基于多传感器的原油含水率测量问题的研究

基于多传感器的原油含水率测量问题的研究

ID:33663454

大小:1.73 MB

页数:71页

时间:2019-02-28

基于多传感器的原油含水率测量问题的研究_第1页
基于多传感器的原油含水率测量问题的研究_第2页
基于多传感器的原油含水率测量问题的研究_第3页
基于多传感器的原油含水率测量问题的研究_第4页
基于多传感器的原油含水率测量问题的研究_第5页
资源描述:

《基于多传感器的原油含水率测量问题的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于多传感器的原油含水率测量问题的研究任冬艳(控制理论与控制工程)指导教师:夏伯锴(教授)中文摘要井口和输油管线中的原油含水率的在线精确测量,对于确定出水、出油层位,估计产量和预测油井的开发寿命以及油井的产量质量控制、油井状态检测、减少能耗、降低成本和采油管理自动化具有重要的意义和实用价值。文中首先对目前原油含水测量中存在的问题进行分析,认为现有的含水测量仪表在测量范围和精度、稳定性和可靠性及成本方面还存在诸多问题。其次,通过对各种原油含水测量传感器进行分析,选择了采用电磁波谐振技术测定原油含水率的传感器,设计了包括含水率传感

2、器在内的多传感器测量实验方案,建立了模拟原油含水率在线测量系统。然后,选择了多元回归方法和RBF神经网络技术建立原油含水模型来逼近含水测量传感器信号的多因素非线性函数关系,通过对比OLS、聚类和梯度三种RBF神经网络算法的仿真结果,并结合原油含水测量传感器的数据特点,将整个含水段分为低含水、中含水和高含水三段,分别建立不同的神经网络模型。最后,对实验结果进行了对比分析和综合评价。同时,基于VisualBasic语言,设计和开发了原油含水测量系统的算法软件模块,以及简洁明了和易于操作的人机交互界面菜单系统。研究结果表明,本文提出

3、的改进方案可显著提高0-100%范围的原油含水测量精度,为达到提高原油含水测量系统精度和性价比的预期目标奠定了基础。关键词:原油含水率;多元回归模型;人工神经网络;径向基函数ⅡResearchonWater-cutMeasurementofCrudeOilwithMulti.sensorRenDongyan(ControlTheoryandControlEngineering)DirectedbyProfessorXiaBokaiAbstractTheon.1ineprecisemeasurementofwater-cutin

4、thewellheadandthepetroleumpipelinehasthevitalsignificanceandthepracticalvaluefordeterminingpositionofwaterstratumandoilstratum,predictingtheoutputandthedevelopmentlifeofoilwell,controllingtheoutputandqualityofoilwell,detectingtheoilwell’sstates,reducingenergyconsump

5、tionandcost,andmanagingoilextractionautomatically.Firstly,problemsaboutwater-cutmeasurementofcrudeoilalepointedatpresent,whicharemeasurementrange.measurementaccuracy,stability,reliahil毋andcost.Secondly,thewater-cutmeasurementsensorbasedonelectromagneticwaveresonance

6、principleischosenafteranalyzingalotofwater-cutmeasurementsensors.Anexperimentalschemeandplantofmulti—sensorwater-cutmeasurementisdesigned,whichcansimulatewater-cutmeasurementofcrudeoilon-lineinrealproduction,andthenwater-cutforecastmodelwhichcanapproachthenonlinearf

7、unctionofwater-cutsensor’soutputsignalisestablishedbYusingmultipleregressionmethodandtheRBFneuralnetworkstechnology,thewater-cutmeasurementrangeisdividedintothreesegments,lowwater-cut,middlewater-cutandhighwater-cut,differentneuralnetworkmodelsareestablishedforevery

8、segmentafteranalyzingthesimulationresultsofOLS,K-meansandgradientalgorimmandtheIlloutputsignaldatacharacteristicofwater-cutsensor.Finally,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。