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  

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

(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 پیش­بینی 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 داشته­اند، لیکن به علت تعدد عوامل تأثیرگذار که بعضا ناشناخته نیز هستند، نیاز به مدل­هایی است که با دقت بیشتری این پدیده را مدلسازی و پیش­بینی 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 رابطه­ی 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 محافظه­کارانه است.

هدف از این تحقیق پیش­بینی نرخ خوردگی توسط شبکه عصبی و همچنین ثابت سرعت سایش  توسط شبکه­های عصبی مصنوعی است و پیشنهاد عددی مناسب برای ثابت C با بهره گرفتن از داده­های میدانی از چاه­های گازی مورد بحث است، بنحوی که پدیده­ی 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: رابطهی 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، مسأله­ی 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 پیش­بینی خوردگی و استفاده از نتایج آن در تعمیرات تجهیزات فلزی از اهمیت ویژه­ای برخوردار است. مسأله­ی خوردگی در صنایع نفت و گاز به دلیل داشتن ترکیبات خوردنده به شکلی جدی­تر از صنایع دیگر شده است. عدم توانایی در پیش­بینی نرخ خوردگی باعث می­شود که زمان­های خرابی ناشی از آن نیز قابل پیش­بینی نباشد که این موضوع تیم­های نگهداری و تعمیرات را دچار مشکل می­کند.

تاکنون روش­های مختلفی برای مواجه با این پدیده استفاده شده­است. مدل­سازی خوردگی می­تواند در شناخت بیشتر و پیش­بینی 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 پیش­بینی نرخ خوردگی استفاده کرد، البته به شرطی که داده با اندازه کافی در این زمینه موجود باشد.

این تحقیق بر مبنای استفاده از توانایی­های شبکه­های عصبی برای پیش­بینی نرخ خوردگی بنا نهاده شده است و بدین منظور از اطلاعات جمع­آوری شده از میادین گازی تحت پوشش شرکت بهره­برداری زاگرس جنوبی استفاده شده است.

از مباحث مهم دیگر که از اهمیت ویژه در صنایع گاز برخوردار است، پدیده­ی 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 رابطه­ی ارائه شده توسط استاندارد ، برای پیش­بینی سرعت سایش  استفاده می­شود.

که در آن

V_e: 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 می­کند که برای چاه­های که تولید شن ندارند و  همچنین چاه­هایی که با لوله مغزی از جنس آلیاژ CRA  (آلیاژ مقاوم در مقابل خوردگی­)، استفاده می­کنند، 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 پیش­بینی ثابت سرعت سایش (ضریب تجربی C) می­پردازیم. بدین منظور از اطلاعات جمع­آوری شده از میادین گازی تحت پوشش شرکت بهره­برداری 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 :        *       asa.goharii@gmail.com

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.