抽油机冲次自动调节技术研究与应用

随着青海油田数字化油田的不断建设与完善,大部分油水井均已实现井口各项参数的实时采集、传输、计算、诊断、发布等功能,为油井的正常生产提供了及时、准确的数据支持。抽油机采油作为采油井的一种生产方式,其运行参数(包括冲程、冲次、最大最小载荷等)的调整对油井的高效生产起着至关重要的作用。本文描述了如何充分利用数字化油田中油井远程自动化采集装置所实时采集的采油井的各项生产参数(示功图、功率、电压、电流),通过控制现场抽油机变频控制器的频率输出,最终实现对抽油机冲次实时调节的全闭环智能控制。     

抽油机井工况在线优化节能控制技术研究与应用

目前油田在用的获取抽油机井的动液面主要使用声波测量法或者井下下压力计法,前者存在数据滞后不能实时指导生产的缺点,后者成本高、安装和维护繁琐,限制了规模推广.本文提出一种软件算法来获取动液面,再通过调速机构对抽油机进行在线优化节能控制新技术,该技术为解决动液面数据实时录取和油井运行优化提供了一套切实的解决方案,经试验应用达到了预期目标,具有良好的应用前景.     

基于改进模糊神经网络的软测量建模方法

提出了一种改进的模糊神经网络软测量建模方法，采用规则化的平均输出隶属度函数作为模糊基函数进行反模糊化运算；在训练网络时,部分参数采用Levenberg-Marquardt算法来训练，另一部分采用一阶梯度下降法．最后用该建模方法建立了聚合反应中熔融指数的软测量模型，并与一般的模糊神经网络软测量模型进行比较．结果表明改进的模糊神经网络对初始值的选择不敏感,具有很好的收敛性，同时还能达到指定的预测精度，很适合工程应用．     

青霉素发酵过程的粒子群模糊神经网络软测量

针对青霉素发酵过程中的基质浓度、菌体浓度、产物浓度等关键生物参数难以在线实时测量的问题,提出了一种基于粒子群模糊神经网络的软测量建模方法.采用模糊径向基函数-神经网络(RBF-NN)构建青霉素发酵的软测量模型,同时,结合改进粒子群优化训练算法(PSO),建立了青霉素反应过程的软测量模型,并对发酵工艺进行了仿真试验研究.仿真试验结果表明,所建立的软测量模型测量精度高、效果好,能够满足工程实际的要求.     

利用模糊系统的自适应模糊控制器

针对非线性系统控制,设计了利用TSK(Takagi-Sugeno-Kang)模糊系统的自适应模糊控制器。所设计的自适应控制方法是参考模型自适应控制方法,而且利用Lyapunov函数保证了闭环系统的稳定性,同时推导了最优的自适应控制规律。首先,根据控制对象的输入输出数据建立TSK模糊模型,然后,由TSK模糊模型设计初期的TSK模糊控制器,并根据自适应规律随时调整模糊控制器参数。倒立摆系统的仿真实验验证了所设计的自适应模糊控制器的有效性。     

基于潜遗传变论域的倒立摆模糊控制系统的研究

针对多变量、非线性的倒立摆系统，采用欧拉法建立了其动力学方程，得到了状态空间模型，并用它建立了一种双闭环模糊控制系统的仿真框图。用Mamdani模糊控制器和潜遗传变论域模糊控制器分别对倒立摆进行了仿真，并通过对伸缩因子参数t的调整，得到了它影响控制性能的规律。     

油田监测与分析系统核心算法修正

随着油田智能化发展的需要,传统的故障诊断、动液面、产量计量算法已不能满足油井问题在实时性和准确性方面的要求。针对目前国内外油井监测与分析系统中存在的问题,本文对系统核心算法故障诊断、动液面、产量计量进行修正。其中,故障诊断采用基于关联度函数修正的方法,并给出一种专家知识库实时更新完善策略。动液面算法采用物元分析的方法,通过建立物元模型确定油井的最优多相流算法。产量计算算法采用均值滤波的方法,通过消除示功图中复杂的频率部分精确求取示功图有效冲程。并对以上修正算法进行了仿真,提高了油井问题诊断的准确性和诊断效率,为智能油田提供理论基础。     

基于时间序列模型的超声信号滤波算法研究

针对超声波测量油井液面深度系统中,现有降噪滤波算法复杂,效果差的缺点,提出了基于时间序列模型和新息卡尔曼滤波相结合的新方法。利用时间序列分析法对动液面测量系统建立ARMA模型;基于卡尔曼滤波实时在线消除随机噪声的特性,设计了新息自适应卡尔曼滤波算法,并结合ARIMA模型以消除模型误差,实现了基于时间序列系统模型对系统特征状态的最优估计目的。该新型滤波方法已经在油田现场测试和运用,测试结果表明,算法实时、高效,滤波效果好,精度高,能满足实际工程应用。     

改进粒子群优化Takagi-Sugeno模糊径向基函数神经网络的非线性系统建模

针对复杂非线性系统建模的难点问题,提出了一种基于改进的粒子群优化算法（PSO)优化的T-S模糊径向基函数（RBF）神经网络的新型系统建模算法。该算法将T-S模糊模型良好的可解释性及RBF神经网络的自学习能力相结合,构成T-S模糊RBF神经网络用于系统建模,并采用动态调整惯性权重的改进的PSO算法结合递推最小二乘算法实现网络参数的优化调整。首先,利用所提算法进行了非线性多维函数的逼近仿真,仿真结果均方差（MSE）为0.00017,绝对值误差不大于0.04,逼近精度较高;又将该算法用于建立动态流量软测量模型,并进行了相关的实验研究,动态流量测量结果平均绝对误差小于0.15L/min,相对误差为1.97%,基本满足测量要求,并优于已有算法。上述仿真及实验研究结果表明,所提算法对于复杂非线性系统具有较高的建模精度和良好的自适应性。     

混合模糊PID控制器在伺服控制系统中的应用

在分析了直流无刷电机伺服控制系统的基础上,提出了一种混合模糊PID跟踪控制器模型.该模糊PID控制器由3个并行的次模糊控制器组成,应用模糊算法在线自动整定PID参数;并利用Matlab/simulink建立仿真模型对模糊推理控制算法进行验证.仿真结果表明,混合模糊PID控制器的动静态特性优于传统单一的PID控制,对设计性能优良的伺服控制系统具有借鉴意义.     

基于CAFSA-FNN的扭矩加载系统控制研究*

针对磁粉制动器扭矩加载系统的非线性和滞后性,提出了一种基于混沌人工鱼群-模糊神经网络(CAFSA-FNN)PID控制器。该控制器采用基于Mamdani模型的模糊神经网络来整定PID控制器的控制参数,并结合混沌人工鱼群算法离线粗调和BP算法在线细调来学习和调整模糊神经网络的参数。利用Matlab进行离线仿真优化,在此基础上使用PID控制器、模糊神经网络控制器、人工鱼群-模糊神经网络控制器以及本文设计的控制器进行磁粉制动器扭矩加载实验,实验结果证明了该控制器的稳定性、快速性和有效性,能够解决滞后性问题。     

原油期货价格预测模型CEEMDAN-PSO-ELM

为了进一步提升原油期货价格预测的精准性,本文基于CEEMDAN分解算法和ELM极限学习机模型,利用PSO粒子群优化算法对机器学习模型进行参数寻优,进而构建了CEEMDAN-PSO-ELM模型用于原油期货价格预测.先基于CEEMDAN算法对原始价格序列进行分解,然后利用Lempel-Ziv复杂度指数对分量进行重构,得到高频、中频和低频重构分量,再采用PSO-ELM模型对每个重构分量进行预测,利用PACF系数选取模型输入变量,最终加总集成各分量预测结果.实证结果表明,与其他15种基准模型相比,CEEMDAN-PSO-ELM模型的预测性能最佳,MCS检验和DM检验也进一步证实了该模型的稳健性.     

A robust learning algorithm based on support vector regression and robust fuzzy cerebellar model articulation controller

For real-world applications, the obtained data are always subject to noise or outliers. The learning mechanism of cerebellar model articulation controller (CMAC), a neurological model, is to imitate the cerebellum of human being. CMAC has an attractive property of learning speed in which a small subset addressed by the input space determines output instantaneously. For fuzzy cerebellar model articulation controller (FCMAC), the concept of fuzzy is incorporated into CMAC to improve the accuracy problem. However, the distributions of errors into the addressed hypercubes may cause unacceptable learning performance for input data with noise or outliers. For robust fuzzy cerebellar model articulation controller (RFCMAC), the robust learning of M-estimator can be embedded into FCMAC to degrade noise or outliers. Meanwhile, support vector machine (SVR) is a machine learning theory based algorithm which has been applied successfully to a number of regression problems when noise or outliers exist. Unfortunately, the practical application of SVR is limited to defining a set of parameters for obtaining admirable performance by the user. In this paper, a robust learning algorithm based on support SVR and RFCMAC is proposed. The proposed algorithm has both the advantage of SVR, the ability to avoid corruption effects, and the advantage of RFCMAC, the ability to obtain attractive properties of learning performance and to increase accurate approximation. Additionally, particle swarm optimization (PSO) is applied to obtain the best parameters setting for SVR. From simulation results, it shows that the proposed algorithm outperforms other algorithms.     

抽油机井生产过程优化方法的仿真研究

针对有杆泵抽油机井生产过程的特点,在就如何提高效率对有杆泵的数学模型建立及参数优选方法进行了深入的研究,并以产液量为目标函数对抽汲参数及下泵深度采用了模糊 经方法,利用现场数据进行了仿真实验,其结果对于提高产液量系统效率和节能具有重要意义。     

基于混沌粒子群优化核极限学习机的变压器故障诊断方法

为提高电力变压器故障诊断的准确度,提出一种基于核极限学习机(KELM)的变压器故障诊断方法,利用混沌优化改善粒子群算法的全局寻优性能。该方法首先用KELM建立故障诊断模型,再利用改进后的混沌粒子群算法(CPSO)对KELM的参数进行优化。结合油中溶解气体分析法(DGA)获得样本数据,通过实例仿真结果对比分析表明,所用算法具有更高的诊断准确率,提高了变压器故障诊断的可靠性。     

轴向柱塞泵流动特性多尺度自动检测仿真研究

现有的轴向柱塞泵流动特性自动检测方法不能满足用户对流动特性检测准确率、漏检率的要求。为了满足用户的需求提出了一种基于多尺度角点的柱塞泵流动特性自动检测方法,利用求解油液体积弹性的方式获取单柱塞油液特性方程,通过该特性方程完成对单柱塞腔内的流动特性模型的创建,由于实际的柱塞泵有多个柱塞,所以在柱塞泵整体模型中需要利用配流盘过流面积变化引起的节流效果完成配流,控制整个柱塞泵的高低压流量变化。通过创建的柱塞泵整体模型获取轴向柱塞泵角点特性,利用马氏距离获取初始的匹配特性点对集合,根据方差检验找出偏差匹配点对,反复执行这个步骤,直至匹配点对数不再减少,完成对轴向柱塞泵流动特性的多尺度自动检测。实验结果证明,所提方法能够快速、准确的完成对轴向柱塞泵流动特性的检测,并且漏检率要比当前采用的方法相对低一些。     

基于粒子群优化支持向量机的石油需求预测

在能源问题的研究中,石油需求的准确预测对于我国经济管理部门制定石油生产与进口计划、安排相关行业生产计划以及调整产业结构具有非常重要意义。为了实现石油需求准确预测,采用实时准确算法,提出基于粒子群优化支持向量机(PSO-SVM)的石油需求预测方法,PSO-SVM中采用粒子群优化算法优化SVM参数,以获得较优的SVM预测模型。并以我国1990~2007年石油需求数据进行测试与分析,计算实验结果表明,在石油需求预测中,PSO-SVM比BP有着更高的预测精度,为实际需求提供依据。     

基于迁移学习的离心式水泵扬程性能预测

离心式水泵作为工业领域常见的抽水机械,一直有着广泛的应用.然而在其性能指标预测过程中,理论模型难以达到高精度要求,而机器学习模型难以应用于多工况环境.本文提出了一个最小二乘归纳式迁移学习(LSITL)方法,该方法利用离心式水泵扬程性能曲线特征,通过最小二乘方式提取迁移知识,并利用归纳法建立多工况下的迁移模型,再通过最小二乘支持向量机(LSSVM)方法的反向求解实现对离心式水泵的性能预测.本文通过与机理建模方法和传统机器学习方法的对比,表明了本文中方法具有准确性高,适用范围广的优势,可以实际应用到离心式水泵性能指标的预测当中.     

神经网络模糊规则抽取及其应用

从功能的观点出发,提出了一种基于粒子群优化算法的神经网络模糊规则抽取方法。该方法利用所要抽取模糊规则的表达形式,设计了规则的粒子三段表示方式,在粒子群算法优化过程中,采用两种更新方法,即离散化方法和连续化方法。该方法不依赖于具体的网络结构和训练算法,可以方便地应用于各种回归型神经网络。仿真实验表明,该方法可以抽取出保真度较高的符号规则。在实际应用中,采用模糊规则抽取算法,从丙烯腈反应器软测量模型中所得到的规则,提供了一种参数调节的指导性策略。     

石灰窑温度智能控制系统设计

提出了一种石灰窑燃烧室温度智能控制系统的设计方案。该系统以下燃烧室温度为控制目标,以煤气流量为调节对象,通过模糊神经网络动态调整煤气流量设定值,采用粒子群优化算法对模糊神经网络的参数进行寻优,并采用最小二乘支持向量机逆控制系统对煤气流量进行跟踪控制,实现了对石灰窑下燃烧室温度的精确控制。仿真结果表明,该系统响应速度快,稳定性好,具有很好的抗干扰性和鲁棒性。