下载文档原格式
基于人工智能的石化机组故障诊断检测算法目录一、课题概述 (3)1.1 研究背景和意义 (4)1.2 研究目的和内容 (5)1.3 研究方法和技术路线 (6)二、石化机组故障诊断检测算法理论基础 (7)2.1 故障诊断基础理论 (9)2.1.1 故障模式的分类 (10)2.1.2 故障诊断流程概述 (11)2.2 人工智能在故障诊断中的应用 (12)2.2.1 人工智能技术基本概念 (14)2.2.2 人工智能在故障检测中的具体应用 (15)三、故障数据获取与预处理 (16)3.1 故障数据采集 (18)3.1.1 传感器配置和故障特征提取 (19)3.1.2 数据存储与管理 (21)3.2 数据预处理 (22)3.2.1 缺失值处理 (23)3.2.2 数据归一化 (24)3.2.3 特征选择与降维 (25)四、故障诊断算法设计 (27)4.1 基于机器学习的诊断算法 (28)4.1.1 决策树算法 (30)4.1.2 支持向量机算法 (31)4.1.3 神经网络算法 (33)4.2 基于深度学习的诊断算法 (34)4.2.1 卷积神经网络 (36)4.2.2 递归神经网络 (37)4.2.3 长短期记忆网络 (38)4.3 混合算法设计 (39)4.3.1 基于集成学习的混合算法 (41)4.3.2 基于模型融合的混合算法 (42)五、算法性能评估 (43)5.1 性能指标及评估准则 (44)5.2 诊断算法实验设计与结果分析 (45)5.2.1 实验设置和数据集选取 (47)5.2.2 实验结果的对比分析 (48)六、结论与展望 (49)6.1 研究结论 (50)6.2 创新点与不足之处 (51)6.3 未来研究方向 (52)一、课题概述随着现代石化工业的快速发展，生产规模不断扩大，设备数量和复杂度也随之增加。
为了确保石化机组的稳定运行，降低设备故障率，提高生产效率，石化机组故障诊断检测技术的研究具有重要的现实意义。
汽轮机转子典型振动故障诊断模型训练系统郭海峰【摘要】文中基于支持向量机分类理论,运用二叉树算法建立了汽轮机转子典型故障的多分类诊断模型训练系统.通过小波包分析、经验模态分解(EMD)和傅里叶变换(FFT)三种信号处理方法训练出的诊断模型训练系统对测试样本分类的正确率、比较三种训练方法的优劣.【期刊名称】《应用能源技术》【年(卷),期】2016(000)011【总页数】2页(P4-5)【关键词】小波包分析;经验模态分解;傅里叶变换;二叉树算法;支持向量分类机【作者】郭海峰【作者单位】天津国华盘山发电有限责任公司,天津301900【正文语种】中文【中图分类】TK268随着科技的发展，汽轮机不断朝着大型化、高速化和自动化的方向发展。
这些发展在提高生产效率的同时，对设备的安全运行也提出了更严格的要求。
对汽轮机进行振动状态监测与故障诊断，是保证汽轮机安全经济运行的重要途径。
为了进行汽轮机参数检测、质量评价、状态监测和故障诊断等，必须采取有效的振动信号处理方法提取各种特征信息。
因此汽轮机振动信号的处理方法已成为科学研究的热点之一[1]。
振动信号的处理方法很多，典型的现代方法有 Wigner-Ville 分布、谱分析、小波分析、盲源分离、Hilbert-Huang 变换和高阶统计量分析等[2-4]。
其中 Wigner-Ville 分布、小波分析、盲源分离、Hilbert-Huang 变换和高阶统计量分析对非平稳信号都有很好的效果，所以得到了广泛的应用。
文中基于支持向量机分类理论[5-6]，运用二叉树算法建立了汽轮机转子典型故障的多分类诊断模型训练系统。
针对从众多指标中直观地判断汽轮机转子运行状态比较困难的问题，采用以转子振动信号中的半频、工频、二倍频、三倍频、四倍频为故障信号特征的方法，通过小波包分析、经验模态分解(EMD)和傅里叶变换(FFT)三种信号处理方法提取并生成故障特征矩阵作为诊断模型训练系统的输入参数。
Vol. 50 No. 1Feb. 2021第50 1 内燃机与车20212 SMALL INTERNAL COMBUSTION ENGINE AND VEHICLE TECHNIQUE 基于Savitzky-Golay 算法的发动机动态工况燃烧稳定性评价方法李承运 卢维伟 邹明恩 丛日振 赵福成(宁波吉利罗佑发动机零部件有限公司浙江宁波315336)摘 要：重"介绍了一种基于Savitzky-Golay 算法的发动机瞬态工况IMEP(平均指示有效压力)的拟 合方法，并在此基础上提出一种新的燃烧稳定性的评价方法-DIOC ,即Dynamic Index of Combustion ,发动机动态工况燃烧评价指标。
相比传统的评价方法，新方法能够同时对稳态工况和动态工况的燃烧稳定性进行客观评价。
通过试验验证,Savitzky-Golay 算法拟合的动态工况缸压IMEP 曲线能够准确表征瞬态工况下发动机的燃烧变化,具备较强的实用性。
关键词:Savitzky-Golay 算法动态工况拟合燃烧评价发动机中图分类号:TK411+.2文献标识码：A 文章编号:2095-8234(2021)01-0023-05Evaluation Method of Combustion Stability in Engine Dynamic Conditions Based on Savitzky-Golay AlgorithmLI Chengyun; LU Weiwei; ZOU Ming'en; CONG Rizhen; ZHAO FuchengNingbo Geely Royal Engine Components Co., Ltd. (Ningbo, Zhejiang, 315336, China)Abstract : This paper mainly introduces a fitting method of engine transient conditions IMEP (indicatedmean effective pressure) based on Savitzky-Golay algorithm, and based on this, proposes a new combus tion stability evaluation method-DIOC, namely Dynamic Index Of Combustion, combustion evaluation in dex for engine dynamic conditions. Compared with the traditional evaluation methods, the new method canobjectively evaluate the combustion stability in both steady-state and dynamic conditions. It is verified by experiments that the dynamic condition cylinder pressure IMEP curve fitted by Savitzky-Golay algorithmcan accurately characterize the combustion change of the engine under transient conditions, and has strongpracticability.Keywords : Savitzky-Golay algorithm; Dynamic condition; Fitting; Combustion evaluation; Engine引言为应对全球排放法规日益加严，各汽车公司对 传统内燃机的瞬时排放重视程度越来越高，尤其是对发动机起动阶段和暖机阶段的排放更为重视。
物联网技术 2023年 / 第10期1120 引 言油气生产已进入“全数、全息、全智”的时代，物联网、大数据、人工智能技术和采油工程深度融合形成新型的智能化采油技术，使采油气生产全流程可监测（能够监测所有主要设备的状态）、可控制（能够控制所有主要设备的状态）和智能化（可自适应并实现智能分析决策），从而打造更加安全、节能、低碳、经济的采油气生产智能管理系统，提升油气产量和效益[1-2]。
针对传统的油气生产监控系统依托SCADA 系统进行建设，该系统偏向于自动化监视与控制，拓展性相对较差、集成能力偏低，与其他系统无法进行集成交互，导致形成众多系统孤岛，数据之间无法实现联动控制[3]。
当前，油气物联网、云计算和边缘计算的快速发展促进了油气生产数字化转型和智能化发展建设。
针对油田现场生产监控中网络连接时常发生中断的情况、现场生产数据无法回传和实时控制等问题[4]，本文构建了“云-边-端”协同的油气生产物联网系统。
1 “云-边-端”协同的系统平台架构基于“云-端”架构的油气生产物联网系统主要由感知控制层、数据传输层和业务应用层组成[5]，如图1所示。
端侧基于统一的数据模型实现全面感知和信息传递，云端计算负责数据存储、分析和信息反馈。
感知控制层由安装在油气水井、管网、站库等工艺流程上的各种感知设备和控制设备组成，实现对井场前端的全面感知和各种设备的自动控制；传输层由无线传输、光纤等组成的异构网络构成，可实现数据的精准可靠传输；应用层实现油气生产监控、油气集输监控、远程自动计量、生产动态分析、实时工况诊断、生产故障预警、运行参数优化、生产调度指挥等生产过程“实时分析、优化决策、智能控制、主动预警”的智能化 应用。
随着油田数字化转型和智能化建设的不断发展，“云-端”架构也面临如下突出问题：（1）缺乏单井自治和数据缓存机制：油田现场地理位置偏远，生产环境恶劣，导致网络信号时常中断，现场数据不能及时回传和控制；（2）无法实现有效的数据过滤：油气井生产长期处于稳定状态，数据几乎不变，不仅浪费有限的传输链路，同时也会挤占有限的存储空间；（3）无法实现边缘快速计算和实时响应：针对现场数据采集、数据解析、格式转换、治理分析、数据传输、参数调控的业务逻辑要求实时性较高，特别是异常状况下的保护性停机等，很难满足实时性需求。
收稿日期：２０２２－０２－１６引用格式：王欢，尚云斌，江春茂，等．ＣＧ ０２风洞螺旋桨动力性能测试数据采集系统［Ｊ］．测控技术，２０２３，４２（３）：９３－９８．ＷＡＮＧＨ，ＳＨＡＮＧＹＢ，ＪＩＡＮＧＣＭ，ｅｔａｌ．ＤａｔａＡｃｑｕｉｓｉｔｉｏｎＳｙｓｔｅｍｆｏｒＰｒｏｐｅｌｌｅｒＤｙｎａｍｉｃＰｅｒｆｏｒｍａｎｃｅＴｅｓｔＢａｓｅｄｏｎＣＧ ０２ＷｉｎｄＴｕｎｎｅｌ［Ｊ］．Ｍｅａｓｕｒｅｍｅｎｔ＆ＣｏｎｔｒｏｌＴｅｃｈｎｏｌｏｇｙ，２０２３，４２（３）：９３－９８．ＣＧ ０２风洞螺旋桨动力性能测试数据采集系统王 欢，尚云斌，江春茂，薛 栋，于卫青，袁先士（西安现代控制技术研究所，陕西西安 ７１００６５）摘要：针对某便携式巡飞弹的螺旋桨动力性能测试的风洞试验数据采集需求，基于ＣＧ ０２风洞进行了数据采集系统的设计。
数据采集系统采用分布式结构，硬件基于ＰＸＩ总线和工业以太网搭建。
软件采用模块化设计思想，基于ＬａｂＶＩＥＷ图形化编程语言对不同功能模块进行开发，实现了气动力信号和转速信号的同步采集。
对试验中的信号抗干扰技术和转速测量技术进行了研究，提出了软、硬件滤波相结合的信号抗干扰方法和基于Ｋ ｍｅａｎｓ聚类的螺旋桨转速测量方法。
使用本数据采集系统开展测试试验，结果表明系统满足试验要求。
关键词：巡飞弹；螺旋桨；风洞试验；数据采集系统；转速测量中图分类号：Ｖ２１１．７２ 文献标志码：Ａ 文章编号：１０００－８８２９（２０２３）０３－００９３－０６ｄｏｉ：１０．１９７０８／ｊ．ｃｋｊｓ．２０２２．０５．２６３ＤａｔａＡｃｑｕｉｓｉｔｉｏｎＳｙｓｔｅｍｆｏｒＰｒｏｐｅｌｌｅｒＤｙｎａｍｉｃＰｅｒｆｏｒｍａｎｃｅＴｅｓｔＢａｓｅｄｏｎＣＧ ０２ＷｉｎｄＴｕｎｎｅｌＷＡＮＧＨｕａｎ牞ＳＨＡＮＧＹｕｎ ｂｉｎ牞ＪＩＡＮＧＣｈｕｎ ｍａｏ牞ＸＵＥＤｏｎｇ牞ＹＵＷｅｉ ｑｉｎｇ牞ＹＵＡＮＸｉａｎ ｓｈｉ牗Ｘｉ ａｎＭｏｄｅｒｎＣｏｎｔｒｏｌＴｅｃｈｎｏｌｏｇｙＩｎｓｔｉｔｕｔｅ牞Ｘｉ ａｎ７１００６５牞Ｃｈｉｎａ牘Ａｂｓｔｒａｃｔ牶Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｒｅｑｕｉｒｅｍｅｎｔｓｏｆｗｉｎｄｔｕｎｎｅｌｔｅｓｔｄａｔａａｃｑｕｉｓｉｔｉｏｎｆｏｒｐｒｏｐｅｌｌｅｒｄｙｎａｍｉｃｐｅｒｆｏｒｍａｎｃｅｔｅｓｔｏｆａｐｏｒｔａｂｌｅｃｒｕｉｓｅｍｉｓｓｉｌｅ牞ａｄａｔａａｃｑｕｉｓｉｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎＣＧ ０２ｗｉｎｄｔｕｎｎｅｌｉｓｄｅｓｉｇｎｅｄ．Ｉｔａｄｏｐｔｓｄｉｓｔｒｉｂｕｔｅｄｓｔｒｕｃｔｕｒｅ牞ａｎｄｔｈｅｈａｒｄｗａｒｅｉｓｂｕｉｌｔｂａｓｅｄｏｎＰＸＩｂｕｓａｎｄｉｎｄｕｓｔｒｉａｌＥｔｈｅｒｎｅｔ牞ｔｈｅｓｏｆｔｗａｒｅａｄｏｐｔｓｔｈｅｉｄｅａｏｆｍｏｄｕｌａｒｄｅｓｉｇｎ牞ｄｉｆｆｅｒｅｎｔｆｕｎｃｔｉｏｎａｌｍｏｄｕｌｅｓｂａｓｅｄｏｎＬａｂＶＩＥＷｇｒａｐｈｉｃａｌｐｒｏｇｒａｍｍｉｎｇｌａｎｇｕａｇｅａｒｅｄｅｖｅｌｏｐｅｄ牞ａｎｄｔｈｅｓｙｎｃｈｒｏｎｏｕｓａｃｑｕｉｓｉｔｉｏｎｏｆａｅｒｏｄｙｎａｍｉｃｓｉｇｎａｌａｎｄｓｐｅｅｄｓｉｇｎａｌｉｓｒｅａｌｉｚｅｄ．Ｔｈｅｓｉｇｎａｌａｎｔｉ ｉｎｔｅｒｆｅｒｅｎｃｅｔｅｃｈｎｏｌｏｇｙａｎｄｓｐｅｅｄｉｄｅｎｔｉｆｉｃａｔｉｏｎｔｅｃｈｎｏｌｏｇｙｉｎｔｈｅｔｅｓｔａｒｅｓｔｕｄｉｅｄ．Ｔｈｅｓｉｇｎａｌａｎｔｉ ｉｎｔｅｒｆｅｒ ｅｎｃｅｍｅｔｈｏｄｂａｓｅｄｏｎｈａｒｄｗａｒｅｆｉｌｔｅｒｉｎｇａｎｄｓｏｆｔｗａｒｅｆｉｌｔｅｒｉｎｇａｎｄｔｈｅｐｒｏｐｅｌｌｅｒｓｐｅｅｄｍｅａｓｕｒｅｍｅｎｔｍｅｔｈｏｄｂａｓｅｄｏｎＫ ｍｅａｎｓｃｌｕｓｔｅｒｉｎｇａｒｅｐｒｏｐｏｓｅｄｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｄａｔａａｃｑｕｉｓｉｔｉｏｎｓｙｓｔｅｍｍｅｅｔｓｔｈｅｔｅｓｔｒｅｑｕｉｒｅｍｅｎｔｓ．Ｋｅｙｗｏｒｄｓ牶ｃｒｕｉｓｅｍｉｓｓｉｌｅ牷ｐｒｏｐｅｌｌｅｒ牷ｗｉｎｄｔｕｎｎｅｌｔｅｓｔ牷ｄａｔａａｃｑｕｉｓｉｔｉｏｎｓｙｓｔｅｍ牷ｒｏｔａｔｉｏｎａｌｓｐｅｅｄｍｅａｓｕｒｅｍｅｎｔ巡飞弹作为一种结合了先进无人飞行器技术和巡航导弹技术的新型智能化弹药，具备超视距实时侦察、毁伤评估和对遮蔽目标、活动目标以及时敏目标进行精确打击的能力，是世界各国广泛关注、竞相发展的军事装备。
现代电子技术Modern Electronics TechniqueSep. 2023Vol. 46 No. 182023年9月15日第46卷第18期0 引 言灰茶尺蠖是危害我国茶叶的主要害虫之一[1]。
由于其繁殖力强，年发生世代数多，易产生抗性，严重影响茶叶的产量与品质，造成严重经济损失[2‐3]。
国家“十三五”期间提出的“双减”目标是农药减量25%，因此有害生物综合治理（IPM ）是当下茶园害虫防治的要求。
病虫害的预测预报，特别是针对具体地块具体害虫的实时动态监测，是准确制定害虫防治策略、提高防治效果的重要依据。
对灰茶尺蠖的预测预报通常采用诱集成虫技术DOI ：10.16652/j.issn.1004‐373x.2023.18.027引用格式：胡锦召，陈华才，季慧华，等.基于红外传感器的灰茶尺蠖智能监测装置的设计[J].现代电子技术，2023，46（18）：157‐161.基于红外传感器的灰茶尺蠖智能监测装置的设计胡锦召1， 陈华才1， 季慧华2， 边 磊3（1.中国计量大学 光学与电子科技学院， 浙江 杭州 310018； 2.杭州益昊农业科技有限公司， 浙江 杭州 310018；3.中国农业科学院茶叶研究所， 浙江 杭州 310008）摘 要： 针对灰茶尺蠖田间监测存在的统计害虫数量不完全、监测难度大等问题，文中将红外传感器技术、计算机技术和高压电源电击技术相结合，研制一种灰茶尺蠖智能监测系统，研究灰茶尺蠖成虫在茶园的发生动态，实现对灰茶尺蠖成虫田间种群动态的实时监测。
提出一种基于红外计数的灰茶尺蠖智能监测装置及平台设计方案，完成单片机主控模块、电源电路模块、高压网电源控制模块、红外传感器监测模块等的设计。
田间测试结果表明：高压电源电流阈值设置为80 mA ，能防止雨滴、树叶等外在因素造成的计数误差；虫情监测装置对灰茶尺蠖的监测准确率为98.2%，可实时监测田间灰茶尺蠖的种群密度变化趋势。
典型案例生物质气化监测项目⏹项目简介项目业主主营业务为生物质气化技术的研发、应用，生物质发电、热力供应。
该公司目前经营管理的生物质气化再燃发电工业示范项目，是国内首家燃煤电站锅炉秸秆气化再燃系统工业示范项目，该项目形成了生物质——电能——化工循环产业，将国内生物质循环流化床气化炉处理能力提高了一倍，开创了将生物质气化——再燃发电技术运用到现代大型火力发电机组的先河。
⏹项目需求项目以发电厂7号机组（640MW燃煤机组）为发电机组，建设了一套大型生物质高速循环流化床气化装置，采用稻壳、秸秆等废弃农作物进行生物质气化生产煤气，送入现有大型火电机组锅炉燃烧，进行生物质气化再燃发电，渣质作为生产有机肥料的原料综合利用。
煤气生产过程中采用我司在线气体分析系统连续在线自动化监测煤气成分及热值，以及CO、CO2、CH4、C n H m、H2、O2等气体的体积浓度。
远程监测锅炉运行情况，改进生产工艺，提升煤气质量及产量，保证项目现场安全生产。
项目现场02产品原型⏹产品特性⏹主要参数测量组分CO/CO 2/CH 4/C n H m （C 2H 2、C 2H 4、C 2H 6）/H 2/O 2/热值（组分可选）测量原理CO/CO 2/CH 4/C n H m :NDIR；H 2:TCD；O 2:ECD/顺磁(可选)测量范围CO/CO 2/CH 4/H 2:(0~100)%；C n H m :(0~10)%；O 2:(0~25)%精度NDIR:±1%FS，TCD:±2%FS，ECD:±2%FS，顺磁:±1%FS 分辨率0.01%防爆等级Exd II CT6✓可根据不同焦油含量选择直管或蒸汽取样探头，有效去除样气中的焦油；配置单级制冷器去除样气中的水分，实现两级过滤，确保系统长期稳定运行。
✓连续在线监测，具备远程诊断功能，无需人工值守，降低维护、运行成本。
✓同时测量多组分气体浓度，准确测量CH 4和C n H m （C 2H 2、C 2H 4、C 2H 6）气体浓度并自动计算热值。
◀油气人工智能▶基于改进贝叶斯算法的黏滑振动等级评估研究∗邓杨林1,2㊀李玉梅1,2㊀张涛1,2㊀郭鹤3㊀石广远3㊀陈学勇3(1.北京信息科技大学高动态导航技术北京市重点实验室㊀2.现代测控技术教育部重点实验室3.中国石油天然气股份有限公司华北油田公司第三采油厂)邓杨林,李玉梅,张涛,等.基于改进贝叶斯算法的黏滑振动等级评估研究[J ].石油机械,2023,51(11):27-33.Deng Yanglin ,Li Yumei ,Zhang Tao ,et al.Evaluation of stick-slip vibration grade based on improved Bayesian algo-rithm [J ].China Petroleum Machinery ,2023,51(11):27-33.摘要:黏滑振动会导致钻井效率降低,是影响钻头和井下工具寿命的重要因素㊂为了评估黏滑振动严重程度,通过对井下近钻头测量参数与地面录井参数的综合分析,得到了衡量黏滑振动等级指标㊂通过对近钻头测量参数进行时频域分析,采用主成分分析法(PCA ),建立了一种基于差分演化算法的属性加权朴素贝叶斯(DE-AWNB )改进模型,在朴素贝叶斯分类算法中加入属性权重,通过属性加权法估计后验概率,利用差分演化算法寻找最优权重属性㊂试验结果表明,DE-AWNB 算法的分类精度可达92.38%,收敛时间可达4.95s ㊂改进贝叶斯算法在黏滑振动等级评估工程应用上明显优于传统贝叶斯算法㊁随机森林法和遗传算法属性加权朴素贝叶斯(GA-AWNB )算法㊂将该模型应用于实际钻井工程,能够有效提高黏滑振动识别水平,提高钻井效率㊂关键词:黏滑振动;等级评估;差分演化算法;属性加权朴素贝叶斯;时频域分析;近钻头中图分类号:TE921㊀文献标识码:A㊀DOI:10.16082/ki.issn.1001-4578.2023.11.004Evaluation of Stick-Slip Vibration Grade Based on Improved Bayesian AlgorithmDeng Yanglin 1,2㊀Li Yumei 1,2㊀Zhang Tao 1,2㊀Guo He 3㊀Shi Guangyuan 3㊀Chen Xueyong 3(1.Beijing Key Laboratory of High Dynamic Navigation Technology ,Beijing Information Science &Technology University ;2.KeyLaboratory of Modern Measurement &Control Technology ,Ministry of Education ;3.No.3Oil Production Plant ,PetroChina HuabeiOilfield Company )Abstract :Stick-slip vibration is an important factor affecting the service life of drill bits and downhole tools,which will leading to a decrease in drilling efficiency.In order to evaluate the severity of stick-slip vibration,anintegrated analysis was conducted on the downhole near-bit measuring parameters and the surface mud logging pa-rameters to obtain indicators for measuring the stick-slip vibration grade.By means of conducting time-frequency domain analysis on near-bit measuring parameters,the principal component analysis (PCA)was used to build an improved differential evolution algorithm based attribute weighted naive Bayes model (DE-AWNB );attributeweights were added to the naive Bayes classification algorithm,the attribute weighting method was used to estimatethe posterior probability,and the differential evolution algorithm was used to find the optimal weight attribute.Thetest results show that the classification accuracy of the DE-AWNB algorithm can reach 92.38%,and the conver-72 ㊀2023年㊀第51卷㊀第11期石㊀油㊀机㊀械CHINA PETROLEUM MACHINERY㊀㊀㊀∗基金项目:国家自然科学基金重大科研仪器项目 钻井复杂工况井下实时智能识别系统研制 (52227804);国家自然科学基金面上项目 底部钻具高频扭转振动响应机理及识别方法研究 (52274003);国家自然科学基金青年基金项目 干热岩储层双重介质射孔簇内复杂多裂缝起裂及扩展机理研究 (52104001);北京市教育委员会科学研究计划项目(KM202111232004)㊂gence time can reach4.95s;the improved Bayes algorithm is apparently superior to traditional NB,RF and ge-netic algorithm attribute weighted naive Bayes(GA-AWNB)algorithms in the evaluation of stick-slip vibration grade.Application of this model to actual drilling engineering can effectively improve the stick-slip vibration recog-nition level and improve the drilling efficiency.Keywords:stick-slip vibration;grade evaluation;differential evolution algorithm;attribute weighted naive Bayes;time-frequency domain analysis;near-bit0㊀引㊀言钻柱振动是限制钻井性能的频繁且持久的因素㊂钻柱振动可分为轴向振动(垂直)㊁横向振动(旋转)和扭转振动(黏滑)㊂据统计,每年40%的钻井深度会受到钻井振动的影响[1-3]㊂例如轴向振动时钻头反弹㊁横向振动时向前或向后旋转㊁扭转振动时会黏滑㊂严重的黏滑振动可能会导致井下工具的潜在损坏,轻微的黏滑振动会显著减慢钻井进度[4]㊂国内外学者对井下振动的研究越来越多,这对钻井技术研究具有重要的工程价值㊂振动建模和监测是一个复杂的过程,需要理想的条件,但是在实际钻井过程中,这些理想条件不能适用于不同的BHA(井底钻具组合)㊁油藏㊁地质和地层[5-6]㊂随着井下测量工具技术的发展,利用井下钻井数据,使用数据驱动模型来监测钻柱变得可取㊂C.HEGDE等[7]提出了一种利用钻井作业参数对基于振动的度量进行分类的新方法 黏滑指数(I SS),然后使用机器学习算法对I SS的严重程度进行分类㊂该模型可与ROP优化模型结合使用,在提高ROP的同时控制钻井振动㊂T.BAUM-GARTNER等[8]建立了一个简单的动力学模型,研究了旋转和黏滑振动情况下的高频加速度测量输出,并使用基于贝叶斯分类算法,从高频振动数据中提取和分析特征以进行黏滑振动识别㊂唐翰文等[9-12]针对近钻头黏滑数据时频域分析,提取主要特征向量,建立了基于优化XGBoost的黏滑振动等级识别分类模型㊂陈冲等[13]为评估钻柱黏滑振动的严重程度,提出了一种基于因子分析(FA)与支持向量机(SVM)的黏滑振动风险评估方法㊂受限于高精尖井下随钻测量工具以及测量参数的影响,目前关于黏滑振动分析大多数基于地面数据进行㊂虽然地面测量通常以1~10Hz的频率采样,但是它们通常以0.2~1.0Hz比较低的速率存储和传输,导致大多数井下功能障碍无法被发现和检测[14]㊂本文针对黏滑振动严重等级评估问题,提出了一种DE_AWNB(基于差分演化算法的加权朴素贝叶斯分类算法)改进模型㊂主要是通过采用新型井下近钻头多功能参数高频测量短节,采集井下振动数据㊂并将属性加权朴素贝叶斯法和差分演化算法相结合,在DE-AWNB中,每个属性都会随机分配到一个权重,利用DE算法进行权重寻优,迭代得到最优权重组合㊂通过将高频振动数据与该算法的结合,可有效解决上述问题㊂1㊀黏滑振动分级原理黏滑是一种旋转速度周期性变化的扭转振动㊂在黏滑严重的情况下,钻头可能完全停止,然后速度上升到原来的几倍,然后减速,再停止旋转㊂造成黏滑的原因是,管柱的扭转强度过低,无法克服切削齿与地层㊁稳定器与井壁之间的摩擦力㊂在黏滞循环期间,尽管地面输入恒定的转速,钻头依然会停止旋转,然后钻柱向上弯曲,直至施加到足够的扭转力来克服摩擦力,从而形成滑移循环[15]㊂通过在井下使用加速度计测量振动,3个加速度计沿工具中轴线以相互正交的方式安装,X轴传感器测量轴向冲击,Y和Z轴传感器测量正交方向上的横向冲击㊂黏滑是一种明显的低频现象,其周期从1~10s不等㊂三轴加速度计测得的加速度会有周期性和间接性波动㊂图1是新疆油田某井段发生严重黏滑时实测到的三轴加速度数据㊂图1㊀严重黏滑时转速、加速度变化曲线Fig.1㊀ROP and acceleration variationcurves at the time of severe stick slip图1中g为重力加速度,m/s2㊂图1所示黏滑82 ㊀㊀㊀石㊀油㊀机㊀械2023年㊀第51卷㊀第11期周期约为9s,在转速上升时,典型的旋转模式出现㊂位置②这个过程为滑脱阶段,持续时间约为6s;且达到一定速度时,波动幅度较低,并在低转速的滑移循环结束时再次增加㊂位置①这个过程为黏滞阶段,持续时间约为3s,同时发现三轴加速度带有同步的周期波动,且通过对比可以发现,黏滑过程中径向加速度远高于切向加速度,这种情况在整个黏滑振动中都有发生㊂图2显示的是正常钻进时的转速㊁三轴加速度曲线㊂与图1相比较,图2中的转速㊁三轴加速度没有出现周期性波动,且转速㊁三轴加速度的幅值较小㊂图2㊀正常钻进时转速㊁加速度变化曲线Fig.2㊀ROP and acceleration variation curves in normal drilling评价扭转振动对钻柱影响的常用指标是黏滑指数(I SS )[15-16],该指数可以使用井下测量工程参数和地面参数计算㊂I SS=ωmax -ωminωavg(1)式中:ωmax ㊁ωmin 和ωavg 分别为钻头最大㊁最小及平均转速,r /min㊂其中,钻头最大㊁最小转速可根据实测数据得出,平均转速为井场提供的地面平均转盘转速㊂在本次试验中,钻头平均转速取75r /min㊂当I SS <1时,表明钻头总是向右转动,而在I SS =1时,达到完全黏滑的条件,钻头周期性停止转动片刻㊂I SS 值越高,钻头停止转动的卡滞时间越长㊂E-.W.ROBNETT 等[17]利用转速的变化来确定黏滑的发生率和严重程度,黏滑振动划分为4个等级,如表1所示㊂表1㊀黏滑振动等级标准㊀㊀根据上述黏滑振动分级原理,对实测数据进行I SS 计算,结果如图3所示㊂通过手动标签之后,就可以通过机器学习算法进行黏滑振动等级评估㊂图3㊀I SS 指标图Fig.3㊀I SS indicator chart2㊀算法原理2.1㊀朴素贝叶斯算法朴素贝叶斯算法是一种以贝叶斯算法为基础,基于概率的分类算法㊂朴素贝叶斯算法假设各个特征之间相互独立,即一个特征的取值不会影响另一个特征的取值㊂假设一个数据集X ={x 1,x 2, ,x n },且每个样本中都包含n 维特征,即x ={a 1,a 2, ,a n }㊂假定有m 个种类,分别用C 1,C 2, ,C m 表示,根据贝叶斯定理,可得到x 属于C m 类别的概率为:P (C i |x )=P (x |C i )P (C i )P (x )(2)式中:P (C i )为属于类别C i 的概率;C i 为x 的所属类别;P (C i |x )为在x 发生的条件下属于C i 类别的概率,被称为后验概率;P (x )为事件x 的先验概率㊂由于各个维度的特征属性相互独立,在此条件上,条件概率可以转化为:P (x |C i )=ᵑnk =1P (a k |C i )(3)式中:P (a k |C i )为类别C i 中包含特征a k 的概率㊂于是,朴素贝叶斯分类器可表示为:V NB (X )=arg c ɪCmax P (C )ᵑnk =1P wi (a k |C )()(4)式中:P (C )为C 类发生的概率;a k 为第k 个属性的值㊂92 2023年㊀第51卷㊀第11期邓杨林,等:基于改进贝叶斯算法的黏滑振动等级评估研究㊀㊀㊀2.2㊀属性加权朴素贝叶斯算法传统的朴素贝叶斯分类器的前提是各个特征之间相互独立,即条件独立性假设㊂然而现实中,事件与事件之间或多或少存在一定的关联性,对属性之间关联性强的来说,朴素贝叶斯分类的效果会受到巨大的影响㊂属性加权针对每个属性对不同类别的影响程度不同,赋予每个属性不同的权重,改变每个属性的条件概率,缓解条件独立假设带来的影响,以此来提高分类准确率㊂对于给定的数据x ={a 1,a 2, ,a n },可以用下面的公式来预测其类别:V WNB (X )=arg c ɪCmax P (C n )ᵑnk =1P wi (a k |C n )()(5)式中:w i 代表类属性的权重,且权重范围为[0,1];c 为所属于的类别㊂2.3㊀差分演化算法差分演化算法(Differential Evolution Algo-rithm,DE)是一种基于群体的启发式搜索优化算法㊂它的基本思想是通过以群体演化为基础,经过个体与个体之间的 自然选择 ,经过多次迭代从而形成群体,使群体繁衍出更优的群体,从而收敛到最优解㊂基本操作流程包括:初始化㊁变异㊁交叉㊁选择㊂初始化:建立一个初始种群,由N P 个个体组成,每个个体都有D 维向量可表示解决问题的个体参数,以及一个个体的适应度值㊂{X i (0)|x L i ,j ɤx i ,j (0)ɤx Ui ,j ;i =1,2, ,N P ;j =1,2, ,D }(6)式中:X i (0)是第i 个个体;j 表示第j 维㊂x i ,j (0)=x L i ,j +rand(0,1)(x U i ,j -x L i ,j )(7)式中:x L i ,j 和x Ui ,j 分别表示第j 维的下界和上界;rand (0,1)表示区间[0,1]上的随机数㊂变异:对新一代的个体进行变异操作,以提高个体的多样性,从而增强搜索能力,以期达到最优解㊂V i (g +1)=X r 1(g )+F (X r 2(g )-X r 3(g ))(8)式中:r 1㊁r 2和r 3是3个随机数,区间为[1,N P ];F 称为缩放因子,是一个常数;g 表示第g 代㊂交叉:根据每个个体的适应度值,选择出适应度较高的个体,并进行交叉操作,生成新一代个体㊂U i ,j (g +1)=V i ,j (g +1)㊀if rand(0,1)ɤC Rx i ,j (g )㊀㊀㊀otherwise{(9)式中:C R 为交叉概率,通过概率的方式随机产生新的个体㊂选择:从种群中选择出某些满足一定条件的个体,从而保证种群能够向最优解发展㊂X i (g +1)=U i (g +1)㊀if f (U i (g +1))ɤf (X i (g ))X i (g ){(10)3㊀试验测试3.1㊀数据预处理本研究选取了一组在新疆富满油田某井段实钻作业中记录的现场数据,测量工具累计工作23h,采样频率为400Hz㊂数据集混合不同程度的黏滑振动数据㊂首先,将井下数据集划分为相同长度的时间窗口,从每个时间窗口自动提取特征㊂由图1可知,黏滑振动的周期约为9s,所以设置时间窗口为9s㊂然后,通过I SS 评价指标计算,将其手动分类为正常钻进㊁扭转振动㊁完全黏滑及极端黏滑4种等级㊂最终得到的数据集包含了上述300组9s窗口,每组含有3600个三轴振动测量数据点㊂由于黏滑被高频事件覆盖,通过移动平均滤波器对数据集进行去噪㊂对每组时间窗口内的数据进行特征提取,主要操作有:时域分析,提取最大值㊁最小值㊁方差㊁标准差㊁均值㊁峰差等15类时域特征;频域分析,对每一个时间窗口进行快速傅里叶变换(FFT),得到5个频域特征,包括均方频率㊁频率方差㊁频率标准差㊁均方根频率㊁重心频率;再通过主成分分析(PCA)对特征向量进行降维,以最少的数据维度来充分解释原数据信息㊂最终得到各个主成分方差解释率以及解释率的变化曲线,如图4所示㊂图4㊀主成分方差解释率以及解释率的变化Fig.4㊀Principal component variance contributionrate and changes in contribution rate表2为方差解释,主要是看主成分对于解释变03 ㊀㊀㊀石㊀油㊀机㊀械2023年㊀第51卷㊀第11期量的贡献率㊂一般情况下,方差解释率越高,说明该主成分越重要,权重占比也越高㊂由表2可知,前面8个主成分累计解释率达到了90.849%(一般情况下大于90%即可),说明使用前8个主成分就能够很好地对黏滑振动等级进行评估㊂表2㊀方差解释率3.2㊀建立DE-AWNB 算法模型在传统的贝叶斯算法中,假设每个条件相互独立㊁互不影响,认为每个属性的重要性一样㊂在本文中,对传统的NB (朴素贝叶斯)算法模型进行了优化,根据每个特征的重要性赋予不同的权重,通过差分演化算法去寻找最优权重,如图5所示㊂图5㊀DE-AWNB 获取权重结构示意图Fig.5㊀Schematic structure of obtaining weight by DE-AWNB将DE 属性加权应用于NB,得到差分演化算法属性加权朴素贝叶斯(DE-AWNB)模型,整体工作流程见图6㊂将300组数据集划分为训练集和测试集,采用3重交叉验证方法对数据集进行分类㊂可将数据集分为3组,每组数据中训练集与测试集的比例为6ʒ4㊂图6㊀DE-AWNB 整体优化过程Fig.6㊀Overall optimization process of DE-AWNB㊀㊀详细的DE-AWNB 算法过程描述如表3所示㊂3.3㊀评估结果表4给出了DE-AWNB 模型的评价指标:混淆矩阵㊁TP (真阳性率)㊁FP (假阳性率)㊁Preci-sion (精准率)㊁Recall (召回率)㊁F-Measure (F 1评分)㊂这些指标基于一个混淆矩阵,当使用分类模型来预测测试数据的类别时,总共有4种可能(假设这2个类别是真和假):分类器预测为真,它实际上是真,为真阳性(TP );分类器预测为真,但实际为假,为假阳性(FP);分类器预测为假,它实际上是假的,为真阴性(TN);分类器预测为假,而它实际上是真的,为假阴性(FN)㊂由表4可知,模型的精准率在86%以上,召回率在79%以上,F 1得分整体高于83%,整体模型的平均准确率达到了92.38%㊂通过分析发现,模型识别完全黏滑类别时,效果较差,容易被分类为极端黏滑,这可能是极端黏滑振动引起数据的剧烈波动,进而造成的计算误差㊂以上结果表明,该模型具有较高的精确度,可以有效地进行黏滑振动等级识别㊂为了证明DE-AWNB 模型在黏滑振动等级评估的优越性,本文使用遗传算法优化属性加权朴素贝叶斯(GA-AWNB)㊁朴素贝叶斯算法(NB)㊁随机森林(RF)进行对比分析,结果如图7所示㊂13 2023年㊀第51卷㊀第11期邓杨林,等:基于改进贝叶斯算法的黏滑振动等级评估研究㊀㊀㊀表3㊀基于差分演化算法的属性加权算法框架表4㊀DE-AWNB模型的评价指标㊀㊀图7进一步证明了DE-AWNB模型在收敛时间㊁整体准确率上优于其他算法㊂因此,DE-AWNB模型在实际钻井中更适合用于井下黏滑评估㊂图7㊀模型评价对比图Fig.7㊀Evaluation comparison of models4㊀结㊀论(1)通过井下近钻头测量参数与地面录井参数的结合,分析得到了衡量黏滑振动的等级指标I SS,并作为机器学习多分类的标签㊂(2)针对朴素贝叶斯算法独立条件的局限性,在朴素贝叶斯分类公式中加入了属性权重,并通过差分演化算法寻找最优权重属性,提出了一种更高效的差分演化属性加权朴素贝叶斯(DE-AWNB)改进模型㊂(3)将DE-AWNB模型与GA-AWNB㊁NB㊁RF模型进行对比,通过模型评价指标,发现DE-AWNB优化模型平均准确率可达92.38%,运算时间可达4.95s,整体明显优于其他算法㊂(4)将该模型应用于实际钻井工程,能够有效提高识别黏滑振动水平,有利于采取及时有效的纠正措施,以提高机械钻速,延长钻头和井下工具的寿命㊂参㊀考㊀文㊀献[1]㊀RAHMAN N A,MOHAIDEEN A,BAKAR F H,etal.Solving stick-slip dilemma:dynamic modeling sys-tem significantly reduces vibration,increases ROP by54%[C]ʊAbu Dhabi International Petroleum Confer-ence and Exhibition.Abu Dhabi,UAE:SPE,2012:SPE161155-MS.[2]㊀伍喆.钻柱扭转振动特性研究及钻井参数优化[D].北京:中国石油大学(北京),2022.23 ㊀㊀㊀石㊀油㊀机㊀械2023年㊀第51卷㊀第11期WU Z.Research on torsional vibration characteristics ofdrill string and optimization of drilling parameters[D].Beijing:China University of Petroleum(Bei-jing),2022.[3]㊀HOHL A,KULKE V,KUECK A,et al.The Natureof the interaction between stick/slip and high-frequencytorsional oscillations[C]ʊIADC/SPE InternationalDrilling Conference and Exhibition.Galveston,Texas,USA:SPE,2020:SPE199642-MS.[4]㊀GUPTA S,CHATAR C,CELAYA J R.Machinelearning lessons learnt in stick-slip prediction[C]ʊAbu Dhabi International Petroleum Exhibition&Confer-ence.Abu Dhabi,UAE:SPE,2019:SPE197584-MS.[5]㊀ERTAS D,BAILEY J R,WANG L,et al.Drillstringmechanics model for surveillance,root cause analysis,and mitigation of torsional and axial vibrations[C]ʊSPE/IADC Drilling Conference.Amsterdam,TheNetherlands:SPE,2013:SPE163420-MS. [6]㊀DYKSTRA M W,NEUBERT M,HANSON J M,etal.Improving drilling performance by applying ad-vanced dynamics models[C]ʊSPE/IADC DrillingConference.Amsterdam,Netherlands:SPE,2001:SPE67697-MS.[7]㊀HEGDE C,MILLWATER H,GRAY K.Classificationof drilling stick slip severity using machine learning[J].Journal of Petroleum Science and Engineering,2019,179:1023-1036.[8]㊀BAUMGARTNER T,VAN OORT E.Pure and coupleddrill string vibration pattern recognition in high frequen-cy downhole data[C]ʊSPE Annual Technical Confer-ence and Exhibition.Amsterdam,The Netherlands:SPE,2014:SPE170955-MS.[9]㊀唐翰文,张涛,李玉梅,等.基于优化XGBoost的近钻头黏滑振动等级评估方法[J].系统仿真学报,2021,33(11):2704-2710.TANG H W,ZHANG T,LI Y M,et al.Research onstick-slip vibration level estimation of near-bit based onoptimized XGBoost[J].Journal of System Simulation,2021,33(11):2704-2710.[10]㊀谢雪,张涛,林子力,等.井下底部钻具组合高频扭转振动分析[J].石油机械,2022,50(9):79-84.XIE X,ZHANG T,LIN Z L,et al.Analysis ondownhole high-frequency torsional oscillation of bottomhole assembly[J].China Petroleum Machinery,2022,50(9):79-84.[11]㊀黄升,张涛,黄崇君,等.井下数据获取及黏滑特征分析(英文)[J].系统仿真学报,2019,31(11):2517-2526.HUANG S,ZHANG T,HUANG C J,et al.Down-hole drilling processing data acquisition and stick slipcharacteristic analysis[J].Journal of System Simula-tion,2019,31(11):2517-2526. [12]㊀张鑫,张涛,李玉梅,等.基于PCA-LSTM的黏滑振动水平评估方法研究[J].石油机械,2023,51(2):18-25.ZHANG X,ZHANG T,LI Y M,et al.Research onevaluation model of stick-slip vibration intensity basedon PCA-LSTM[J].China Petroleum Machinery,2023,51(2):18-25.[13]㊀陈冲,张仕民,彭鹤,等.基于支持向量机的钻柱黏滑振动等级评估方法[J].石油机械,2019,47(1):20-26.CHEN C,ZHANG S M,PENG H,et al.Researchon stick-slip vibration level estimation of drillstringbased on SVM[J].China Petroleum Machinery,2019,47(1):20-26.[14]㊀MILLAN E,RINGER M,BOUALLEG R,et al.Re-al-time drillstring vibration characterization using ma-chine learning[C]ʊSPE/IADC international drillingconference and exhibition.The Hague,The Nether-lands:SPE,2019:SPE194061-MS. [15]㊀LINES L A,MAULDIN C L,HILL J W,et al.Ad-vanced drilling dynamics sensor allows real-time drill-ing optimization,damage prevention and condition mo-nitoring of RSS and LWD BHAs[C]ʊSPE AnnualTechnical Conference and Exhibition.Amsterdam,The Netherlands:SPE,2014:SPE170586-MS.[16]㊀YEZID I A,YONNELLYBETH M,ANDRE N.Quantifying drilling vibration challenges:vibration riskindex offers tool for preventing drillstring failure[J].Offshore(Conroe,Tex.),2011,71(8):84-87.[17]㊀ROBNETT E W,HOOD J A,HEISIG G,et al.A-nalysis of the stick-slip phenomenon using downholedrillstring rotation data[C]ʊSPE/IADC Drilling Con-ference.Amsterdam,Netherlands:SPE,1999:SPE52821-MS.㊀㊀第一作者简介:邓杨林,生于1997年,现为在读硕士研究生,研究方向为油气井智能测量㊁解释与控制㊂地址: (100101)北京市朝阳区㊂email:942123850@㊂㊀收稿日期:2023-05-21(本文编辑㊀刘锋)332023年㊀第51卷㊀第11期邓杨林,等:基于改进贝叶斯算法的黏滑振动等级评估研究㊀㊀㊀。
