Методы и средства оперативной диагностики состояния электроцентробежных насосов нефтедобывающих скважин на основе нейронных сетей

СОДЕРЖАНИЕ.
СПИСОК ОСНОВНЫХ СОКРАЩЕНИЙ.
ВВЕДЕНИЕ.
ГЛАВА 1. СОВРЕМЕННЫЕ МЕТОДЫ И СРЕДСТВА ОПЕРАТИВНОЙ ДИАГНОСТИКИ СОСТОЯНИЯ УСТАНОВОК
ЭЛЕКТРОЦЕНТРОБЕЖНЫХ НАСОСОВ.
1Л. Мехатронные системы и мехатронные объекты нефтегазодобычи
1.2. Общие сведения о добыче нефти
1.2.1. Фонтанный способ добычи нефти
1.2.2. Газлифтный способ добычи нефти.
1.2.3. Добыча нефти с применением скважинных штанговых насосных установок
1.2.4. Добыча нефти установками электроприводных диафрагмениых насосов
1.2.5. Добыча нефти установками электровинтовых насосов.
1.2.6. Добыча нефти установками электроприводного центробежного
насоса.
1.3. Состав установки электроцентробежных насосов УЭЦН
1.3.1. Параметры, характеризующие режимы функционирования УЭЦН
1.3.2. Неисправности, возникающие в режимах функционирования УЭЦН
1.4. Методы оперативной диагностики УЭЦ, применяющиеся на предприятиях нефтедобывающего комплекса в РФ.
1.5. Системы поддержки принятия решений.
1.5.1. Общие сведения, определение понятия
1.5.2. Требования к инструменту обработки информации в разрабатываемой СППР.
1.5.3. Современные методы интеллектуального анализа данных
1.6. Выводы.
ГЛАВА 2. РАЗРАБОТКА НЕЙРОСЕТЕВЫХ МЕТОДОВ ОБРАБОТКИ ОПЕРАТИВНЫХ ДАННЫХ О СОСТОЯНИИ УЭЦН.
2.1. Искусственные нейронные сети
2.1.1. Особенности нейронных сетей. Основные нейропарадигмы
2.1.2. Схема функциональной структуры нейронной сети.
2.1.3. Алгоритм функционирования нейронной сети
2.1.4. Недостатки классических исйросетсвых методов и подходов в условиях решения задачи оперативной диагностики состояния УЭЦН.
2.2. Теорема о разбиении множества состояний мехатронного объекта на пересекающиеся подмножества признаков состояния
2.3. Метод нейросетевой интерпретации жестких правил.
2.4. Метод обработки данных в нейросетевом модуле с применением параллельных нейропроектов.
2.5. Метод извлечения правил из нейронной сети.
2.6. Метод одновременного применения обучаемых и необучаемых нейронных сетей
2.7. Выводы
ГЛАВА 3. НЕЙРОСЕТЕВАЯ МЕТОДИКА ОПЕРАТИВНОЙ ДИАГНОСТИКИ СОСТОЯИЯ СЛОЖНОГО МЕХАТРОННОГО ОБЪЕКТА НЕФТЕГАЗОДОБЫЧИ.
3.1. Обобщенная схема последовательности выполняемых процедур
3.1.1. Постановка задачи, анализ входных данных
3.1.2. Алгоритм процедуры извлечения новых правил о мехатронном
объекте нефтегазодобычи.
3.1.3. Конфигурирование входных и выходных параметров
3.1.3.1. Алгоритм реорганизации распознаваемых классов
3.1.4. Предварительная обработка данных
3.1.4.1. Алгоритм кластеризации ктеаш
3.1.4.2. Алгоритм ГЖЕЬ.
3.1.4.3. Алгоритм ГОИЕЬ2.
3.1.5. Формирование выборок обучающих примеров.
3.1.6. Обучение нейронной сети.
3.1.6.1. Алгоритм обучения нейронной сети
3.1.6.2. Алгоритм автоматизированной процедуры самообучения нейросетевого модуля.
3.1.7. Мониторинг в режиме реального времени.
3.2. Выводы.
ГЛАВА 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ НЕЙРОННОЙ СЕТИ ДЛЯ ОПЕРАТИВНОЙ ДИАГНОСТИКИ СОСТОЯНИЯ УЭЦН.
4.1. Архитектура СППР УЭЦННС.
4.2. Параметры, использованные для обучения нейронных сетей, и классифицируемые неисправности УЭЦН
4.3. Взаимосвязи между данными внутри информационной базы
4.4. Пример реализации метода нейросегевой интерпретации жестких алгоритмов.
4.5. Основные экранные формы СППР УЭЦННС7
4.6. Форматы протоколов и отчетов программы
4.7. Общий алгоритм работы программы.
4.8. Практические результаты на данном этапе. Перспективы развития
ПК СППР УЭЦННС
4.9. Выводы
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА