دانلود مقاله مدل هشدار اولیه هوشمندانه در مرحله اولیه سرریزی بر پایه خوشه بندی دینامیکی
تعداد کلمات فایل انگلیسی:5162 کلمه 12صفحه pdf
تعداد صفحات فایل ترجمه:13صفحه word فونت14 Arial
چکیده
در حین حفاری متداول، خطر سرریزی را می توان با نظارت بر تغییر کامل مایع حفاری اعلام کرد. با این وجود ممکن است خطرات امنیتی احتمالی به دلیل رویارویی با چالش های فنی همانند کندی کار، دقت کم و عدم توانایی ارائه هشدار اولیه در مورد سرریز شدن در مراحل اولیه سرریزی ایجاد گردد.
در این مقاله، یک مدل جدید برای هشدار اولیه در مراحل اولیه سرریزی به شکلی خلاقانه پیشنهاد شده است. مدل پیشنهادی با تکنیک های تشخیص سطح مشخص می شود که متفاوت از تکنیک های بازرسی سطح موجود هستند. این مدل می تواند هشدار زودتر، سریع تر و دقیق تر را ارائه دهد. علاوه بر این، در زمان واقعی اصلاح جریان تخلیه لحظه ای می تواند میسر شود. مدل پیشنهادی با استفاده از شناسایی الگو و خوشه بندی دینامیکیK ایجاد می شود. پس از خوشه بندی و اتصالات خطی، نتایج اتصالات با حساسیت شناسایی سرریز مقایسه می شود تا وقوع سرریز را تعیین کند. نتایج تجربی نشان می دهد که مدل هشدار اولیه پیشنهادی بر پسماند و دقت پایین روش های نظارت سرریزی متعارف غلبه کرده و قادر به هشدار اولیه در مرحله اولیه سرریز می باشد.
مقدمه
بهره برداری از نفت که یک ضرورت برای جامعه مدل است ، همیشه با پیچیدگی و خطر همراه بوده است . سرریزی باید یکی از تهدیدات عمده و جدی برای ایمنی حفاری در نظر گرفته شود . سرریز به عنوان یک پیشرونده انفجار [1] دیده می شود، اگر به درستی مدیریت نشود ، احتمالا منجر به انفجار و یا در بدترین حالت انفجار واقعی می شود که خارج از کنترل است.
Intelligent early warning model of early-stage overflow based on dynamic clustering
Abstract During conventional drilling, the early warning of overflow can be realized by monitoring the total variation of drilling fluid. However, this may pose potential safety risks due to the technical challenges it is faced with such as the serious lag, the low accuracy and the incapability to give an early warning in terms of early-stage overflow. In this paper, a new model for early warning of early-stage overflow has been creatively proposed. The proposed model is character- ized by surface detection techniques that are different from existing surface inspection techniques. It is able to give an earlier, faster and more accurate warning. In addition, real- time correction of the instantaneous discharge flow can be achieved. The proposed model is established by employing pattern identification and K-mean dynamic clustering. After clustering and linear fitting, the fitting results are compared with the overflow identification sensitivity so as to determine the occurrence of overflow. The experimental results show that the early warning model proposed has overcome the hysteresis and low accuracy of conventional overflow moni- toring methods and is capable of early warning of early-stage overflow
کد:12266
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله مدل هشدار اولیه هوشمندانه در مرحله اولیه سرریزی بر پایه خوشه بندی دینامیکی
تعداد کلمات فایل انگلیسی:5162 کلمه 12صفحه pdf
تعداد صفحات فایل ترجمه:13صفحه word فونت14 Arial
چکیده
در حین حفاری متداول، خطر سرریزی را می توان با نظارت بر تغییر کامل مایع حفاری اعلام کرد. با این وجود ممکن است خطرات امنیتی احتمالی به دلیل رویارویی با چالش های فنی همانند کندی کار، دقت کم و عدم توانایی ارائه هشدار اولیه در مورد سرریز شدن در مراحل اولیه سرریزی ایجاد گردد.
در این مقاله، یک مدل جدید برای هشدار اولیه در مراحل اولیه سرریزی به شکلی خلاقانه پیشنهاد شده است. مدل پیشنهادی با تکنیک های تشخیص سطح مشخص می شود که متفاوت از تکنیک های بازرسی سطح موجود هستند. این مدل می تواند هشدار زودتر، سریع تر و دقیق تر را ارائه دهد. علاوه بر این، در زمان واقعی اصلاح جریان تخلیه لحظه ای می تواند میسر شود. مدل پیشنهادی با استفاده از شناسایی الگو و خوشه بندی دینامیکیK ایجاد می شود. پس از خوشه بندی و اتصالات خطی، نتایج اتصالات با حساسیت شناسایی سرریز مقایسه می شود تا وقوع سرریز را تعیین کند. نتایج تجربی نشان می دهد که مدل هشدار اولیه پیشنهادی بر پسماند و دقت پایین روش های نظارت سرریزی متعارف غلبه کرده و قادر به هشدار اولیه در مرحله اولیه سرریز می باشد.
مقدمه
بهره برداری از نفت که یک ضرورت برای جامعه مدل است ، همیشه با پیچیدگی و خطر همراه بوده است . سرریزی باید یکی از تهدیدات عمده و جدی برای ایمنی حفاری در نظر گرفته شود . سرریز به عنوان یک پیشرونده انفجار [1] دیده می شود، اگر به درستی مدیریت نشود ، احتمالا منجر به انفجار و یا در بدترین حالت انفجار واقعی می شود که خارج از کنترل است.
Intelligent early warning model of early-stage overflow based on dynamic clustering
Abstract During conventional drilling, the early warning of overflow can be realized by monitoring the total variation of drilling fluid. However, this may pose potential safety risks due to the technical challenges it is faced with such as the serious lag, the low accuracy and the incapability to give an early warning in terms of early-stage overflow. In this paper, a new model for early warning of early-stage overflow has been creatively proposed. The proposed model is character- ized by surface detection techniques that are different from existing surface inspection techniques. It is able to give an earlier, faster and more accurate warning. In addition, real- time correction of the instantaneous discharge flow can be achieved. The proposed model is established by employing pattern identification and K-mean dynamic clustering. After clustering and linear fitting, the fitting results are compared with the overflow identification sensitivity so as to determine the occurrence of overflow. The experimental results show that the early warning model proposed has overcome the hysteresis and low accuracy of conventional overflow moni- toring methods and is capable of early warning of early-stage overflow
کد:12266
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com