شماره ركورد :
1002153
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
تعداد صفحه :
12
از صفحه :
71
تا صفحه :
82
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.
سال انتشار :
1396
عنوان نشريه :
هوش محاسباتي در مهندسي برق
فايل PDF :
7431607
عنوان نشريه :
هوش محاسباتي در مهندسي برق
لينک به اين مدرک :
بازگشت