基于特征选择的半潜式平台故障信号探究

“蓝鲸2号”第七代深水半潜式钻井平台,其工作环境恶劣且远离港岸,故保障平台的平稳运行和安全是重中之重。该平台电力系统警报信号特征种类众多、特征重要程度模糊,仅利用单分类器方法无法准确划分故障警报信号,因此,引入集成学习算法并结合特征选择技术,提出基于支持向量机递归特征消除(SVM-RFE)的Bagging-AdaBoost分类模型(SRBA),用于解决多特征分类问题。结果显示提出的SRBA集成学习算法综合分类正确率达96%,在分类精度上优于Bag⁃ging、AdaBoost、Bagging-AdaBoost分类器对比模型,该方法具有较高的稳定性和分类准确度,是一种更为有效的分类手段。

基于Unity3D的自升式海洋平台虚拟现实系统

针对海洋工程装备领域石油平台操作培训、安全演训、客户体验等方面存在高风险、高成本等问题,以TAISUN200B自升式海洋平台为基础,采用Unity3D软件和交互式技术,开发了过程工艺模型+仿真控制+三维虚拟操作环境的多用途自升式海洋平台虚拟现实系统。该系统可实现平台漫游、模拟操作、故障处置及安全演练等功能,能够通过规范模型、配置脚本文件进行维护,且交互性好,三维动态能够呈现功能过程,有效降低了开发成本和工作量。

基于混合采样与Stacking集成的半潜式平台警报预测模型

文章旨在基于半潜式平台系统故障警报分类数据集构建故障警报预测模型。采用SMOTE过采样与随机欠采样相结合的混合采样方法对训练集进行采样,实验结果表明,最佳采样率为过采样率0.3、欠采样率0.6,此时随机森林在采样后训练集上采用五折交叉验证训练后得到的AUC得分均值最高。同时说明了该混合采样方法在采用了最佳的采样率后可以较好地改善训练集类别不平衡问题,较大地提高模型的泛化能力。