دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته ابزاردقیق و اتوماسیون در صنعت نفت


عنوان : پیش­ بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی­های گاز با بهره گرفتن از شبکه عصبی



دانشگاه شیراز


دانشكده الکترونیکی



پایان‌نامه کارشناسی‌ارشد


گرایش ابزاردقیق و اتوماسیون در صنعت نفت



عنوان


عنوان پایان نامه – پیش­ بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی­های گاز با بهره گرفتن از شبکه عصبی



استاد راهنما


دکتر فریدون اسماعیل­زاده


دکتر مهران یزدی



استاد مشاور


دکتر سیروس جوادپور


دکتر علیرضا روستا



شهریور1392  



(در فایل دانلودی نام نویسنده موجود است)
تکه هایی از متن پایان نامه به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)
چكیده
خوردگی پدیده­ای است که به علت تأثیر عوامل مختلف، پیچیدگی بسیار زیادی دارد و به راحتی قابل مدلسازی نیست. جهت پیش ­بینی 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 داشته اند، لیکن به علت تعدد عوامل تأثیرگذار که بعضا ناشناخته نیز هستند، نیاز به مدل­هایی است که با دقت بیشتری این پدیده را مدلسازی و پیش ­بینی 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 رابطه­ 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 محافظه ­کارانه است.
هدف از این تحقیق پیش ­بینی نرخ خوردگی توسط شبکه عصبی و همچنین ثابت سرعت سایش  توسط شبکه ­های عصبی مصنوعی است و پیشنهاد عددی مناسب برای ثابت C با بهره گرفتن از داده­های میدانی از چاه­های گازی مورد بحث است، بنحوی که پدیده­ 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 تعیین موقعیت مراکز. 35
2-6-2-2  تعیین انحراف استاندارد. 37
2-6-2-3  آموزش ماتریس وزن لایه خروجی… 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  خوردگی در تأسیسات نفت و گاز 70
5-3-1  خوردگی توسط گاز خورنده دی ‌اكسیدكربن.. 71
5-3-2  خوردگی توسط مایعات خورنده مخازن نفتی.. 73
5-3-3  خوردگی توسط گاز خورنده سولفید هیدروژن.. 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 بهره گرفتن از شبکه عصبی.. 134
7-1-2 پیش بینی نرخ خوردگی با بهره گرفتن 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: رابطه 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
 




 

فصل اول: مقدمه


 

1-1 معرفی کل تحقیق


 
یکی از مباحث مهم علمی، فنی و اقتصادی، مسأله­ خوردگی فلزات و حفاظت تأسیسات فلزی است. بررسی مبحث خوردگی چندان ساده نیست و با همه پژوهش­های انجام شده، هنوز عوامل آنها به درستی شناخته نشده است. به غیر از بکارگیری علوم شیمی برای مقابله با خوردگی، استفاده از سایر علوم در کنترل و پیش ­بینی خوردگی و استفاده از نتایج آن در تعمیرات تجهیزات فلزی از اهمیت ویژه­ای برخوردار است. مسأله­ خوردگی در صنایع نفت و گاز به دلیل داشتن ترکیبات خوردنده به شکلی جدی­تر از صنایع دیگر شده است. عدم توانایی در پیش ­بینی نرخ خوردگی باعث می­شود که زمان­های خرابی ناشی از آن نیز قابل پیش ­بینی نباشد که این موضوع تیم­های نگهداری و تعمیرات را دچار مشکل می­ کند.
تاکنون روش­های مختلفی برای مواجه با این پدیده استفاده شده­است. مدل­سازی خوردگی می ­تواند در شناخت بیشتر و پیش ­بینی مسائل برآمده از آن مؤثر باشد. دراین مدل­سازی­ها، بیشتر از روش­های مکانیستیک با تکیه بر پیشینه­ی تیوریک خوردگی و فرمول­های ریاضی بوده است، اما به دلیل پیچیدگی ذاتی این پدیده، این روش­ها موفقیت زیادی نداشته­اند.
به دلیل پیچیدگی ذکر شده و تعدد عوامل شناخته شده و ناشناخته­ی تأثیرگذار بر این پدیده به نظر می­رسد می­توان از روش­های داده محوری چون شبکه عصبی برای پیش ­بینی نرخ خوردگی استفاده کرد، البته به شرطی که داده با اندازه کافی در این زمینه موجود باشد.
این تحقیق بر مبنای استفاده از توانایی­های شبکه ­های عصبی برای پیش ­بینی نرخ خوردگی بنا نهاده شده است و بدین منظور از اطلاعات جمع­آوری شده از میادین گازی تحت پوشش شرکت بهره ­برداری زاگرس جنوبی استفاده شده است.
از مباحث مهم دیگر که از اهمیت ویژه در صنایع گاز برخوردار است، پدیده­ سایش/ خوردگی می­باشد. پدیده سایش در چاه­هایی که دارای سرعت جریان بالا و یا همراه با ذرات جامد معلق در سیال تولیدی باشد، بسیار محتمل است. حتی در شرایط عاری از شن و یا سرویس­های تمیز که شدت تولید شن حدود چند پوند در روز است، خسارات ناشی از سایش، در سرعت­های تولیدی بالا بسیار زیاد است. در صنعت، از روابط اصلاح شده تنش­برشی مانند رابطه­ ارائه شده توسط استاندارد ، برای پیش ­بینی سرعت سایش  استفاده می­شود.
که در آن
Ve: سرعت سایشی سیال (فوت بر ثانیه)
: جرم حجمی مخلوط گاز و مایع در فشار و دمای عملیاتی (پوند بر فوت مکعب)
: ضریب تجربی (بدون واحد)
محدودیت­ها و مشکلات کاربرد معادله (1-1) برای چاه­ها بیشتر مربوط به مقدار ثابت “” می­باشد. استاندارد API RP 14E پیشنهاد می­ کند که برای چاه­های که تولید شن ندارند و  همچنین چاه­هایی که با لوله مغزی از جنس آلیاژ CRA  (آلیاژ مقاوم در مقابل خوردگی­)، استفاده می­ کنند، مقادیر 150 تا 200 برای ثابت “” مد نظر قرار گیرد. اگر شن یا ماسه همراه با سیال تولید شود “” را عدد 100 در نظر می­گیرند.
امروزه پس از گذشت سالها از پیدایش استاندارد API RP 14E، ناکار­آمدی آن بر همگان مشخص شده است. ثابتC” ” در استاندارد API RP 14E در مواردی بسیار محتاطانه در نظر گرفته شده­است. در این پژوهش به پیش ­بینی ثابت سرعت سایش (ضریب تجربی C) می­پردازیم. بدین منظور از اطلاعات جمع­آوری شده از میادین گازی تحت پوشش شرکت بهره ­برداری زاگرس جنوبی استفاده شده­است.
تعداد صفحه : 171
قیمت : 14700 تومان

بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد


و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.


پشتیبانی سایت :        ****       [email protected]


در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.


***  *** ***

]]>