[IT认证]抽油机井诊断技术专题.pptVIP

（一）概述 2、专家系统的组成 专家系统主要由知识库和推理机两部分组成，如图所示 五、利用专家系统实现诊断的人工智能化 （一）概述 2、专家系统的组成 （1）知识库 知识工程师从专家那里提取某个领域的专门知识并编码 储存于系统的知识库(Knowledge base)中。 抽油井故障诊断知识库以规则的格式出现，以一系列逻辑的IF-THEN-ELSE语句实现。这些规则使专家对油井某一特殊问题领域的推理过程模型化。这种规则格式可以加快知识的编码，使非专家容易理解，并容易修改。 五、利用专家系统实现诊断的人工智能化 （一）概述 2、专家系统的组成 （2）推理机 (Inference engine 或 Reasoning machine)推理机具有进行推理的能力，即能够根据知识推导出结论，而不是简单地去搜索现成的答案。 推理分为“正向推理”(Forward chaining);“反向推理”(Backward chaining)以及“正反向推理”(Forward and Backward chaining)三种。 正向推理：该过程就是由原始数据和事实出发向结论方向的推理， 即所谓事实驱动方式。 推理过程：系统根据用户提供的原始信息，在知识库中寻找能够与之匹配的规则。若找到，则将该知识块的结论部分作为中间结果。利用这个中间结果继续与知识库中的规则匹配，直到得出最终结论。 反向推理：该过程是由结论开始，即先提出假设，然后寻找必须的 证据以证明该结论成立或不成立，即所谓目标驱动方 式。当所需的证据与用户提供的原始信息相匹配时， 推理成功。 正反向推理：该过程是先根据原始信息通过正向推理帮助提出假设， 再向反向推理进一步寻找支持假设的证据，反复这个过 程。 五、利用专家系统实现诊断的人工智能化 （一）概述 2、专家系统的组成 另外，建立专家系统还要靠专家系统外壳(Expert System Shell),它是一个商业性程序，其中包括推理机和发展专家系统的框架。 值得注意的是：一个专家系统是非静止的，可以不断增强其性能与可信度。 五、利用专家系统实现诊断的人工智能化 （一）概述 3、专家系统在石油工业中的应用 专家系统在石油工业中应用是从八十年代初期开始的。傅雷和斯文诺斯建立了第一个分析泵况的专家系统EXPROD.该系统应用模式识别技术和知识库以推断抽油系统可能发生的问题。输入的数据是由专家系统签名的一个赋值程序完成的。该系统只适用于常规式抽油机。 戴维斯等于1981年研制出称作“DIPMETER ADVISOR”（倾角仪顾问）的专家系统以分析地层倾角仪数据。 艾普特于1985年提出了如何使用测井曲线专家系统。 索拉诺于1984年提出帮助结局钻头挤进的专家系统。 斯塔兹曼等提出能够处理两口井测井曲线相关问题的专家系统。 戴瑞克等于1988年研制出有杆抽油井故障诊断专家系统。 斯文诺斯于1988年研制出RODSTAR的有杆泵系统设计的专家系统。 五、利用专家系统实现诊断的人工智能化 （二）抽油井故障诊断专家系统 1、建立有杆泵抽油井故障诊断专家系统的步骤 （1）问题域的定义：要建立一个专家系统，首先要确定系统所要解决的问题与所需要提供的信息。 有杆抽油井所遇到的问题很多，我们把问题限制在抽油泵与杆柱的故障。再限定一个时期只发生一个简单的故障，从断抽油杆到凡尔漏失或其它常遇到的故障。这样限制了诊断的范围就使专家系统较容易建立。 （2）知识的获取：写出初步的诊断规则，然后请诊断专家评论这些规则，提出对这些规则的修改意见。这些规则一共42条。 五、利用专家系统实现诊断的人工智能化 （二）抽油井故障诊断专家系统 1、建立有杆泵抽油井故障诊断专家系统的步骤 下图为由专家系统突出的识别气体影响的规则及其图形解释。 诊断规则 IF(若) 根据计算数据(API RP 11L)的正常运行条件，以及假设井下示功图使其他影响，以及 测量产液量Qp计算产液量Qp，以及 计算产气量Qg0，以及