%41تخفیف

دانلود پروژه: پیش­بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی­های گاز با استفاده از شبکه عصبی

تعداد 166صفحه در فایل word

کارشناسی‌ارشد

گرایش ابزاردقیق و اتوماسیون در صنعت نفت

پیش­بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی­های گاز با استفاده از شبکه عصبی

چكيده

خوردگی پدیده­ای است که به علت تأثیر عوامل مختلف، پیچیدگی بسیار زیادی دارد و به راحتی قابل مدلسازی نیست. جهت پیش­بینی و مدلسازی خوردگی به واکنش­ها و فرآیندهای فیزیکی، شیمیایی و الکتروشیمیایی آن توجه می­شود و مدلسازی بر اساس آن انجام می­گیرد. با وجود موفقیت­هایی که این مدل­ها داشته­اند، لیکن به علت تعدد عوامل تأثیرگذار که بعضا ناشناخته نیز هستند، نیاز به مدل­هایی است که با دقت بیشتری این پدیده را مدلسازی و پیش­بینی کنند.  ضمنا، صنایع نفت و گاز خصوصا صنایع بالادستی همواره با معضل پدیده سایش/خوردگی مواجه بوده است و علاوه بر محدودیت­های ذاتی موجود در مخزن که بر توان تولید چاه­های تولیدی گاز هر مخزن اثر می­گذارد، محدودیت سرعت سیال در رشته تولیدی چاه به منظور پیشگیری از پدیده سایش/ خوردگی یکی دیگر از عوامل تعیین کننده ظرفیت تولیدی یک چاه گازی می­باشد. یک روش معمول برای بدست آوردن سرعت تولید استفاده از رابطه­ی پیشنهاد شده توسط استاندارد API RP 14E  است. در این رابطه فاکتور C،که همان ثابت سرعت سایش است، در شرایط مختلف توسط استاندارد پیشنهاد شده­است. تجربه نشان داده که پیشنهاد این استاندارد در بسیاری موارد محافظه­کارانه است.

 هدف از این تحقیق پیش­بینی نرخ خوردگی توسط شبکه عصبی و همچنین ثابت سرعت سایش  توسط شبکه­های عصبی مصنوعی است و پیشنهاد عددی مناسب برای ثابت C با استفاده از داده­های میدانی از چاه­های گازی مورد بحث است، بنحوی که پدیده­ی سایش/خوردگی اتفاق نیافتد.

واژه‌های کلیدی:

شبکه عصبی، خوردگی فلزات، ثابت سایش، لوله مغزی، چاه گازی

فهرست مطالب

 عنوان                                                                                                                صفحه

فصل اول: مقدمه. 9

1-1 معرفی کل تحقیق.. 9

1-2 فعالیت های پیشین و تاریخچه تحقیق.. 11

1-3 اهداف پژوهش…. 17

فصل دوم: شبکه های عصبی.. 18

2-1  مدلسازی نرون تنها 19

2-2  تابع فعالیت… 20

2-3 معماری شبکه عصبی.. 21

2-3-1 شبکه های پیشخور 22

2-3-2 شبکه های برگشتی.. 22

2-4  الگوریتم های یادگیری.. 23

2-5 شبکه عصبی MLP.. 24

2-5-1  الگوریتم پس انتشار خطا 25

2-5-2 سیگنال خطا 26

2-5-3 انتخاب نرخ یادگیری.. 26

2-5-4 مرحله آموزش… 27

2-5-5 قابلیت تعمیم دهی.. 27

2-5-6  توقف آموزش… 28

2-6  شبکه RBF.. 29

2-6-1  ساختار شبکه عصبی شعاعی.. 30

2-6-2-1 تعيين موقعيت مراکز. 35

2-6-2-2  تعيين انحراف استاندارد. 37

2-6-2-3  آموزش ماتريس وزن لايه خروجي… 38

فصل سوم: منطق فازی.. 40

3-1 مقدمهای بر سیستمهای فازی.. 40

3-2  اجزاء پایه سیستم استنتاج فازی(FIS) 45

3-2-1  پایگاه قواعد فازی.. 45

3-2-1-1   ویژگی های مجموعه قواعد.. 45

3-2-2  موتور استنتاج فازی.. 47

3-2-2-1   استنتاج مبتنی بر ترکیب قواعد.. 47

3-3  غیرفازی‌ساز 49

3-3-1  غیرفازی‌ساز مرکز ثقل.. 49

3-3-2  غیرفازی‌ساز میانگین مراکز. 49

3-3-3   غیرفازی‌ساز ماکزیمم. 50

فصل چهارم: سیستم های استنتاج فازی-عصبی تطبیقیANFIS)). 52

فصل پنجم: خوردگی.. 54

5-1  مقدمه ای بر خوردگی.. 54

5-1-1  هزینه های خوردگی.. 56

5-1-2  بررسی انواع خوردگی.. 57

5-2  طراحی سیستم های آلی ضدخوردگی.. 68

5-3  خوردگي در تأسيسات نفت و گاز 70

5-3-1  خوردگي توسط گاز خورنده دي ‌اكسيدكربن.. 71

5-3-2  خوردگي توسط مايعات خورنده مخازن نفتي.. 73

5-3-3  خوردگي توسط گاز خورنده سولفيد هيدروژن.. 73

5-4  خوردگی در سیستم های سه فازی چاه ها و لوله های گاز و روش های کنترل آن.. 77

5-4-1  روش های کنترل خوردگی.. 77

5-4-1-1   بازدارنده های خوردگی… 78

5-3-1-2   روش تثبیت pH… 82

فصل ششم: پدیده ی سایش در سیستم های تولید هیدروکربن.. 88

6-1  فرایند سایش در چاه های تولیدی نفت و گاز 89

6-2  مکانیزم های سایش…. 90

6-2-3  آسیب پذیری تجهیزات در برابر پدیده سایش: 90

6-3-2-1 جنس تجهیزات… 92

6-3-2-2 فلزات هادی و مواد مرسوم دیگر. 92

6-3-2-3 مواد ویژه مقاوم در برابر سایش….. 93

6-4  سایش ناشی از ماسه یا ریز ذرات… 94

6-4-1 تولید ماسه و انتقال آن.. 94

6-4-2  اندازه، شکل و سختی ذرات جامد. 96

6-5  سایش/ خوردگی.. 97

6-6  سایش ناشی از اصابت قطرات مایع.. 98

6-7 کاویتاسیون.. 100

6-8 سایش ناشی از ذرات جامد در زانویی ها 101

6-9 سایش ذرات جامد در اتصالات Tشکل یکسر بسته. 103

6-10 روش های پایش، جلوگیری و مدیریت پدیده سایش…. 104

6-10-1 تکنیک های مدیریت سایش…. 105

6-10-1-1 کاهش دبی تولیدی… 105

6-10-1-2 طراحی خط لوله. 105

6-10-1-3 جداسازی و حذف ماسه از جریان.. 106

6-10-1-4 دستورالعمل و پیش بینی سایش….. 107

6-10-1-5  ارزیابی ضخامت دیواره. 109

6-11  ابزارهای پیش بینی سایش و مروری بر تحقیقات صورت گرفته. 110

6-11-1 مروری بر مهمترین استانداردها در طراحی خطوط لوله و مدیریت سایش…. 110

6-11-2  ابزارها و مدل های پیش بینی سایش…. 111

6-11-2-1 استاندارد API RP 14E.. 112

6-11-2-2 دیگر مدل های پیش بینی سایش….. 117

6-11-3 مقایسه مدل های پیش بینی سایش در زانویی ها 124

فصل هفتم: روش تحقیق… 131

7-1 پیش بینی نرخ خوردگی.. 134

7-1-1 پیش بینی نرخ خوردگی با استفاده از شبکه عصبی.. 134

7-1-2 پیش بینی نرخ خوردگی با استفاده از ANFIS. 141

7-2 پیش بینی ثابت سرعت سایش…. 151

فصل هشتم: نتیجه گیری.. 158

فصل نهم: پیشنهادات… 159

منابع   160

فهرست جدول ها

عنوان و شماره                                                                                                        صفحه

جدول شماره 1: توابع فعالیت معمول.. 21

جدول شماره 2: سرعت حدی (سایش) اندازه گیری شده درآزمایشات اصابت ذرات مایع.. 119

جدول شماره 3:  ضرایب همبستگی داده های ورودی.. 135

جدول شماره 4:  ارزیابی معماری های مختلف شبکه عصبیMLP مورد استفاده در این تحقیق.. 140

جدول شماره 6: تعیین مؤلفه های سیال PGF بر طبق نقطه ی جوش…. 150

فهرست شکل ها

عنوان                                                                                                                          صفحه

شکل شماره 1: حداکثر دبی مجاز برای سیال فاقد ذرات جامد. 15

شکل شماره 2: حداکثر دبی مجاز برای سیال حاوی ذرات جامد. 16

شکل شماره 3: یک نرون تنها در شبکه عصبی]11[. 20

شکل شماره 4:  الف) شبکه پیش خور چندلایه  ب) شبکه بازگشتی.. 23

شکل شماره 5: نمودار روش توقف زودتر از موعد. 29

شکل شماره 6: ساختار شبکه عصبی RBF.. 30

شکل شماره 7: نرون شعاعی با یک ورودی.. 32

شکل شماره 8: منحنی نمایش تابع پاسخ یا تابع انتقال(تحریک) نرون شعاع با یک ورودی.. 32

شکل شماره 9: نرون شعاعی با دو ورودی.. 33

شکل شماره 10: منحنی نمایش تابع پاسخ یا تابع انتقال(تحریک) نرون شعاع با دو ورودی.. 33

شکل شماره 11: حفره های ایجاد شده در جریان مخلوط آب، دی اکسید کربن و ماسه]23[. 101

شکل شماره 12: مسیر حرکت ذرات جامد با اندازه های مختلف درون یک زانویی.. 105

شکل شماره 13: رابطهی بین α و F(α) ارائه شده توسط Huser و Kvernvold برای مواد هادی و شکننده 122

شکل شماره 14: مقایسه مدلهای پیش بینی سایش در یک زانویی 2 اینچ در جریان ماسه- متان.. 128

شکل شماره 15: مقایسه مدلهای پیش بینی سایش در یک زانویی 2 اینچ در جریان ماسه-مایع.. 130

شکل شماره 16: مقایسه مدلهای پیشبینی سایش در یک زانویی 2 اینچ برای جریان ماسه-هوا 132

شکل شماره 17: هیستوگرام خطا و پاسخ شبکه به داده های آموزش برای ساختار 1-12-4. 141

شکل شماره 18: هیستوگرام خطا و پاسخ شبکه به داده های ارزیابی برای ساختار 1-12-4. 142

شکل شماره 19: هیستوگرام خطا و پاسخ شبکه به داده های تست برای ساختار 1-12-4. 143

شکل شماره 20: هیستوگرام خطا و پاسخ شبکه برای همه ی داده ها  در ساختار 1-12-4. 143

شکل شماره 21: ضریب همبستگی و منحنی کارایی شبکه. 144

شکل شماره 22:  هیستوگرام خطا و پاسخ شبکه به داده های آموزش برای شبکه با ساختار 1-5-4. 152

شکل شماره 23:  هیستوگرام خطا و پاسخ شبکه به داده های آموزش برای شبکه با ساختار 1-5-4. 153

شکل شماره 24: هیستوگرام خطا و پاسخ شبکه به داده های تست برای شبکه با ساختار 153

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo