عنوان مقاله :
الگو كردن و شبيهسازي موتور درونچاهي حفاري با استفاده از روشهاي هوش محاسباتي
عنوان به زبان ديگر :
Modeling and Simulation of Down Hole Drilling Motor Using Computational Intelligence Methods
پديد آورندگان :
رضايي، عباس دانشگاه صنعتي كرمانشاه - گروه مهندسي برق , نوروزي، بهروز دانشگاه آزاد اسلامي واحد كرمانشاه
كليدواژه :
تابع پايه شعاعي , سيستم استنتاج عصبي- فازي تطبيقي , شبكه عصبي مصنوعي , شبيهسازي , الگوكردن , موتور درونچاهي حفاري
چكيده فارسي :
تكنيكهاي هوش محاسباتي، توانايي زيادي در حل مسائل محاسباتي مختلف در علوم مهندسي دارند. در اين مقاله، براي نخستين بار، الگوكردن و شبيهسازي موتور درونچاهي حفاري با استفاده از روشهاي هوش محاسباتي مانند شبكه عصبي مصنوعي، سيستم استنتاج عصبي - فازي تطبيقي و تابع پايه شعاعي ارائه شده است. براي اين منظور از دادههاي تجربي براي آموزش و تست ساختارهاي مختلف هوش محاسباتي استفاده شده است. الگوهاي هوش محاسباتي بهدستآمده از لحاظ دقت و كارايي، با يكديگر و نيز با دادههاي تجربي مقايسه شدهاند. نتايج مقايسه نشان ميدهند اين الگوها دقت زيادي در پيشبيني رفتار موتورهاي درونچاهي حفاري دارند. علاوه بر آن، از سرعت شبيهسازي بسيار زيادي در مقايسه با روشهاي اندازهگيري تجربي برخوردارند. درنهايت با استفاده از الگوي شبكه عصبي پيشنهادشده در اين مقاله كه بهترين جواب را در مقايسه با روشهاي ديگر دارد، براي نخستين بار يك معادله ارائه شده است كه توصيفكنندۀ رفتار موتور درونچاهي حفاري است.
چكيده لاتين :
Computational intelligence techniques have a great potential to solve different computational problems in engineering sciences. In this paper, modeling and simulation of down hole drilling motor using the computational intelligence methods such as artificial neural network (ANN), radial basis function (RBF) and adaptive neuro-fuzzy inference system (ANFIS) is presented. Experimental data are used to train and test the proposed models. The results of the proposed models are compared with the experimental data. The predicated values are found to be in a good agreement with the experimental values. Also, they are very faster than the experimental measurement method. These compact models can reduce the computational time while keeping the accuracy of physics-based model and allow the fast and accurate system level simulation and modeling of industrial packages. Finally, using the proposed ANN model, which is the best proposed model, an equation to describe the nonlinear behavior of down hole drilling motor is introduced.
عنوان نشريه :
هوش محاسباتي در مهندسي برق
عنوان نشريه :
هوش محاسباتي در مهندسي برق