【摘 要】
：
安全生产一直是石油生产及化工领域的关注话题,海洋油气开采更是如此。对于深水油气田开发,所处的为高压、强腐蚀性及复杂的海底环境,并且水下生产系统复杂,零部件众多,一旦出现故障,可能造成原油的泄露,影响安全正常生产,造成海洋污染和严重的经济损失。深海油气田开发水下生产系统的安全运行得益于水下控制系统可靠性水平的不断提高,水下控制系统作为水下油气系统的关键设施,较陆地控制系统更难控制与维护,因此对其可靠
【基金项目】
：
国家工信部高技术船舶科研项目——“水下油气生产系统集成可靠性技术研究”课题三子课题四“水下控制系统整体可靠性分析技术研究”；
论文部分内容阅读
安全生产一直是石油生产及化工领域的关注话题,海洋油气开采更是如此。对于深水油气田开发,所处的为高压、强腐蚀性及复杂的海底环境,并且水下生产系统复杂,零部件众多,一旦出现故障,可能造成原油的泄露,影响安全正常生产,造成海洋污染和严重的经济损失。深海油气田开发水下生产系统的安全运行得益于水下控制系统可靠性水平的不断提高,水下控制系统作为水下油气系统的关键设施,较陆地控制系统更难控制与维护,因此对其可靠性有着很高的要求。国外已有多部标准对水下生产系统和水下控制系统安全可靠性做出了明确规定。尽管如此,每年还是有不同程度的安全事故发生。究其原因,主要还是关键设备,尤其是控制系统安全可靠性相关水平不达标。然而,由于水下控制系统结构复杂,故障模式众多,采用传统的方法难以对系统进行精确的可靠性计算、故障模式的记录以及故障率的获取。因此,本文结合贝叶斯网络方法对水下控制系统进行可靠性分析,并搭建水下控制系统安全可靠性管理平台,实现水下控制系统的故障率收集以及在线计算。主要从三个方面进行研究:（1）基于水下控制系统功能及故障模式构建其故障树模型（FTA）,对水下控制系统进行全面的故障模式与影响分析（FMECA）,利用危害度矩阵方法对水下控制系统进行定性分析。（2）综合利用FEMCA、FTA分析,提出基于因果关系矩阵方法构建水下控制系统贝叶斯网络模型,对比不同软件贝叶斯网络分析效果,最终采用Ge Nie软件结合EM算法以及联合树算法对贝叶斯网络进行参数学习和推理,得到水下控制系统的故障发生的原因以及故障率排序,依据其结果分析水下控制系统的薄弱环节,指导维护维修工作。（3）制定水下控制系统可靠性管理平台的需求,采用C#+Ge Nie+Access混合编程,实现可靠性数据收集与管理的数据库设计,给出FMEA以及FTA的因果关系矩阵信息转换规则,并调用SMILE接口,结合Ge Nie软件实现水下控制系统贝叶斯网络模型的构建以及可靠性分析,在Windows平台下设计该软件。
其他文献
随着油田进入开发的中后期,地质条件越来越复杂,油水井发生套管损坏的频率也越来越高,严重制约了油田的开发效益。因此,对套管的生产状态进行实时预报,有助于及时采取预防措施,对维持油田的正常生产具有重要的工程意义。套损问题影响因素多、机理复杂,而传统的套损预测方法多是面向地质、工程等静态数据建立力学模型,难以及时反映油水井生产环境的变化。因此,本文首先面向生产动态数据建模,对比了多个常用分类模型在套损预
导钻是油田勘探开发中成本最高、技术最密集的环节。现有的导钻方法主要为井下半闭环随钻导向作业。它包括地面分析决策和井下数据采集,通过实时数据双向传输、地面和井下作业相互配合来执行导钻动作从而控制井眼轨迹。然而这种方式对信号传输速度和传输效率依赖性较高,且井下环境复杂,在距离地面较远的深井、超深井,几乎难以实现有效的数据传输。另外,地面的分析决策环节涉及复杂人类专家分析和精细管理工作,人工成本较高。因
目标跟踪是在视频初始帧中选定目标的前提下,在后续帧中检测到相同目标的任务。近些年来,使用深度学习的目标跟踪方法取得了较好的效果。但高维的深度特征及频繁的卷积和池化运算造成了跟踪延时,跟踪过程中目标的外观变化和完全遮挡发生模型漂移。为了解决上述问题,本文基于相关滤波跟踪算法,对深度特征进行优化;并利用上下文信息和时间信息改进上下文感知相关滤波模型,来提高目标跟踪的精准度。本文的主要研究内容如下:（1
近年来,随着机器人技术发展迅速,其中的一个分支,移动机器人的导航和避障问题同样备受关注,也有了长足的进展。分析和研究移动机器人定位和路径规划算法能够提升导航和避障的精度,有着重要的理论意义和应用价值。本文首先整理介绍了国内外学者关于定位算法,路径规划算法的研究现状;然后分析比较多种定位,地图构建,路径规划算法并确定了本文的导航避障系统方案;接着针对RBPF-SLAM算法重采样阶段粒子退化严重,多样
基因表达式编程（Gene Expression Programming-GEP）是处理符号回归（Symbolic Regression-SR）问题最常用的算法。然而它是一种没有方向和记忆的随机搜索算法。它在搜索过程中,种群个体结构很容易趋于相同,从而丧失搜索功能,并且很易于陷入局部最优。为了克服这些缺点,本文提出一种基于空间划分思想,采用上置信界方法（Upper Confidence Bound
目前,视觉复杂问答系统已经能够在CLEVR数据集上对视觉问答系统所不能回答的复杂问题进行解答。但是,目前的视觉复杂问答系统存在一些缺陷,其中主要包括,由强监督学习引起的模型过拟合、标注成本过高以及泛化能力差的问题;由模型结构缺陷引起的系统难以处理长问题的问题;由贪婪算法引起的系统陷入局部最优解的问题。针对视觉复杂问答系统存在的上述问题,本文首先分析讨论了上述问题出现的原因。随后,针对这些问题提出了
训练样本类别不均衡容易导致分类模型过度偏好,降低少数类样本识别精度。该问题的解决方法包括数据层面的过采样方法、欠采样方法及算法层面的集成学习。现有的过采样算法生成的样本具有局限性,并且忽视了类内不均衡问题,为此本文提出一种基于高斯混合模型和JS散度的过采样算法（GJ-RSMOTE）。该算法使用高斯混合模型对少数类样本聚类,并在超球体内生成新样本,最后利用JS散度控制采样数量。通过在UCI数据集和地
石油和天然气的开采需要各种昂贵的材料和复杂的设备,这些设备和生产设施均需要进行定期维护,以保证油气开采效率,降低不必要的维修和生产成本。这些维护任务包括安全保障任务、环境保护任务、生产设施常规维护管理任务,以及一些预防性、预见性的设备维修任务。目前,还没有专业的调度软件实现维修任务的人员调度和路径规划决策,仍然采用人工手动排定的方法进行任务的分配和路径的规划,调度决策存在着效率低下、人员利用率低等
随着社会经济的迅速发展,石油能源的需求越来越大,开采量逐渐上升,但是安全问题制约了油田开发力度。现阶段的违规行为识别主要依靠人工巡检,工作强度大且效率不高。同时,油田各井场的摄像头数量多、高度较高、距离较远,因此,目标的尺寸较小,检测难度大,检测结果不稳定。为了实现油田视频监控的智能化,本文进行了以下研究:（1）提出了基于设备检测的油田施工场景识别方法。使用K-means算法对设备尺寸进行聚类分析
随着传感器技术和机械制图的发展,三维模型数量呈爆炸式增长。在计算机视觉领域,研究人员将目光从平面上的图像应用转移到表征真实世界的三维模型的应用。三维形状分割是三维形状分析的基础,是计算机视觉中检测和识别物体信息的基础。对三维模型进行形状分割,确定模型中每个网格包含的语义,通过对每个语义成分更深入的分析,可以实现形状对应与匹配、模型检索等任务。对于网格的三维形状分割,早期学者从计算几何角度出发,通过