Экспертная система оценки технического состояния узлов электроцентробежных насосов на основе продукционного представления знаний и нечеткой логики

Аннотация

Введение. Оценка состояния узлов электроцентробежных насосов является одной из множества задач, которые необходимо решить для повышения эффективности бизнес-процессов нефтедобычи. Повышение эффективности процессов мониторинга состояния и прогнозирования отказов электроцентробежных насосов зачастую требует разработки специального математического и информационного обеспечения. Цель исследования. Проработка вопросов применения экспертных систем для оценки технического состояния узлов электроцентробежных насосов на основе полученных знаний. Материалы и методы. Экспертная система рассматривается в качестве вспомогательного инструмента, минимизирующего ошибки, связанные с ложным срабатыванием предиктивной аналитики. Экспертная система на основе трендов по каждому показателю электроцентробежного насоса (давление, вибрация, сила тока и т. д.) формирует оценку технического состояния, например, диагностируя определенный вид неисправности. Для хранения знаний в экспертной системе рассматриваются фреймы и продукции. Детально рассмотрен продукционный способ представления знаний и предложена возможность применения нечеткого логического вывода. Результаты. Исследованы возможности экспертных систем, основанных на знаниях, включая модели представления знаний с учетом нечеткости информации и алгоритмы логического вывода. Обосновано применение продукционной модели представления знаний экспертов, показано применение теории нечетких множеств для обработки знаний экспертов. Предложена концепция интеллектуальной информационной системы, включающей экспертную систему поддержки принятия решений, основанную на знаниях, а также блок предварительной и глубокой обработки данных, включая компонент предиктивной аналитики, основанный на нейросетевых технологиях. Представлен демонстрационный пример применения экспертной системы, а также рассмотрены особенности ее реализации в оболочке FuzzyCLIPS. Заключение. Исследуемые методы и модели апробированы на реальных данных, что подтверждает возможность их использования при разработке интеллектуальной информационной системы.