阀门内漏识别及内漏速率量化技术研究

阀门作为天然气管线的关键部件,若发生内漏会带来经济损失及生产安全隐患。因此,阀门内漏的有效诊断及内漏速率的准确量化具有重大意义。针对复杂背景噪声下内漏诊断效率不高的问题,以内漏信号和非泄漏噪声信号的功率谱密度图作为输入,构建了阀门内漏卷积神经网络(convolutional neural network, CNN)识别模型;针对物理理论及浅层网络模型在多工况阀门内漏数据上存在量化误差大的问题,构建了阀门内漏速率深度信念网络(deep belief network, DBN)量化回归模型,并与支持向量回归机、BP神经网络等模型进行了对比研究。研究结果表明:所构建模型的内漏识别准确率及内漏速率量化平均绝对百分比误差分别为99%和9.101 2,证实了所构建模型的高效性,为阀门内漏诊断与评价开拓了新的研究方向。

煤矿井下车辆乘人防漏识别读卡基站设计

针对煤矿井下乘车人员携带标识卡因车辆移动速度过快、车辆外壳屏蔽等原因造成漏识别,车辆乘人超载不能有效管控存在安全隐患等问题,设计了一种读卡基站;对电源输入增加电磁兼容保护,提高设备抗干扰能力,满足煤矿井下电磁兼容设计等级要求;通过超高频RFID模块识别乘车人员信息,用以区分人员在车内或车外;超宽带UWB模块调整输出发射功率,与车内人员和巷道基站进行直接或间接测距,实时统计车辆内载人数量,避免出现漏识别,辅助井下人员精确定位全矿井覆盖。

注入井套漏识别井口设备研制与应用

基于大庆油田注入井普遍采用可洗井封隔器封隔层位,可对注入井套管反注水,提出了从套管投源找漏,为此研制了注入井套漏识别井口设备。应用该设备已在多口注入井中取得成功,结果表明,该设备具有找漏施工作业时间短、成功率高、节约作业费用等优点。

超临界直流锅炉吹灰系统智能检漏识别及设计优化

为提高电站锅炉受热面的运行安全,通过优化吹灰器控制回路冗余触点,增加触点故障报警和监视,同时在分散控制系统(DCS)增加急退、退超时报警和智能检漏识别等功能,可有效预防吹灰器在运行过程中潜在的风险,防止吹灰器未退到位,内漏损坏锅炉受热面。某660 MW机组通过优化后,运行过程中未发生内漏情况,降低运行和检修人员维护工作强度的同时,保证机组运行安全,提高机组运行经济性。

结合LSTM自编码器与集成学习的井漏智能识别方法

为了解决传统的井漏智能识别模型因井漏样本数量受限导致其识别准确率低的问题,提出了一种长短期记忆(long short-term memory,LSTM)网络与自编码器(auto-encoder,AE)相结合、集成LSTM-AE的井漏智能识别方法。首先,采用正常样本训练多个包含不同隐藏层神经元数目的LSTM-AE模型,利用重构得分筛选出识别效果较好的几个模型作为基识别器;然后,采用集成学习对多个基识别器的识别结果进行加权融合,解决单一模型因对样本局部特征过度学习导致的误报与漏报问题,提高模型的识别准确率。从某油田18口井的钻井数据中选取了6000组正常钻进状态下的立压、出口流量、池体积数据,对集成LSTM-AE模型进行训练和测试,结果表明,提出方法的识别准确率达到了94.7%,优于其他常用的智能模型的识别结果,为井漏识别提供了一种新的技术途径。

一种融合时空相关性特征的高效供水管网漏损识别方法

供水行业的数字化转型,极大推动了数据驱动高效漏损识别方法研究,其已成为供水管网漏损控制领域研究热点。为此,提出一种融合时空相关性特征的高效供水管网漏损识别方法。该方法首先将供水管网压力时序数据与管网拓扑结构相结合来构建供水管网数据图,其蕴含数据的时空相关性特征;其次,通过改进图卷积神经网络和门控循环单元来同时提取数据图的时空相关性特征,进而构建高效供水管网漏损识别方法,实现供水管网漏损的高效识别。试验结果表明,该方法在两个供水管网上的四个评价指标结果均优于基准方法,且其具有94%以上的准确度。这将为供水管网的可持续漏损控制提供有效工具。

基于C#与Python混合编程的钻井溢漏风险智能识别平台

为了提高油气井钻井过程中溢漏风险识别的准确性,降低风险识别对人为经验的依赖,该文综合利用井下随钻测量数据及地面录井数据,提出了基于长短期记忆网络的钻井溢漏风险智能识别方法。利用C#执行效率高、Python利于建立深度学习模型的优势,基于C#与Python混合编程设计开发了钻井溢漏风险智能识别实验系统软件平台。首先,在Python平台下建立基于长短期记忆网络的溢漏风险识别模型,利用溢漏样本数据对识别模型进行训练,优化确定模型参数;再利用C#语言开发溢漏风险智能识别实验系统软件,通过C#调用在Python平台下训练好的长短期记忆网络模型实现对溢漏风险的智能判别。利用现场实测数据对软件的风险识别性能进行的实验测试结果表明,软件能够准确识别溢流和井漏风险,且与钻井现场采用的泥浆池液面监测法相比时间上有所提前。

基于随钻测井资料的井漏位置识别及压井液密度确定

油田勘探开发过程存在不同程度井漏现象。为有效判识漏点位置,实施堵漏作业及实现安全高效钻井,归纳了井漏现象在随钻测井资料的响应特征,提出了通过自然伽马、电阻率、井径、孔隙度等随钻测井资料及时准确识别井漏位置以及计算压井液密度,形成井漏识别及确定压井参数的测井评价技术,为安全钻井提供支持。通过NP8井致密油水平井的实例分析,说明随钻测井资料可以为钻井堵漏和压井作业提供实时、准确、直观、可靠的依据。

基于PSO-LSSVM时序预测模型的管网漏失信号识别

为解决城市供水管网的漏失问题,基于在供水管网各测压点收集的压力数据,构建粒子群(PSO)算法优化LSSVM的时序预测模型来预测压力监测点下一时刻压力值,并提出了城市供水管网漏失识别模型,通过监测点压力值与预测值的残差值是否在阈值范围内来判断管网是否处于正常工况。测试分析结果表明,改进的时序预测模型预测精度较高,可确定各压力监测点阈值,识别管网是否发生漏失事故,为相似工程提供借鉴。

城市供水管网健康监测与诊断(Ⅱ)——既有局部漏损识别方法

城市供水管网是城市最重要的生命线工程,相对于地上结构,地下供水管网具有更高的易损性。由于供水管网多埋于地下,管道的早期破坏难以及时发现。文中在供水管网用户流量预测的基础上,提出了供水管网既有局部漏损识别的一个方法,方法通过假设在管网的不同位置存在不同程度的局部漏损,计算监测点的压力,根据监测点压力的计算值和监测值之间误差最小为目标来识别出局部漏损的位置和程度。文中通过算例分析对方法的有效性进行了验证,并对具体实施中需要注意的几个问题进行了讨论。

城市供水管网健康监测与诊断:Ⅲ.既有局部漏损识别方法之二

城市供水管网是城市最重要的生命线工程,相对于地上结构,地下供水管网具有更高的易损性。由于供水管网多埋于地下,管道的早期破坏难以及时发现。本文提出了既有供水管网局部漏损识别的第2个方法:假设在管网的不同位置存在不同程度的局部漏损,计算监测管段的流量,以监测管段流量的计算值和监测值之间的误差最小为目标来识别出局部漏损的位置和程度。通过算例分析对本文方法的有效性进行了验证,并与既有供水管网局部漏损识别的第1个方法进行了比较。结果表明,本文方法在准确率和分辨率两个方面均优于第1个方法。本文解决了供水管网健康监测和诊断中的一个基本问题。

DKSVD和SVM在钢轨裂纹漏磁识别上的对比研究

针对漏磁检测中漏磁信号识别的问题,引入DKSVD字典学习方法来识别缺陷的种类。将实验采集到的数据制作成有标签的数据集,通过OMP算法和SVD算法迭代的优化字典和稀疏系数,构造出最优字典,再用构造出的字典原子重新组合来表示测试集的数据,判别出测试集样本类别。实验证明字典学习方法能够基于训练集的特征重构漏磁信号,对漏磁信号有良好的识别能力。在不同数据维度下,通过和支持向量机(SVM)算法识别效果进行对比,DKSVD算法取得了更好的效果。

基于双正交样条小波的输油管道焊接缺陷漏磁信号识别技术

针对输油管道焊接缺陷漏磁信号量大,无法精准检测漏磁信号磁场强度,影响识别效果的问题,提出基于双正交样条小波的输油管道焊接缺陷漏磁信号识别技术。应用双正交样条小波技术分解信号,采用稀疏矩阵求解器分解磁感应强度。计算连续小波变换系数和缺陷内漏磁场场磁导率,明确不同介质磁感应强度和场磁导率关系,识别凹、凸缺陷漏磁信号。实验结果表明,该技术凹形缺陷磁场强度检测结果只在峰值处出现了与实际数据最大为50 A/m的偏差,凸形缺陷磁场强度检测结果与实验数据一致。

基于局部自适应阈值与K近邻算法的空气滤芯漏粘识别

空气滤芯产品生产时如果出现漏粘会导致空气直接进入发动机,过滤失效。针对该情况,设计了基于局部自适应阈值与K近邻算法的空气滤芯漏粘识别算法:首先,利用局部自适应阈值分割算法对滤芯图像分割,并通过区域标号算法定位到粘胶亮孔;然后,利用K近邻算法以每个粘胶亮孔为中心,通过该中心亮孔与周围近邻亮孔的灰度相似性,判断中心孔是否为漏粘孔。实验表明所提算法漏粘识别率达到99%,有效提高滤芯产品合格率。

基于红外热成像的LNG接收站关键设施漏冷缺陷智能监测方法

LNG接收站的红外热成像监测具有关键设施体积大、场地情况复杂等特点,对红外热成像的数据清洗、漏冷缺陷识别与定位等提出了更高的要求。运用红外热成像技术对LNG接收站关键设施监测,可以表征设备运行状态与表面温度的对应关系,同时传递LNG接收站关键设施当前的运行信息或故障情况,对LNG场站设施的早期泄漏监测预警具有重要意义。针对红外热成像监测技术在液化天然气(LNG)接收站应用过程中易出现的问题,本文提出融合数据清洗、漏冷缺陷监测及智能识别的LNG接收站关键设施漏冷缺陷智能监测方法。首先建立了基于方向梯度直方图与支持向量机(Histogram of Oriented Gradients,HOG;Support Vector Machine,SVM)相结合的红外热成像监测数据清洗方法,能够准确识别异物闯入镜头视野的视频帧,并标定为异常,减少异常物体对监测过程的干扰,清洗准确率在95%以上。进一步针对LNG接收站关键设施异常数据极少导致异常识别误判和不及时、红外监测易受到周边环境影响的问题,提出了基于卷积神经网络的异常监测方法。经过比对分析,本文提出的方法可以去除边界设置的限制,有效识别人员进入监测画面不同程度的场景,通过学习同类设施的某一设施的异常,从而较为准确的识别出同类设施中另一设施的异常。选取储罐作为研究对象,构建特定的卷积神经网络,通过训练历史数据,进而识别出储罐异常时刻。优势在于在同类设施的不同个体间具有很好的学习性,且识别准确率最高可达99%。

长庆油田多层系精准堵漏技术研究与应用

为保证油气当量的稳步增加,钻井区域在逐年拓展,井漏问题日益凸显,已严重制约着钻井提速增效。单一漏失层位堵漏难题已形成高效的治理手段,但针对长裸眼井段多套易漏层位治理目前无有效手段,因此文章通过对长庆油田漏失层位分析,明确易漏层位的漏失机理;发生漏失后采用以井温法和流量法为主的“多参数”测漏工具,进行长裸眼井段漏失层位识别,明确漏失位置;最后应用研发的高效疏水堵漏工作液进行专项堵漏,形成了一套长庆油田长裸眼多层系精准堵漏技术。多参数测漏工具漏层识别精度±30 m,测漏时间4~6 h,为后续堵漏提供数据支撑;高效疏水堵漏工作液由胶凝材料和惰性材料进行配伍,2 mm缝板承压可达12 MPa,满足高承压堵漏需求。该技术现场应用三口井,均实现一次堵漏成功,为我国非常规油气井钻井勘探中遇到的堵漏难题提供技术借鉴,助力钻井提速增效。

基于多级分区计量传递体系的漏损控制方法研究与应用

供水管网漏损率是目前各水司重点关注的考核指标,本课题小组针对此问题,开展管线节点与用户水表的拓扑关联性研究,重点分析户表、小区总表、分区计量表和总表等的拓扑结构,形成多级传递计量体系。研究基于多级分区计量传递体系的区域降漏目标确定方法、漏点识别和区域定位技术,达到减少管网漏失并降低漏损率的目的。

基于CNN和MFCC的供水管网漏损声信号识别方法

针对供水管网漏损识别效率低和对人工经验依赖性强等问题,基于卷积神经网络(CNN)和梅尔频率倒谱系数(MFCC)提出了一种供水管网漏损声信号识别方法。对噪声记录仪和水音传感器采集的漏损声信号提取MFCC及其一、二阶差分作为漏损声信号特征,得到了包含漏损特征的特征图像,将其输入到CNN模型,通过超参数优化后最终得到了漏损识别模型。结果表明,使用MFCC与MFCC的一阶差分特征参数组合作为输入特征训练模型时的识别效果最好,其测试集准确率达到95.26%,F1分数达到89.22%,具备优良的漏损识别能力。

新型滴灌系统及附属设备的研发与应用

针对泥沙含量高的水源和滴灌系统对水质的要求,设计了新型滴灌系统泥沙分离装置。新型滴灌系统根据灌溉需水量的要求可以适当增减泥沙分离装置的并行组数。基于自适应控制理论,设计了滴灌系统自适应控制器和二级提压滴灌自动供水系统,保证了泥沙分离系统进出口水压稳定,实现了滴灌系统自动调节各级泵流量。由于滴灌管在大量生产过程中检测系统无法立即检测出滴孔漏打的情况,造成滴孔漏打率超标而影响滴灌的灌溉效果,据此开发了滴管生产线滴孔漏打识别系统,从而避免了上述问题的发生。

基于三维可视化技术的播种机结构设计

为了能够直观观察到播种机的作业状态,识别播种机的种子破碎和漏播,并进行补种,设计了基于三维可视化技术的播种机。通过采用三角测量方法对摄像机的图像进行三维重建,实现了精密播种机的实时监控。结合光电传感器装置对播种过程中种子破碎和漏播进行检测,并对该区域进行补种。使用该播种机对玉米和小麦进行了播种试验,结果表明:播种机能够适应不同类别的种子,播种精度和准确率较高,能够满足播种机的性能要求。