基于自由液面预测的非线性液体晃动问题的数值模拟

针对一类矩形贮液箱的非线性晃动问题,提出一种基于有限差分算法的数值模拟方法.该方法首先采用σ变换将流体区域转化为矩形域;然后在时间迭代的过程中,运用自由液面运动学条件的显格式预测出下一时层的自由液面形状,并对边界条件中的非线性项作近似处理,由此得到描述下一时层各状态量的离散线性方程;最后根据数值解来对下一时层的自由液面进行校正.使用该方法计算了自由晃动、受迫晃动和行波3种情况,数值计算结果表明该方法具有良好的收敛性和准确性,能够有效地实现非线性晃动过程.此外,这种预测校正格式能够在保证算法稳定性的前提下,灵活地处理包含运动边界的数学问题.

基于混沌时间序列的潜油柱塞泵动液面预测研究

依托嵌入式计算机系统及自动控制技术,潜油柱塞泵在油田原油生产过程中得到大范围普及应用,这极大地提高了原油的开采效率。潜油柱塞泵的核心是位于井下的潜油直线电机,地面通过计算机控制井下电机的冲次、冲程等运行状态,使其与油井油藏状态相适应,从而在原油生产过程中达到高效、节能的目的。目前潜油柱塞泵的冲次控制方法是建立在动液面时间序列预测和计算的基础上的,本文介绍一种基于混沌时间序列的动液面预测计算方法,并与线性预测方法进行对比分析,最终得到能够满足潜油柱塞泵冲次优化控制的动液面预测方法。本文的研究内容为潜油柱塞泵的计算机控制提供了理论和应用依据。

实时工况仿真场景下蒸汽发生器液面智能预测模型的实现与验证

本文使用基于深度学习方法的长短期记忆(Long Short-Term Memory,LSTM)模型来预测核电站蒸汽发生器的液面工况,以有效地解决蒸汽发生器液面控制过程中的参数预测问题。该模型在SIMULINK环境下,实现并且构建了一个使用传统PID控制器的实时工况验证平台,对其进行功能和性能验证。PID控制回路的反馈信号为LSTM模型提供实时在线的输入更新,从而获得LSTM模型对于液面变化的实时预测结果。通过与传统RNN模型的对比实验证明,LSTM模型所具有的长时间序列数据处理优势对于蒸汽发生器核心参数的预测非常有效而且精准。LSTM模型对液面的预测误差可低至-1.1887×10-4,预测过程的损失值可低至1.4130×10-8。而且实验结果显示,LSTM模型在预测过程中具有较快的收敛能力,可以在更短的时间内输出准确的预测结果,这对于及时而准确地判断蒸汽发生器的工作状况,维持核电站正常运行具有重要意义。利用LSTM模型的快速准确预测能力,还可以在未来对传统的PID控制方法实行智能化改造,提升蒸汽发生器液面控制的快速响应能力。

捞油井液面恢复函数的推导与应用

文章将渗流力学及恢复试井等理论知识与油井现场生产实际有机结合起来,应用理论函数预测油井液面恢复情况,同时将液面预测值与现场捞油实际相对比,修正理论函数,优化油井捞油周期,实现捞油工作高效、科学推进。

基于IBH-LSSVM的混沌时间序列预测及其在抽油井动液面短期预测中的应用

为了提高预测模型的预测精度,模型参数的选取通常转化为目标参数的组合优化问题,但是预测结果经常会受到优化算法参数设置的影响.针对这个问题,本文提出了一种基于改进黑洞算法和最小二乘支持向量机的预测模型,该模型将嵌入维数、延迟时间、正则化参数和核函数参数作为组合优化目标,优化算法不需要额外设定任何主观参数.另外,为了防止模型训练的过拟合,采用基于快速留一法的在线校验方法.通过对寻优机制的改进,该模型具有更好的预测效果.将其应用于抽油井动液面的短期预测中,结果表明所提出的预测模型具有一定的实际应用意义.