基于動態(tài)貝葉斯網(wǎng)絡的深水防噴器操作安全性評估開題報告

1、<p><b>　　畢業(yè)設計開題報告</b></p><p>　　基于動態(tài)貝葉斯網(wǎng)絡的深水防噴器操作安全性評估</p><p>　　1 研究的目的及意義</p><p>　　目前，陸地上的石油開采基本上達到了一個飽和的狀態(tài)，產(chǎn)量不會有太大的增加。石油勘探開發(fā)已經(jīng)逐步向深水海域進軍，深水井控技術，由于直接關系到油氣井施工的人身、財產(chǎn)安全

2、和海洋環(huán)境保護，得到了前所未有的重視[1]。</p><p>　　深水防噴器組是深水井控技術的關鍵技術，是保證深水鉆井作業(yè)安全最關鍵的設備，其作用是在發(fā)生井噴、井涌時控制井口壓力，在臺風等緊急情況下鉆井裝置撤離時關閉井口，保證人員、設備安全，避免海洋環(huán)境污染和油氣資源破壞。由于深海搶險、逃生和救援極為困難，因此對深水防噴器組的技術性能和安全性要求非常高[2]。2010年4月20日，發(fā)生在美國墨西哥灣的井噴事件中，

3、正是由于深水防噴器失效，使井噴無法得到有效的控制，造成人員傷亡、鉆井平臺沉沒，大量油氣噴入海中，引起附近海域嚴重的生態(tài)災難和資源浪費，并且造成了巨額經(jīng)濟損失。</p><p>　　與用于陸地上或非浮式鉆井平臺所用的防噴器不同，深水防噴器組安裝于數(shù)百至數(shù)千米水深的海底井口上。這大大增加了深水防噴器系統(tǒng)的復雜性，也提高了保證防噴器操作安全性的難度。所以，對深水防噴器操作安全性進行評估，顯得十分重要。</p>

4、;<p><b>　　2 國內(nèi)外研究現(xiàn)狀</b></p><p>　　2.1 深水防噴器的研究現(xiàn)狀</p><p>　　目前，國內(nèi)防噴器生產(chǎn)主要集中在寶雞石油機械廠、江蘇信得石油機械廠、華北石油榮盛機械制造有限公司、上海申開廠等廠家，生產(chǎn)的產(chǎn)品包括環(huán)形防噴器、閘板防噴器、各類閥件、帶壓作業(yè)裝置等，已經(jīng)基本上實現(xiàn)了系列化、規(guī)?；a(chǎn)，滿足了國內(nèi)井控市場的需

5、求。</p><p>　　設計制造方面，國內(nèi)普遍采用CAD技術建造三維模型，對殼體、膠芯、閘板等關鍵組件，使用有限元分析軟件進行模擬仿真，研究關鍵部位的失效機理，獲得了較好效果。此外，通過改進加工工藝、引入先進的檢測設備如聲發(fā)射儀、數(shù)字UT儀等，大大提高了防噴器的質量和生產(chǎn)效率。</p><p>　　在水下防噴器領域，國內(nèi)以前僅研制過“勘探一號”鉆井船的水下防噴器,通徑為340mm，工作壓

6、力為15MPa，只能用于淺水低壓工況。近十幾年來國內(nèi)陸上防噴器技術發(fā)展較快，研制出105MPa防噴器組、變徑閘板(壓力≤70Mpa)、剪切閘板、閘板液壓鎖緊裝置等，廣泛用于陸地和海上油田。但用于深水鉆井的大通徑高壓防噴器組還是空白，在產(chǎn)品的操作性能、可靠性、防腐技術方面還不能滿足深水作業(yè)的要求[3]。</p><p>　　近二十年來，美國三大公司在水下防噴器的設計、材料、制造、檢測試驗等方面取得很大技術進展，產(chǎn)品

7、的操作性、適用性、可靠性都有很大提高。Cameron公司的TL型閘板防噴器，主要零件為鍛件，承壓可靠、結構緊湊。VBR-Ⅱ型變徑閘板膠芯的變徑范圍大，耐溫可達121℃，固定閘板的耐溫可達177℃。Nov Shaffer公司的NXT型閘板防噴器側門為無螺栓結構，更換閘板方便，整機高度低。Hydrilll公司的Quik-Loq閘板防噴器側門采用快開結構，可快速更換閘板，GX型環(huán)形防噴器采用平衡活塞設計，適用于深水作業(yè)，其環(huán)形膠芯耐溫最高可達

8、132℃。</p><p>　　與國外公司的防噴器相比，國產(chǎn)防噴器在種類、性能、技術含量等方面還存在一些差距，在國際市場上毫無競爭力。主要有以下幾個方面：</p><p>　　(1) 在大口徑超高壓防噴器的研制方面，國內(nèi)起步晚、基礎差。由于工藝水平有限，大多數(shù)主要承壓件殼體采用鑄鋼件。而在鑄造工藝過程中，一些微量的有害元素無法剔除，因此毛坯質量不高，造成成品率低，返修率高，在一定程度上影響

9、了防噴器的安全穩(wěn)定性，在鉆井過程中容易產(chǎn)生生產(chǎn)事故。而目前國外采用鍛造工藝制造殼體承壓件，生產(chǎn)出的毛坯具有重量輕、可靠性高、材料性能好等眾多優(yōu)點。</p><p>　　(2) 國產(chǎn)防噴器組產(chǎn)品的功能不全面，針對水下防噴器的研究較少。目前，國內(nèi)還沒有廠家能夠獨立生產(chǎn)水下防噴器組，對在沙漠、海洋等惡劣自然環(huán)境中使用的防噴器，國內(nèi)產(chǎn)品在耐高低溫、耐腐蝕性能和材料強度等方面均達不到要求，仍需從國外高價進口耐腐蝕不銹鋼防噴

10、器；對于深水防噴器組內(nèi)的液壓連接器、撓性接頭等設備的研究，國內(nèi)更是處于空白，產(chǎn)品幾乎完全依靠進口。</p><p>　　(3) 在加工設備方面差距也很大，國外生產(chǎn)廠家已經(jīng)采用大型數(shù)控機床來進行防噴器的關鍵零部件精加工，而在國內(nèi)，仍然采用普通機床，人工加工關鍵零部件，精度高低可想而知。</p><p>　　(4) 防噴器一些關鍵密封件受制造工藝水平、材料性能的限制，在使用過程中壽命較低，安全

11、性能低，無法滿足深水等惡劣環(huán)境下的密封要求，尤其是高壓、大通徑的密封件目前多數(shù)無法自行研制生產(chǎn)，主要來自進口[4-7]。</p><p>　　由于國外對防噴器裝備研究比較早，技術成熟，他們已經(jīng)經(jīng)過了三個技術發(fā)展階段，第一階段為手動控制閘板防噴器，第二階段為液動控制閘板防噴器和加上環(huán)形防噴器的組合出來的防噴器組，第三階段仍為液動防噴器，但是此時他們研制出來的防噴器已經(jīng)由簡單的低壓、小通徑、簡單的結構轉化為高壓、大通

12、徑、可變通徑和不斷完善的結構。目前國外先進廠家正在開發(fā)、完善第四代產(chǎn)品即井下防噴器。</p><p>　　總體來說，由于深水防噴器組控制系統(tǒng)的研制難度大，投入多，風險高，國內(nèi)對這方面的研究還處于空白。國外的生產(chǎn)制造技術也為Cameron、Hydril和Shaffer等少數(shù)外國公司壟斷。我國為了開采南海深水石油，研制自主產(chǎn)權的深水防噴器及其控制系統(tǒng)已是刻不容緩。</p><p>　　2.2

13、動態(tài)貝葉斯網(wǎng)絡的研究現(xiàn)狀</p><p>　　貝葉斯網(wǎng)絡一般指靜態(tài)貝葉斯網(wǎng)絡，它是一種幫助人們將概率統(tǒng)計應用于復雜領域、進行不確定性推理和數(shù)據(jù)分析的工具。它起源于人工智能領域的研究，近年來對眾多其它領域也產(chǎn)生了重要影響。</p><p>　　隨著人工智能的發(fā)展，尤其是機器學習、數(shù)據(jù)挖掘等興起，為貝葉斯理論的發(fā)展和應用提供了更為廣闊的空間。貝葉斯理論的內(nèi)涵也比以前有了很大變化。20世紀80年

14、代，貝葉斯網(wǎng)絡用于專家系統(tǒng)的知識表示，20世紀90年代進一步研究可學習的貝葉斯網(wǎng)絡，用于數(shù)據(jù)挖掘、機器學習和預測[8]。</p><p>　　從技術層面講，貝葉斯網(wǎng)絡是一種系統(tǒng)地描述隨機變量之間關系的語言。構造貝葉斯網(wǎng)絡的主要目的是進行概率推理，即計算一些事件發(fā)生的概率。要在一些隨機變量之間進行概率推理，理論上只需要一個聯(lián)合概率分布即可。但是，聯(lián)合概率分布的復雜度相對于變量個數(shù)成指數(shù)增長，所以當變量眾多時不可行。

15、貝葉斯網(wǎng)絡的提出就是要解決這個問題，它把復雜的聯(lián)合概率分布分解成一系列相對簡單的模塊，從而大大降低了知識獲取的難度和概率推理的復雜度，使得人們可以把概率論應用于大型問題。</p><p>　　貝葉斯網(wǎng)絡作為圖形模型的一種，具有圖形模型的大多數(shù)性質。它是概率理論和圖論相結合的產(chǎn)物。它提供了一種自然的工具，可以用來處理貫穿于應用數(shù)學和工程中的兩個問題一不確定性和復雜性。尤其是在機器學習算法設計和分析方面扮演著越來越重

16、要的角色。圖形模型的模塊化概念將一個復雜系統(tǒng)分成了簡單的組成部分，概率理論提供了各個部分聯(lián)合起來的粘合劑，保證系統(tǒng)作為整體是一致的，并提供了模型到數(shù)據(jù)的接口。圖形模型的圖論部分則提供了直觀的界面，通過它人們可以將高度互動化的變量集和數(shù)據(jù)結構模型化，并可以被用來設計有效的通用算法。</p><p>　　貝葉斯網(wǎng)絡構成了一個有向圖模型，而不同于其它知識表示框架(例如:基于規(guī)則的系統(tǒng)、神經(jīng)網(wǎng)絡)那樣試圖對知識推理的過程

17、進行建模。貝葉斯網(wǎng)絡實際上是在模擬潛藏在境中起作用的因果機制。概率知識和在網(wǎng)絡中的因果知識可以被貝葉斯網(wǎng)絡有效的表示和處理。</p><p>　　這種貝葉斯網(wǎng)絡的在聯(lián)想方面的方便性可以用來對于認知方面的任務進行建模，如物體識別、閱讀理解、時態(tài)預測。對于這種任務，貝葉斯網(wǎng)絡為調(diào)整從下向上和自上而下兩種推理之間的關系提供了一種一致的語義學定義，這樣就給高級概念和低級概念之間的信息交流架起了橋梁。這種能力可以使得系統(tǒng)在

18、進行實際觀測前能夠選擇有最大信息量的觀測[9-10]。</p><p>　　近年來,靜態(tài)貝葉斯網(wǎng)絡廣泛應用在多個領域,例如Microsoft公司采用該方法解決了Windows系統(tǒng)的打印機故障,醫(yī)療領域中采用該方法進行疾病的診斷等。但是靜態(tài)貝葉斯網(wǎng)絡不能解決有關時序的問題,即未考慮實際動態(tài)系統(tǒng)各個時刻狀態(tài)間的相互影響。為了描述實際動態(tài)系統(tǒng)的狀態(tài)變化,一些學者提出DBN理論。</p><p>

19、　　對于隨時間變化的動態(tài)系統(tǒng)，靜態(tài)系統(tǒng)中的許多方法在動態(tài)系統(tǒng)中不能直接使用，要如何改進以推廣到動態(tài)系統(tǒng)，其研究尚處于初期階段。主要的困難在于動態(tài)系統(tǒng)復雜性，使得靜態(tài)系統(tǒng)中一些成熟方法無法處理這種具有多種復雜情況的隨機過程，這就需要針對復雜系統(tǒng)的特點研究動態(tài)系統(tǒng)的特點研究全新或改進的方法來處理。DBN理論的研究無論在國外還是國內(nèi)都是比較新的課題，近兩年開始有一些文章和研究，較深入的研究文章則發(fā)表較少。</p><p&g

20、t;　　現(xiàn)有的研究主要完成了將BN學習和推理的基本原理推廣到動態(tài)系統(tǒng)、聯(lián)合樹算法擴展到動態(tài)系統(tǒng)和在平穩(wěn)的情況下對動態(tài)離散數(shù)據(jù)的學習等。例如結構學習方面的搜索網(wǎng)絡狀態(tài)空間并給每次搜索結果打分的學習機理，就直接在動態(tài)系統(tǒng)中采用；推理的聯(lián)合樹算法在時間軸上展開計算擴展到動態(tài)系統(tǒng)；在動態(tài)系統(tǒng)中對取有限個離散值的數(shù)據(jù)的學習中采用經(jīng)典統(tǒng)計方法對數(shù)據(jù)進行處理再用貝葉斯統(tǒng)計方法進行學習。</p><p>　　此外，還有一些文章涉

21、及線性動態(tài)系統(tǒng)，這是將網(wǎng)絡中的節(jié)點之間的作用或依賴關系處理成普通的線性回歸關系。這方面的研究成果已有不少，主要針對的是比較簡單的模型，如HMM模型和卡爾曼過濾模型在時間軸上延展的動態(tài)系統(tǒng)以及他們的系數(shù)化、開關化、耦合化模型等變形形式。在他們模型上按照線性回歸關系設計的推理算法是專用的，往往只能用于本身類別的動態(tài)模型。</p><p>　　從時態(tài)序列角度分析DBN，也取得了階段性成果。時態(tài)序列分析和分類研究已經(jīng)有幾

22、十年的歷史，研究了許多技術，如信號處理、計算機影像和財政學等技術，可以對不同的時間序列進行分析和分類。例如，卡爾曼濾波估測是在連續(xù)狀態(tài)線性動態(tài)系統(tǒng)估測的基礎上進行的，而隱馬爾科夫模型在離散狀態(tài)的分類方面做得非常出色，并成功用于連續(xù)語音識別和在線手寫體識別系統(tǒng)中，在生物信息學中也廣泛應用。從時態(tài)序列的角度來看，LDS中的估測和HMM中的推理都可以看成是DBN的特殊情況外，內(nèi)容結構上也可以應用確切和近似的統(tǒng)計推理和學習技術。從BN模型到時間

23、序列的模型化，已經(jīng)研究出很多新方法，去推理新型而復雜的時態(tài)模型，如因子HMM、轉換狀態(tài)空間模型、混合DBN等。</p><p>　　由于不同的網(wǎng)絡結構及拓撲形式，已經(jīng)出現(xiàn)了與這些結構相對應的諸多推理算法，如將DBN看成一個靜態(tài)網(wǎng)絡，直接應用靜態(tài)網(wǎng)絡交叉樹算法進行推理，或將復雜DBN轉換成標準HMM進行推理，或直接應用臨界算法、邊緣算法等現(xiàn)成的DBN推理算法進行推理等。如何針對性的選擇這些算法，提高DBN的高效性是

24、一個關鍵問題。</p><p>　　動態(tài)貝葉斯網(wǎng)絡[11, 12]是普通貝葉斯網(wǎng)絡在時間領域的拓展，即在原來網(wǎng)絡結構上加上時間屬性的約束。所以說動態(tài)貝葉斯網(wǎng)絡依然是一個又向無環(huán)圖，它可以用來表示因果關系、先后關系、條件關系。一般來說，它可以通過常識或專家知識來構造，但對于不太熟悉的領域，通常常識來構造是不太可能的，因此出現(xiàn)了從大量樣本數(shù)據(jù)中挖掘網(wǎng)絡結構的算法，即動態(tài)貝葉斯網(wǎng)絡的結構學習，或稱為動態(tài)貝葉斯網(wǎng)絡的發(fā)現(xiàn)

25、?，F(xiàn)在的應用并不多，也還不夠深入，主要在語音識別、說話人識別、人的姿態(tài)測定、視頻跟蹤、視頻獲取、大信息量處理、虛擬盆景等方面做了一些初步的研究。它是一種相對年輕的方法，尤其在處理時序數(shù)據(jù)、表達多層知識方面有著深厚的理論支持并具有較強的優(yōu)勢。近年來，越來越多的研究者開始研究如何從大量樣本數(shù)據(jù)中發(fā)現(xiàn)貝葉斯網(wǎng)絡，提出了諸多的學習算法，由于動態(tài)貝葉斯網(wǎng)絡與貝葉斯網(wǎng)絡的相似性及關聯(lián)性，故這些學習算法的很多思想亦可推廣至動態(tài)貝葉斯網(wǎng)絡發(fā)現(xiàn)。<

26、/p><p>　　BN理論是較新的研究領域，對靜態(tài)BN的研究尚有待進一步完善，國外對DBN的研究處于初期階段，國內(nèi)涉及到DBN的研究則更少。到目前為止，對變量取連續(xù)值的DBN結構學習研究尚處于探索時期，還沒有較深入的文章論及?，F(xiàn)有的研究表明，由于非平穩(wěn)隨機動態(tài)系統(tǒng)本身的復雜性，將靜態(tài)BN的一些方法拓展到動態(tài)系統(tǒng)遇到了許多困難，也使得對DBN的研究進展緩慢[13-15]。</p><p>　　3

27、 課題的研究目標、研究內(nèi)容</p><p><b>　　3.1研究目標</b></p><p>　　目前為止，國內(nèi)外關于動態(tài)貝葉斯網(wǎng)絡在深水防噴器操作安全性評估中的應用幾乎沒有，本課題嘗試將動態(tài)貝葉斯網(wǎng)絡引入深水防噴器操作安全性評估中，促進動態(tài)貝葉斯網(wǎng)絡理論的研究與應用，以及其在深水防噴器操作安全性評估方面的發(fā)展。綜合運用動態(tài)貝葉斯網(wǎng)絡對深水防噴器操作的安全性進行評估

28、，并結合軟件NETICA進行相互驗證，找出其中對安全性影響較大的因素，從幾個主要方面歸納原因，并對以后的防噴器的設計或操作提出一些改進方案。</p><p><b>　　3.2研究內(nèi)容</b></p><p>　　(1) 歷史數(shù)據(jù)的收集與整理。</p><p>　　(2) 對影響操作安全性的各種因素進行分類。</p><p&

29、gt;　　(3) 根據(jù)各種因素，分別對其建立動態(tài)貝葉斯網(wǎng)絡模型，最后進行整合，建立整個系統(tǒng)的動態(tài)貝葉斯網(wǎng)絡。</p><p>　　(4) 取模型中的案例利用這種方法對其進行推理分析。</p><p>　　(5) 通過軟件NETICA進行驗證。</p><p>　　(6) 最后，給出結論，并有針對性地提出改進措施或建議。</p><p>　　4

30、 課題擬采取的研究方法</p><p>　　(1) 由于這方面的工作國內(nèi)研究的較少，歷史數(shù)據(jù)的收集較困難。主要是通過咨詢一些深水防噴器方面專家，根據(jù)他們提供的一些資料以及經(jīng)驗來收集與整理。</p><p>　　(2) 貝葉斯網(wǎng)絡中通常有五類影響因素，包括人為因素、硬件因素、軟件因素、機械因素和液壓因素。根據(jù)深水防噴器的操作流程，首先建立系統(tǒng)的主貝葉斯網(wǎng)絡，對其進行分析，將各因素具體化，并找

31、出其概率分布。</p><p>　　(3) 利用NETICA軟件，通過添加節(jié)點和有向邊，延時邊以及概率函數(shù)，對各因素建立動態(tài)貝葉斯網(wǎng)絡。</p><p>　　(4) 運用動態(tài)貝葉斯網(wǎng)絡的一些算法比如前向后向算法等，取其中的一個案例比如緊急脫斷系統(tǒng)（EDS），進行推理分析。</p><p>　　(5) 通過NETICA軟件，對所建立的模型進行不確定性分析，敏感性分析等

32、多種推理，找出各影響因素的重要程度。</p><p>　　(6) 對分析結果進行整理，給出相應結論。</p><p>　　5 課題的計劃進度和預期成果 </p><p>　　5.1課題的計劃進度</p><p>　　5.2預期的研究成果</p><p>　　建立系統(tǒng)的動態(tài)貝葉斯網(wǎng)絡模型，對某一案例進行分析，找出對深水防

33、噴器操作安全性影響較大的因素，并針對性的提出一些改進方案。</p><p><b>　　參考文獻</b></p><p>　　[1] 段明星, 李明亮. 深水防噴器系統(tǒng)可靠性探討[J]. 中國造船, 2010, 12:297</p><p>　　[2] 李博, 張作龍. 深水防噴器組控制系統(tǒng)的發(fā)展[J]. 流體傳動與控制, 2008, 29(4

34、):39 </p><p>　　[3] 劉翔. 3000m深水下防噴器組可靠性研究[D]. 中國石油大學, 2010.</p><p>　　[4] 孫振剛. 防噴器參數(shù)化設計及仿真技術研究[D]. 中國石油大學, 2009.</p><p>　　[5] 王道寶. 閘板防噴器可靠性研究[D]. 中國石油大學, 2010.</p><p>　　[

35、6] 李三平. 國產(chǎn)防噴器生產(chǎn)技術現(xiàn)狀與發(fā)展趨勢[J]. 石油科技論壇, 2006:54 </p><p>　　[7] 蘇尚文, 許宏奇. 我國防噴器技術進展與發(fā)展方向[J]. 石油機械, 2001:101-107</p><p>　　[8] 李海軍, 馬登武, 劉霄等.貝葉斯網(wǎng)絡理論在裝備故障診斷中的應用[M]. 北京: 國防工業(yè)出版社, 2009: 58-59.</p>

36、<p>　　[9] Adnan Darwiche.Modeling and Reasoning with Bayesian Networks[M]. New York: Cambridge University Press, 2009</p><p>　　[10] 張連文, 郭海鵬. 貝葉斯網(wǎng)引論[M]. 北京: 科學出版社, 2006</p><p>　　[11] Murphy

37、 K.Dynamic Bayesian networks: representation, inference and learning[D]. Doctor of Philosophy dissertation, University of California, Berkeley, 2002. </p><p>　　[12] Murphy K P, Mian S. Modeling gene expressi

38、on data using dynamic Bayesian networks.Berkeley: Computer Science Division[D]. Doctor of Philosophy dissertation, University of California, 1999.</p><p>　　[13] 李維乾. 動態(tài)貝葉斯網(wǎng)絡在水文預報中的應用[D]. 西安理工大學, 2009.</p&

39、gt;<p>　　[14] Pavlovic, Tat-Jen Cham. A Dynamic Bayesian Networks Approach to Figure Tracking Using learned Dynamic Models[J]. 1999:94-101</p><p>　　[15] 肖秦琨, 高嵩.動態(tài)貝葉斯網(wǎng)絡推理學習理論及應用[M]. 北京: 國防工業(yè)出版社, 2007: