO系泊系統(tǒng)的安全狀態(tài)監(jiān)測(cè)的相關(guān)研究。然后，為了介紹了本文用到的DBN算法，介紹了深度學(xué)習(xí)算法及其發(fā)展，DBN的組成單元RBM（restriction Boltzmann machine受限玻爾茲曼機(jī)）的相關(guān)內(nèi)容和DBN算法在多方面的應(yīng)用研究。
　　接著，著重闡述了本文

3、提出的基于歷史數(shù)據(jù)的DBN的特征學(xué)習(xí)和分類模型的建立。這個(gè)基于DBN的FPSO安全狀態(tài)分類模型是通過(guò)三部分內(nèi)容建立起來(lái)的：第一，收集傳感器得到的工況數(shù)據(jù)集，并定義FPSO的安全狀態(tài)分類標(biāo)準(zhǔn)。第二，用訓(xùn)練數(shù)據(jù)對(duì)DBN特征學(xué)習(xí)模型進(jìn)行訓(xùn)練，建立基于DBN特征學(xué)習(xí)和分類模型。第三，用測(cè)試數(shù)據(jù)集來(lái)驗(yàn)證該基于DBN特征學(xué)習(xí)和分類模型的有效性。最后，我們簡(jiǎn)略介紹了兩種機(jī)器學(xué)習(xí)算法，并用這兩個(gè)機(jī)器學(xué)習(xí)算法與本文中提出的基于DBN的多傳感器特征學(xué)習(xí)和分