پایان نامه پیش بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی های گاز با استفاده از شبکه عصبی

فهرست:

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 ‌اکسیدکربن.. 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 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

منبع:

 [9] مصطفی کیا، "شبکه‌های عصبی در MATLAB"، انتشارات کیان رایانه سبز، 1387.

[10] نیما جمشیدی، سید رسول مولایی و علی ابویی مهریزی، "آموزش کاربردی مباحث پیشرفته مهندسی برق با MATLAB"، انتشارات عابد، 1386.

[11] مهدی غضنفری، "شبکه‌های عصبی (اصول و کارکردها)"، چاپ دوم، انتشارات دانشگاه علم و صنعت، ص 296.

[15] محمدباقر منهاج، "مبانی شبکه‌های عصبی (هوش محاسباتی)"، انتشارات دانشگاه صنعتی امیرکبیر، 1377.

[20] لی وانگ، ترجمه محمد تشنه لب "سیستم های فازی و کنترل فازی"، انتشارات دانشگاه صنعتی خواجه نصیرالدین طوسی، 1389.

[21] مارس جی فونتانا، ترجمه احمد ساعتچی "مهندسی خوردگی"، انتشارات جهاد دانشگاهی واحد صنعتی اصفهان، 1387.

فهرست منابع لاتین

[1] Smets, H. M. G., Bogaerts, W.F.L.(1992) .Neural network prediction of stresscorrosion cracking, mater perform,vol.31, PP 64-68

[2] Urquidi- Macdonald ,M. , Eiden, M. N. Macdonald D. D. (1993). Devolopment of a neural network model for predicting damage function for pitting corrosion in condensing heat exchanger .modification of passive films, paris. PP. 336-343.

[3] E.M . Rosen and D.C silverman Corrosion prediction from polarization scans Using an artificial neural network integrated with an Expert sysyem. NACE international, corrosion/92, vol . 48,No. 9, PP. 734-745.

[4] Nesic, S. ,Nordsveen , M. Maxwell N., Vrhovac, M. (2001). Probabilistic modeling of CO2 corrosion laboratory Data using neural network corrosion sience , vol.43, PP. 1373-1392

[5] Trassati, S.P., Gabbetta G. (2006), study of naphtenic acid corrosion by neural network corrosion engineering science , and technology, vol 41, Number3, PP. 200-211.

[6] Andrews, P.;Illson, T.F.;Matthews,S.J,"Erosion-Corrosion studies on 13Cr steel in gas wel environment", PP. 568-574 ,december1999

[7] Esmaeilzedeh, F.,"Future south pars development may include 9 5/8-in.tubing". Oil & Gas Journal/ Sep.27, 2004 , PP. 53-57 .

[8] J. Kamruzzaman, et. al,  “Artificial Neural Networks in Finance and Manufacturing”, 2006.

[12] G. Bortolan and J. L. Willems, “Diagnostic ECG classification based on neural networks”, J. Electrocardiol, Vol. 26, pp. 75-79, 1994.

[13] B. Krose, P. Van der Smagt, “An introduction to Neural Networks”, 1996,

(http://www.avaye.com/files/articles/nnintro/nn_intro.pdf)

[17] Y. Kutlu, M. Kuntalp, and D. Kuntalp, “Optimizing the performance of an MLP classifier for the automatic detection of epileptic spikes”, Expe. Syst. Applic., Vol. 36, pp. 7567–7575, 2009.

[18] Hartman. E., Keeler. J. D, and Kowalski. J. M, Layered neural networks with Gaussian hidden units as universal approximations. Neural Computation, vol. 2, no. 2, pp. 210-215, (1990).

[22] Venkatesh, E.S.. Erosion damage in oil and gas wells. Proc. Rocky Mountain Meeting of SPE, Billings, MT, May 19-21, 1986, pp 489-497.

[23] Haugen, K., Kvernvold, O., Ronold, A. & Sandberg, R.. Sand erosion of wear-resistant materials: erosion in choke valves. Wear 186-187, pp 179-188, 1995.

 [24] Marchino, P.. Best practice in sand production prediction. Sand control & Management, London, 15- 16 October, 2001.

 [25] Det Norske Vertitas. Recommended practice RP 0501: Erosive Wear in Piping Systems. 1996 , Revision 1999.

[26] Salama, M.M. & Venkatesh, E.S.. Evaluation of API RP14E erosional velocity limitations for offshore gas wells. OTC 4484, OTC Conference, Houston, May 2 – 5 1983, pp371 – 376, 1983.

[27] Shadley, J.R., Shirazi, S.A., Dayalan, E., Ismail, M. & Rybicki, E.F.. Erosion-corrosion of a carbon steel elbow in a carbon dioxide environment, Corrosion, Vol 52, No9, September 1996, pp 714 – 723.

 [28] Shinogaya, T., Shinohara, T. & Takemoto, M.. Erosion of metals in high speed mist flow evaluation of velocity by acoustic emission system. International Congress on Metallic Corrosion,. Vol IV: Sessions 14-19, Madras, India, 7-11 Nov 1987.

[29] Svedeman, S.J. & Arnold, K.E.. Criteria for sizing multiphase flow lines for erosive/corrosive service. SPE 26569, 68th Annual Technical Conference of the Society of Petroleum Engineers, Houston, Texas, 3-6 October 1993.

[30] Lamb , W.S., Cavitation and Aeration in Hydraulic Systems. BHR Group, Bedfordshire, UK, 1987.

[31] Blanchard, D.J., Griffith, P. & Rabinowitz, E.. Erosion of a pipe bend by solid particles entrained in water. Journal of Engineering for Industry, Vol 106 pp 213-217, 1984.

[32] Parslow, G., Stephenson, D., Strutt, J & Tetlow, S.. Erosion damage mapping in a standard 90 degree take-off subsea christmas tree assembly. J. Soc. Underwater Technology, Vol. 22, No.3, pp 95-101, 1997.

[33]API 14E Recommended practice for design and installation of offshore production platform piping systems. 5th edition, 1991 (revised 2000).

[34] BS EN ISO 13703:2001. Petroleum and natural gas industries – Design and installation of piping systems on offshore production platforms.

[35] BS EN ISO 13628-1:1999. Petroleum and natural gas industries – Design and installation of subsea production systems - Part 1: General requirements and recommendations.

[36]API RP 17B. Recommended practice for flexible pipe. 1st Ed. June 1998.

[37] BS EN ISO 14692-3:2001. Petroleum and natural gas industries GRP Piping - Part 3: System Design.

[38] Salama, M.M.. An alternative to API 14E erosional velocity limits for sand laden fluids. OTC 8898, OTC Conference, Houston, May 4 – 7 1998, pp721 –733, 1998.

[39] Hammitt, F.G., Cavitation and Multiphase Flow Phenomena. McGraw-Hill Inc., 1980.

[40] Heymann, F.J.. Liquid impingement erosion. ASM Handbook, Vol 18: Friction, Lubrication and Wear Technology. ASM International, Materials Park, Ohio, USA, pp221-232, 1992.

[41] Huser, A. & Kvernvold, O.. Prediction of sand erosion in process and pipe components., Proc. 1st North American Conference on Multiphase Technology. Banff, Canada, 1998, pp 217 – 227.

[42] Weiner, P.D. & Tolle ,G.C.. Detection and prevention of sand erosion of production equipment. API OSAPR Project No 2, Research Report, Texas A&M University, College Station, Texas, 1976.

[43] Bourgoyne, .T.. Experimental study of erosion in diverter systems. SPE/IADC 18716, Proc SPE/IADC Drilling Conference, New Orleans, 28 February – 3 March 1989, pp 807

[44] McLaury, B.S. & Shirazi, S.A. Generalisation of API RP 14E for erosive service in multiphase production. SPE 56812, Proc. SPE Annual Technical Conference, Houston, Texas, 3 – 6 October 1999, pp 423 – 432.

[45] McLaury, B.S., Shirazi, S.A., Shadley, J.R. & Rybicki, E.F.. A particle tracking method to predict sand erosion threshold velocities in elbows and tees. FED-Vol. 189, Liquid-Solid Flows, ASME 1994, pp145-153.

[46] Wallace, M.S. "CFD based erosion modelling of simple and complex geometries", PhD Thesis, University of Strathclyde, Glasgow, 2001.

[47] Shirazi, S.A., Shadley, J.R., McLaury, B.S. & Rybicki, E.F.. A procedure to predict particle erosion in elbows and tees. Journal of Pressure Technology, Vol 117, February 1995, pp 45-52.

[48] Shirazi, S.A., McLaury, B.S., Shadley, J.R. & Rybicki, E.F. Generalisation of API RP 14E guideline for erosive services. Journal of Petroleum Technology, August 1995, pp693-698.

[49] Wang J., Shiraz, S.A., Shadley J.R. & Rybicki E.F.. Application of flow modelling and particle tracking to predict sand erosion in 90 degree bends. ASME Fluids Engineering Division Conference, FED-Vol 236, Vol 1, pp 725-734, 1996.