论文部分内容阅读
本文以钻井过程为研究对象,研究基于多传感器信息融合技术的钻井事故诊断方法;用可视化的程序界面,数据库技术、绘图软件,研究开发钻井钻进过程状态监测与事故诊断系统。在对国内外研究现状进行深入分析的基础上,提出一种基于神经网络和D-S证据理论集成的信息融合的事故诊断方法;针对多传感器检测网络的特点,将相关传感器的输出数据用神经网络进行初步诊断,进而用信息融合诊断策略根据初步诊断确定出事故。文中在分析钻井事故产生机理的基础上,研究了诊断和处理这些事故的方法。从神经元结构模型和传递函数入手,详细分析了BP神经网络的特点,说明了神经网络应用于故障诊断的可能性;从D-S证据理论的基本概念和合成规则入手,分析了证据理论应用于信息融合的有效性,并用实例验证了证据理论对证据可信度的累计作用。
本文设计了一个基于神经网络和D-S证据理论的信息融合钻井事故诊断系统,运用神经网络对钻井工程现场采集的监测数据进行初步处理,获得对钻井事故的初步诊断,即对事故类型给出赋值函数值。然后采用D-S证据理论在决策层上对神经网络的初步诊断结果进一步处理,得到最终的事故诊断结果,及时发现数据异常,进行事故诊断与分类,并预测可能的事故发生倾向,提高了钻井事故诊断的精确度。