ВВЕДЕНИЕ 4
1 ДИАГНОСТИКА ОБОРУДОВАНИЯ НЕФТЕГАЗОВОГО КОМПЛЕКСА 7
1.1 Оперативная диагностика технологического оборудования
нефтегазового комплекса 7
1.2 Методы контроля и диагностирования нефтегазовых объектов 14
1.3 Классификация систем диагностики оборудования 22
1.4 Системы тестов и функционального диагноза 25
Выводы 31
2 МЕТОДЫ КЛАССИФИКАЦИИ ДЛЯ ОПРЕДЕЛЕНИЯ СОСТОЯНИЙ ТЕХНОЛОГИЧЕСКОГО ОБОРУДОВАНИЯ ПРИ ДИАГНОСТИКЕ 33
2.1 Методы классификации на основе искусственных нейронных сетей
33
2.2 Классификационные деревья решений 38
2.3 Метод опорных векторов 42
2.4 Экспертная система классификации на нечеткой логике 47
Выводы 52
3 ИССЛЕДОВАНИЕ МЕТОДОВ АВТОМАТИЗИРОВАННОЙ
КЛАССИФИКАЦИИ СОСТОЯНИЙ ТЕХНЛОГИЧЕСКОГО ОБОРУДОВАНИЯ 54
3.1 Обзор автоматических и автоматизированных систем определения
технического состояния технологического оборудования 54
3.2 Классификация состояний технологического оборудования с
использованием систем на нечеткой логике 60
3.3 Вибродиагностика технологического оборудования с применением
искусственных нейронных сетей 67
3.4 Сравнительные экспериментальные исследования алгоритмов классификации технического состояния технологического оборудования ... 75
Выводы 78
ЗАКЛЮЧЕНИЕ 80
СПИСОК СОКРАЩЕНИЙ 82
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 82
ПРИЛОЖЕНИЕ
Традиционно в экономике Российской Федерации стратегически важную роль играет нефтегазовая отрасль, что в свою очередь в последние двадцать лет вызвало интенсифицированное освоение месторождений и развитие нефтегазоперерабатывающих производств. Очевидно, что такое интенсивной развитие нефтегазового комплекса требует использования эффективных подходов при решении задач, связанных с обеспечением надежности технологического оборудования. В этой связи актуальным становится вопрос об эффективном и надежном определении технического состояния технологического оборудования и классификации состояний по диагностической информации.
Качество и оперативность принимаемого решения о техническом состоянии технологического оборудования в процессе эксплуатации в значительной степени зависит от квалификации специалистов, занятых в производственном процессе обеспечения нефтедобычи - операторов цехов, инженерно¬технических работников. Большие объёмы анализируемой информации о режимах эксплуатации технологического оборудования инженерно-техническими работниками повышают вероятность ошибки определения его технического состояния, и, как следствие, принятия некорректного решения о необходимости воздействия на режим эксплуатации. Таким образом, задача разработки и исследования подходов для автоматизированного определения (классификации) технического состояния технологического оборудования является актуальной.
Как существующие, так и вновь разрабатываемые методы диагностирования предназначены для контроля единичных деталей, узлов и их параметров, характеризующих работоспособность объекта в целом и сводятся к анализу временных рядов, являющихся временными развертками параметров эксплуатации. Кроме того, для предприятий нефтегазового комплекса, особенно использующих сложное и дорогое технологическое оборудование, вопросы технического обслуживания и ремонтов (ТОиР) являются крайне важными. Затраты таких предприятий на ТОиР могут составлять более половины общих расходов на производство продукции.
При наличии на предприятии десятков тысяч единиц оборудования, подлежащего контролю состояния, обслуживанию, периодическим ремонтам и модернизации, эффективно выполнять ТОоиР- непросто. Еще сложнее, если это оборудование «разбросано» по множеству территориально удаленных объектов. Облегчить управление ТОиР, повысить его эффективность призваны специализированные компьютерные программы. Автоматизированные системы такого рода уже свыше 20 лет разрабатываются и применяются на западных предприятиях.
Основная задача, стоящая перед этими системами, - это уменьшение затрат на обслуживание оборудования и повышение надежности его работы, что в конечном счете призвано снизить себестоимость производимой продукции и обеспечить стабильность работы предприятия.
Алгоритмическая база таких систем, в основном, представляет собой различные комбинации стандартных процедур статистической обработки данных. Однако, ввиду возрастающего объема информации, который накапливается информационными подсистемами таких автоматизированных систем, используемые аналитические подходы уже не отвечают запросам по качественной пере¬работке информации и формированию сведений для поддержки принятия решений. В связи с этим актуализируется применения в таких системах в качестве аналитического алгоритмического ядра технологий интеллектуального анализа данных и интеллектуальных технологий представления данных, которые доказали свою эффективность при решении широкого круга задач, связанных с обработкой значительных объемов данных. Значительное разнообразие методов интеллектуального анализа данных, к которым относят, например, искусственные нейронные сети, системы на нечеткой логике, деревья решений, требует проведения исследований, направленных на оценку возможности и эффективности применения соответствующих подходов в задачах диагностики и классификации технического состояния технологического оборудования нефтегазового комплекса.
Целью выпускной квалификационной работы является повышение эффективности процедур диагностики технического состояния технологического оборудования за счет определения наиболее эффективных методов классификации состояний технологического оборудования.
Для достижения поставленной цели необходимо решить следующие задачи:
1. Описать и проанализировать методы технической диагностики и мониторинга технологического оборудования нефтегазового комплекса, предоставляющие исходную информацию для классификации состояний.
2. Описать методы интеллектуального анализа данных, предназначенные для решения задач классификации, определить возможность и схему их использования для автоматизированной классификации состояний технологического оборудования.
3. Провести численные исследования для оценки эффективности методов классификации состояний технологического оборудования на ряде задач.
4. Проанализировать полученные результаты и сформулировать предложения по реализации автоматизированной системы классификации состояний технологического оборудования при проведении диагностики.
В ходе выполнения выпускной квалификационной работы были рассмотрены следующие задачи и получены результаты:
1. Выполнен аналитический обзор основных методов технической диагностики технологического оборудования нефтегазового комплекса, рассмотрены возможности получения исходной информации для классификации состояний технологического оборудования с использованием различных средств и методов неразрушающего контроля.
2. Сформулирована задача автоматизированной классификации состояний технологического оборудования нефтегазового комплекса на основе информации полученной различными методами неразрушающего контроля, в том числе по результатам виброизмерений.
3. Описаны методы интеллектуального анализа данных, которые могут быть использованы в качестве алгоритмического базиса для автоматизирован¬ной системы классификации состояний технологического оборудования при проведении диагностики.
4. Выполнен анализ и описана структура экспертной системы, применение которой позволит в автоматизированном режиме определять состояние технологического оборудования на основе информации, получаемой от датчиков и сенсоров систем мониторинга и неразрушающего контроля.
5. Рассмотренные в рамках квалификационного исследования методы апробированы для решения частных и набора тестовых задач технической диагностики. Подробно рассмотрены и получены результаты для автоматизированной классификации состояний технологического оборудования с использованием нечетких классифицирующих систем и систем, использующих математический аппарат искусственных нейронных сетей.
6. Проведены численные сравнительные исследования эффективности рассматриваемых походов к классификации состояний технологических машин и оборудования, выполнен анализ результатов. Это позволило рекомендовать для использования в качестве алгоритмического ядра таких систем искусственные нейронные сети с радиальными базисными функциями, классификаторы на основе опорных векторов и, при должной настройке, нечеткие классификаторы. Перспективным видится сочетание в рамках одной системы нескольких видов классификаторов, что, как видится, позволит существенно повысить эффективность таких систем.
В целом, задачи поставленные в рамках выполнения выпускной квалификационной работы решены, а цель достигнута.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
