کنفرانس بین المللی کنترل ، ابزار دقیق و اتوماسیون

صفحه اصلی / نهمین کنفرانس بین المللی کنترل ، ابزار دقیق و اتوماسیون

Condition Monitoring of Hydraulic Systems Based on Machine Learning And Fusion Methods

نویسندگان :

Mohammad Jafari Vayeghan¹ Behzad Moshiri²

1- دانشگاه تهران 2- دانشگاه تهران

کلمات کلیدی :

Machine learning،Condition monitoring،Hydraulic systems،oil rig،Multi-Classifier Fusion

چکیده :

عملکرد کارآمد سیستم‌های هیدرولیکی در محیط‌های صنعتی بسیار حیاتی است تا عملکرد و بهره‌وری بالایی حفظ شود. در طول زمان، عواملی مانند فرسایش، رسوب و شرایط عملیاتی مختلف می‌توانند بر عملکرد و اعتبار اجزای هیدرولیکی دکل نفتی تأثیر بگذارند. نظارت بر وضعیت آنها ضرور است تا طول عمر و کارایی این سیستم‌ها تضمین شود. روش‌های پیشنهادی از تکنیک‌های پیشرفته یادگیری ماشین برای دسته‌بندی پنج وضعیت بحرانی در سیستم‌های هیدرولیکی استفاده می‌کنند؛ به عنوان مثال: 1- وضعیت خنک‌کنندگی، 2- وضعیت شیرهای برقی، 3- نشت داخلی پمپ، 4- وضعیت تجمعی هیدرولیکی، و 5- وضعیت پایداری . ما از طبقه بندها برای پیش‌بینی دقیق وضعیت سیستم‌های هیدرولیکی با صحت نسبتا بالا استفاده می‌کنیم. علاوه بر این، بررسی اثربخشی روش‌های تلفیق چنددسته‌ای (ترکیب طبقه بند ها یا MCF)، از جمله استکینگ، آدابوست و بگینگ با رأی‌گیری اکثریت برای ارتقاء عملکرد کلی در خصوص هر وضعیت مورد استفاده قرار می‌گیرد. این تحقیق تبعات مهمی برای بهبود روش‌های نگهداری و اطمینان از عملکرد کارآمد سیستم‌های هیدرولیکی در صنعت نفت و گاز دارد. که باعث بالابردن صحت تصمیم گیری در سیستم هیدرولیک دکل نفتی خواهد شد.