RU2714852C1 - Способ корреляционного моделирования нарушения соединения критических компонентов подъемника для глубокой скважины в условиях неполной информации - Google Patents

Способ корреляционного моделирования нарушения соединения критических компонентов подъемника для глубокой скважины в условиях неполной информации Download PDF

Info

Publication number
RU2714852C1
RU2714852C1 RU2019118229A RU2019118229A RU2714852C1 RU 2714852 C1 RU2714852 C1 RU 2714852C1 RU 2019118229 A RU2019118229 A RU 2019118229A RU 2019118229 A RU2019118229 A RU 2019118229A RU 2714852 C1 RU2714852 C1 RU 2714852C1
Authority
RU
Russia
Prior art keywords
violation
correlation
function
copula
critical components
Prior art date
Application number
RU2019118229A
Other languages
English (en)
Inventor
Хао ЛУ
Чженьцай ЧЖУ
Юйсин ПЭН
Гунбо ЧЖОУ
Гохуа ЦАО
Ган ШЭНЬ
Вэй Ли
Фань Цзян
Сян Ли
Синь Чжан
Original Assignee
Чайна Юниверсити Оф Майнинг Энд Текнолоджи
Сюйчжоу Чжижунь Майнин Эквипмент Сайенс Энд Текнолоджи Ко.,Лтд
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Чайна Юниверсити Оф Майнинг Энд Текнолоджи, Сюйчжоу Чжижунь Майнин Эквипмент Сайенс Энд Текнолоджи Ко.,Лтд filed Critical Чайна Юниверсити Оф Майнинг Энд Текнолоджи
Application granted granted Critical
Publication of RU2714852C1 publication Critical patent/RU2714852C1/ru

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B19/00—Handling rods, casings, tubes or the like outside the borehole, e.g. in the derrick; Apparatus for feeding the rods or cables
    • E21B19/02—Rod or cable suspensions
    • E21B19/06—Elevators, i.e. rod- or tube-gripping devices
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B17/00—Drilling rods or pipes; Flexible drill strings; Kellies; Drill collars; Sucker rods; Cables; Casings; Tubings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Geology (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Environmental & Geological Engineering (AREA)
  • Fluid Mechanics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Complex Calculations (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Indicating And Signalling Devices For Elevators (AREA)

Abstract

Изобретение раскрывает способ корреляционного моделирования нарушения соединения критических компонентов подъемника для глубокой скважины в условиях неполной информации. Технический результат заключается в повышении точности моделирования совместной вероятности множества состояний нарушения подъемника для глубокой скважины. Собирают отсчеты данных о неисправностях критических компонентов подъемника в различных состояниях нарушения и сбор статистики, которая относится к статистической информации о моментах случайного отклика при каждом состоянии нарушения в условиях неполной информации. Получают функции маргинального распределения вероятности для каждого состояния нарушения посредством использования способа аппроксимации функции. Анализируют атрибуты вероятностной корреляции между каждой из пар состояний нарушения посредством использования критерия соответствия и определение наиболее подходящих функций копулы для описания различных атрибутов корреляции нарушения в детали. Создают модель функции гибридной копулы посредством объединения функции маргинального распределения вероятности для каждого состояния нарушения с каждой наиболее подходящей функцией копулы. 5 н.п. ф-лы, 2 ил., 2 табл.

Description

ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ
[0001] Настоящее изобретение относится к технической области шахтного подъема и, в частности, относится к способу корреляционного моделирования нарушения соединения критических компонентов основного вала подъемника для глубокой скважины.
ОПИСАНИЕ ИЗВЕСТНОГО УРОВНЯ ТЕХНИКИ
[0002] Освоение и использование ресурсов больших глубин являются стратегиями развития страны. Сверхглубокое шахтное крупнотоннажное подъемное оборудование является критическим оборудованием для реализации освоения ресурсов больших глубин, а безопасная и эффективная эксплуатация оборудования имеет большое значение для развития народного хозяйства. Подъемное оборудование для сверхглубокой скважины подвергается тяжелым условиям эксплуатации и чрезвычайно тяжелым рабочим условиям и с легкостью приводит к серьезным несчастным случаям, поэтому точная и разумная оценка и прогнозирование надежности подъемного оборудования имеют большое значение для обеспечения безопасной эксплуатации оборудования и улучшения экономической выгоды. С увеличением глубины скважины полезная нагрузка на традиционное шахтное подъемное оборудование значительно увеличивается, так что эффективность подъема, безопасность и т. п. оборудования быстро снижаются, и затем оборудование нельзя использовать для подъема в сверхглубокой скважине. Поэтому необходимо проводить исследование надежности подъемного оборудования при тяжелых условиях сверхглубокой скважины. Из-за гомологии структурных параметров и внешнего возбуждения, состояния нарушения критических компонентов основного вала подъемника для глубокой скважины имеют различные степени корреляции. Когда выполняется анализ надежности системы критических компонентов подъемника, игнорирование этих потенциальных корреляционных свойств приведет к отклонению в оценке надежности и повлияет на оценку надежности подъемника. Основываясь на функции гибридной копулы, настоящее изобретение обеспечивает способ многомерного вероятностного коррелированного моделирования, направленный на свойства соединения с множественными состояниями нарушения подъемного оборудования для сверхглубокой скважины.
[0003] В следующих публикациях:
[0004] [1]Noh Y, Choi K K, Du L. Reliability-based design optimization of problems with correlated input variables using a Gaussian Copula[J].Structural and multidisciplinary optimization, 2009, 38 (1):1-16.
[0005] [2]Tang X S, Li D Q, Zhou C B, et al. Impact of copulas for modeling bivariate distributions on system reliability[J].Structural safety, 2013, 44: 80-90.
[0006] [3]Multi-wind field output prediction method based on hybrid Copula function [P], invention patent, CN201710485692.7.
[0007] В публикации 1 используется функция гауссовой копулы для выполнения корреляционного моделирования между состояниями нарушения. Однако если состояния нарушения находятся в асимметричной корреляции, точность моделирования становится низкой.
[0008] В публикации 2 описываются атрибуты корреляции между состояниями нарушения посредством выбора наиболее подходящей функции копулы из множества возможных функций копулы. Однако одна функция копулы не может описать полные атрибуты корреляции в большинстве случаев.
[0009] В публикации 3 представлена функция гибридной копулы для установления коррелированной модели ветра. Модель создана на основе большого количества отсчетов данных посредством использования эргодического статического способа, имеет плохую применимость к подъемному оборудованию для глубокой скважины, в котором отсутствуют данные о неисправностях, и не может решить проблему моделирования функции безусловной вероятности в условиях небольшого количества отсчетов.
КРАТКОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ
Техническое решение
[0010] Одна из целей настоящего изобретения состоит в том, чтобы по меньшей мере предоставить способ корреляционного моделирования нарушения соединения критических компонентов подъемника для глубокой скважины в условиях неполной информации, направленный на решение проблем, существующих в предшествующем уровне техники. Способ может более точно описать вероятностную корреляцию между состояниями нарушения критических компонентов подъемника при условии, что отсутствует информация о неисправностях данного компонента, тем самым повышая точность моделирования совместной вероятности множества состояний нарушения подъемника для глубокой скважины.
[0011] Для реализации вышеуказанной цели в настоящем изобретении применяется следующее техническое решение:
[0012] Способ корреляционного моделирования нарушения соединения критических компонентов подъемника для глубокой скважины в условиях неполной информации включает следующие этапы:
[0013] этап 1: сбор отсчетов данных о неисправностях критических компонентов подъемника в различных состояниях нарушения и сбор статистики, которая относится к статистической информации о моментах случайного отклика при каждом состоянии нарушения в условиях неполной информации;
[0014] этап 2: получение функции маргинального распределения вероятности для каждого состояния нарушения посредством использования способа аппроксимации функции;
[0015] этап 3: анализ атрибутов вероятностной корреляции между каждой из пар состояний нарушения посредством использования критерия соответствия и определение наиболее подходящих функций копулы для описания различных атрибутов корреляции нарушения в детали; и
[0016] этап 4: создание модели функции гибридной копулы посредством объединения функции маргинального распределения вероятности для каждого состояния нарушения, полученного на этапе 2, с каждой наиболее подходящей функцией копулы, определенной на этапе 3.
[0017] Отсчеты данных о неисправностях критических компонентов подъемника в различных состояниях нарушения, полученные на этапе 1, включают напряжение, деформацию, частотную характеристику, изнашиваемость и колебание температуры критических компонентов подъемника; и статистическую информацию о моментах случайного отклика в каждом состоянии нарушения в условиях неполной информации находят посредством использования способа случайных возмущений, а именно
[0018]
Figure 00000001
[0019]
Figure 00000002
[0020]
Figure 00000003
[0021] где E представляет среднее значение случайного отклика в состоянии нарушения,
[0022] Var представляет дисперсию случайного отклика в состоянии нарушения,
[0023] Tm представляет третий момент случайного отклика в состоянии нарушения,
[0024] Y представляет вектор отсчета данных о неисправностях,
[0025] YT представляет транспонированный вектор вектора отсчета данных о неисправностях,
[0026] g(Y) представляет функцию случайного отклика,
[0027] Var(Y) представляет дисперсию вектора отсчета данных о неисправностях,
[0028] μ4(Y) представляет четвертый момент вектора отсчета данных о неисправностях,
[0029]
Figure 00000004
представляет кронекеровскую степень
Figure 00000005
, и символ ⊗ представляет кронекеровское произведение.
[0030] Способ аппроксимации функций согласно этапу 2 представляет собой способ аппроксимации усеченного ряда Эджворта, и посредством объединения отсчетов данных о неисправностях и статистической информации о моментах, полученной на этапе 1, можно получить функцию распределения вероятности аппроксимации:
[0031]
Figure 00000006
[0032] где
[0033]
Figure 00000007
представляет кумулятивную функцию распределения вероятности стандартного нормального распределения; и
[0034]
Figure 00000008
представляет функцию плотности вероятности стандартного нормального распределения.
[0035] Критерий соответствия согласно этапу 3 представляет собой информационный критерий Акаике, специально выраженный как:
[0036]
Figure 00000009
[0037] где
[0038] C(ui, vi; θ) представляет известную функцию копулы;
[0039] ui и vi представляют случайные величины, подвергаемые статистической обработке, непосредственно выраженные как:
[0040]
Figure 00000010
[0041] где y1i и y2i соответственно представляют отсчеты данных о неисправностях в двух состояниях нарушения,
[0042] i представляет количество отсчетов,
[0043] N представляет количество отсчетов данных о неисправностях,
[0044] и rank(y1i) или rank(y2i) представляет ранги отсчетов данных о неисправностях подъемника, а именно {y11, …, y1N} или {y21, …, y2N}; и
[0045] наиболее подходящая функция копулы относится к функции копулы с минимальным значением AIC функций копулы для описания атрибутов корреляции того же типа.
[0046] Этап 4, в частности, включает:
[0047] 4.1 нормализацию отсчетов данных о неисправностях критических компонентов подъемника в различных состояниях нарушения;
[0048] 4.2 вычисление коэффициентов ранговой корреляции между отсчетами данных о неисправностях критических компонентов подъемника в различных состояниях нарушения;
[0049] 4.3 соответственную подстановку каждого полученного коэффициента ранговой корреляции в каждую наиболее подходящую функцию копулы, полученную на этапе 3, чтобы определить неопределенный коэффициент в каждой наиболее подходящей функции копулы; и
[0050] 4.4 определение того, что формула функции гибридной копулы для описания атрибутов корреляции между двумя состояниями нарушения выглядит так:
[0051] Cmix=w1C1(u, v; α)+w2C2(u, v; β)+w3C3(u, v; θ)
[0052] где
[0053] C1, C2 и C3 представляют наиболее подходящие функции копулы, определенные на этапе 3, и используются для соответственного описания свойств симметричной корреляции, корреляции верхнего хвоста и корреляции нижнего хвоста между двумя состояниями нарушения;
[0054] u и v представляют функции маргинального распределения каждого состояния нарушения;
[0055] α, β и θ соответственно представляют неопределенные коэффициенты наиболее подходящих функций копулы C1, C2 и C3 в функции гибридной копулы; и
[0056] w1, w2 и w3 представляют весовые коэффициенты наиболее подходящих функций копулы C1, C2 и C3 в функции гибридной копулы и их находят посредством использования способа множества образов, где w1+w2+w3=1.
Преимущественный эффект
[0057] В заключение, используя вышеуказанное техническое решение, настоящее изобретение по меньшей мере оказывает следующие полезные эффекты:
[0058] (1) в этом способе функция распределения вероятности случайного отклика в каждом состоянии нарушения может быть аппроксимирована в случае условия небольшого количества отсчетов данных о неисправностях критических компонентов подъемника для глубокой скважины, тем самым обеспечивая точную маргинальную функцию плотности вероятности для функции копулы и улучшая точность моделирования функции копулы; и
[0059] (2) в настоящем изобретении атрибуты симметричной корреляции, корреляции верхнего хвоста и корреляции нижнего хвоста, которые могут существовать между состояниями нарушения механических компонентов, целиком рассматриваются для характеристики жестко-гибкого соединения подъемника для глубокой скважины, и наиболее подходящие функции копулы выбираются из альтернативных функций копулы для моделирования функции гибридной копулы, тем самым обеспечивая более подходящий инструмент моделирования для характеризации истинной корреляции нарушения критических компонентов подъемника для глубокой скважины.
КРАТКОЕ ОПИСАНИЕ ГРАФИЧЕСКИХ МАТЕРИАЛОВ
[0060] На фиг. 1 представлена блок-схема настоящего изобретения; и
[0061] на фиг. 2 представлена принципиальная схема основного вала подъемника для глубокой скважины в соответствии с вариантом осуществления настоящего изобретения.
ПОДРОБНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ
[0062] Способ корреляционного моделирования нарушения соединения критических компонентов подъемника для глубокой скважины в условиях неполной информации включает следующие этапы:
[0063] этап 1: сбор отсчетов данных о неисправностях критических компонентов подъемника в различных состояниях нарушения и сбор статистики, которая относится к статистической информации о моментах случайного отклика при каждом состоянии нарушения в условиях неполной информации;
[0064] этап 2: получение функции маргинального распределения вероятности для каждого состояния нарушения посредством использования способа аппроксимации функции;
[0065] этап 3: анализ атрибутов вероятностной корреляции между каждой из пар состояний нарушения посредством использования критерия соответствия и определение наиболее подходящих функций копулы для описания различных атрибутов корреляции нарушения в детали; и
[0066] этап 4: создание модели функции гибридной копулы посредством объединения функции маргинального распределения вероятности для каждого состояния нарушения, полученного на этапе 2, с каждой наиболее подходящей функцией копулы, определенной на этапе 3.
[0067] Отсчеты данных о неисправностях критических компонентов подъемника в различных состояниях нарушения, полученные на этапе 1, включают напряжение, деформацию, частотную характеристику, изнашиваемость и колебание температуры критических компонентов подъемника; и статистическую информацию о моментах случайного отклика в каждом состоянии нарушения в условиях неполной информации находят посредством использования способа случайных возмущений, а именно
[0068]
Figure 00000011
[0069]
Figure 00000012
[0070]
Figure 00000013
[0071] где E представляет среднее значение случайного отклика в состоянии нарушения,
[0072] Var представляет дисперсию случайного отклика в состоянии нарушения,
[0073] Tm представляет третий момент случайного отклика в состоянии нарушения,
[0074] Y представляет вектор отсчета данных о неисправностях,
[0075] YT представляет транспонированный вектор вектора отсчета данных о неисправностях,
[0076] g(Y) представляет функцию случайного отклика,
[0077] Var(Y) представляет дисперсию вектора отсчета данных о неисправностях,
[0078] μ4(Y) представляет четвертый момент вектора отсчета данных о неисправностях,
[0079]
Figure 00000014
представляет кронекеровскую степень
Figure 00000005
, и символ ⊗ представляет кронекеровское произведение.
[0080] Способ аппроксимации функций согласно этапу 2 представляет собой способ аппроксимации усеченного ряда Эджворта, и посредством объединения отсчетов данных о неисправностях и статистической информации о моментах, полученной на этапе 1, можно получить функцию распределения вероятности аппроксимации:
[0081]
Figure 00000015
[0082] где
[0083]
Figure 00000016
представляет кумулятивную функцию распределения вероятности стандартного нормального распределения; и
[0084]
Figure 00000017
представляет функцию плотности вероятности стандартного нормального распределения.
[0085] Критерий соответствия согласно этапу 3 представляет собой информационный критерий Акаике, специально выраженный как:
[0086]
Figure 00000018
[0087] где
[0088] C(ui, vi; θ) представляет известную функцию копулы;
[0089] ui и vi представляют случайные величины, подвергаемые статистической обработке, непосредственно выраженные как:
[0090]
Figure 00000019
[0091] где y1i и y2i соответственно представляют отсчеты данных о неисправностях в двух состояниях нарушения,
[0092] i представляет количество отсчетов,
[0093] N представляет количество отсчетов данных о неисправностях,
[0094] rank(y1i) или rank(y2i) представляет ранги отсчетов данных о неисправностях подъемника, а именно {y11, …, y1N} или {y21, …, y2N}; и
[0095] наиболее подходящая функция копулы относится к функции копулы с минимальным значением AIC функций копулы для описания атрибутов корреляции того же типа.
[0096] Этап 4, в частности, включает:
[0097] 4.1 нормализацию отсчетов данных о неисправностях критических компонентов подъемника в различных состояниях нарушения;
[0098] 4.2 вычисление коэффициентов ранговой корреляции между отсчетами данных о неисправностях критических компонентов подъемника в различных состояниях нарушения;
[0099] 4.3 соответственную подстановку каждого полученного коэффициента ранговой корреляции в каждую наиболее подходящую функцию копулы, полученную на этапе 3, чтобы определить неопределенный коэффициент в каждой наиболее подходящей функции копулы; и
[0100] 4.4 определение того, что формула функции гибридной копулы для описания атрибутов корреляции между двумя состояниями нарушения выглядит так:
[0101] Cmix=w1C1(u, v; α)+w2C2(u, v; β)+w3C3(u, v; θ)
[0102] где
[0103] C1, C2 и C3 представляют наиболее подходящие функции копулы, определенные на этапе 3, и используются для соответственного описания свойств симметричной корреляции, корреляции верхнего хвоста и корреляции нижнего хвоста между двумя состояниями нарушения;
[0104] u и v представляют функции маргинального распределения каждого состояния нарушения;
[0105] α, β и θ соответственно представляют неопределенные коэффициенты наиболее подходящих функций копулы C1, C2 и C3 в функции гибридной копулы; и
[0106] w1, w2 и w3 представляют весовые коэффициенты наиболее подходящих функций копулы C1, C2 и C3 в функции гибридной копулы и их находят посредством использования способа множества образов, где w1+w2+w3=1.
[0107] Вариант осуществления:
[0108] В настоящем изобретении, чтобы более полно понять характеристики и техническую применимость настоящего изобретения, моделирование совместной вероятности в трех состояниях нарушения, а именно при нарушении прочности, нарушении жесткости и нарушении резонанса, выполняется для подлежащей моделированию структуры основного вала подъемника для глубокой скважины, как изображено на фиг. 2.
[0109] (1) Три группы отсчетов данных о неисправностях, относящихся к напряжению, деформации и частотной характеристике основного вала подъемника в условиях неисправности, получены посредством испытания на месте установки. Для облегчения статистического анализа трех групп отсчетов данных о неисправностях, полученные значения отсчетов нормализуются.
[0110] (2) Согласно информационному критерию Акаике значения индекса AIC каждой пары состояний нарушения по шести возможным функциям копулы рассчитываются соответственно, и результаты изображены на таблице 1.
[0111] Таблица 1: Значения AIC шести возможных функций копулы
Figure 00000020
[0112] В трех парах групп функций копулы, а именно в парах копулы Гаусса и копулы Франка, копулы Гумбеля и копулы C Клейтона, а также копулы t и копулы Клейтона, функции копулы с меньшими значениями AIC соответственно выбираются в качестве наиболее подходящих функций копулы.
[0113] (3) В соответствии с тремя группами отсчетов данных о неисправностях, относящихся к напряжению, деформации и частотной характеристике основного вала подъемника, получены первые три порядка статистических моментов, среднего значения, дисперсии и третьего момента каждой группы данных о нарушениях посредством использования статистического метода. Усеченный ряд Эджворта используется для аппроксимации функций маргинального распределения вероятности всех состояний нарушения, и функции маргинального распределения вероятности соответственно составляют:
[0114]
Figure 00000021
[0115]
Figure 00000022
[0116]
Figure 00000023
[0117] где p1(y1), p2(y2) и p3(y3) соответственно представляют функции маргинального распределения вероятности напряжения, деформации и частотной характеристики, y1, y2 и y3 соответственно представляют эталонные векторы напряжения, деформации и частотной характеристики, μ1 и σ1 представляют среднее значение и среднеквадратическое отклонение отклика на напряжение, μ2 и σ2 представляют среднее значение и среднеквадратическое отклонение отклика на деформацию, и μ3 и σ3 представляют среднее значение и среднеквадратическое отклонение частотной характеристики.
[0118] (4) В соответствии с тремя группами отсчетов данных о неисправностях, относящихся к напряжению, деформации и частотной характеристике основного вала подъемника, находят коэффициенты ранговой корреляции между каждой парой состояний нарушения, и коэффициенты ранговой корреляции составляют:
[0119] τ12=0,769; τ13=0,338; τ23=0,542
[0120] Затем находят неопределенные коэффициенты наиболее подходящих функций копулы, и неопределенные коэффициенты являются такими, как изображено на таблице 2.
[0121] Таблица 2: Значения параметров наиболее подходящих функций копулы
Figure 00000024
[0122] (5) В соответствии с тремя группами отсчетов данных о неисправностях, относящихся к напряжению, деформации и частотной характеристике основного вала подъемника, весовые коэффициенты трех наиболее подходящих функций копулы вычисляются посредством способа множества образов. Для g1g2,
[0123] w1=0,68; w2=0,23; w3=0,09
[0124] В сочетании с предпочтительной наиболее подходящей функцией копулы модель совместной вероятности для нарушения, связанного с напряжением и деформацией, составляет:
[0125] C12=w1C1(u, v, α)+w2C2(u, v, β)+w3C3(u, v, θ)
[0126] =0,68CГаусса(p1, p2, 0,56)+0,23CГумбеля(p1, p2, 0,628)+0,09Ct(p1, p2, 3,08)
[0127] Для g1g3,
[0128] w1=0,51; w2=0,35; w3=0,14
[0129] В сочетании с предпочтительной наиболее подходящей функцией копулы модель совместной вероятности для нарушения, связанного с напряжением и частотой, составляет:
[0130] C13=w1C1(u, v, α)+w2C2(u, v, β)+w3C3(u, v, θ)
[0131] =0,51CГаусса(p1, p3, 0,594)+0,35CГумбеля(p1, p3, 0,579)+0,14CКлейтона(p1, p3, 3,354)
[0132] Для g2g3,
[0133] w1=0,56; w2=0,33; w3=0,11
[0134] В сочетании с предпочтительной наиболее подходящей функцией копулы модель совместной вероятности для нарушения, связанного с напряжением и частотой, составляет:
[0135] C23=w1C1(u, v, α)+w2C2(u, v, β)+w3C3(u, v, θ)
[0136] =0,56CГаусса(p2, p3, 0,589)+0,33CГумбеля(p2, p3, 0,324)+0,11Ct(p2, p3, 2,81).

Claims (44)

1. Способ корреляционного моделирования нарушения соединения критических компонентов подъемника для глубокой скважины в условиях неполной информации, причем способ включает следующие этапы:
этап 1: сбор отсчетов данных о неисправностях критических компонентов подъемника в различных состояниях нарушения и сбор статистики, которая относится к статистической информации о моментах случайного отклика при каждом состоянии нарушения в условиях неполной информации;
этап 2: получение функции маргинального распределения вероятности для каждого состояния нарушения посредством использования способа аппроксимации функции;
этап 3: анализ атрибутов вероятностной корреляции между каждой из пар состояний нарушения посредством использования критерия соответствия и определение наиболее подходящих функций копулы для описания различных атрибутов корреляции нарушения в детали; и
этап 4: создание модели функции гибридной копулы посредством объединения функции маргинального распределения вероятности для каждого состояния нарушения, полученного на этапе 2, с каждой наиболее подходящей функцией копулы, определенной на этапе 3.
2. Способ корреляционного моделирования нарушения соединения критических компонентов подъемника для глубокой скважины в условиях неполной информации по п. 1, отличающийся тем, что
отсчеты данных о неисправностях критических компонентов подъемника в различных состояниях нарушения, полученные на этапе 1, включают напряжение, деформацию, частотную характеристику, изнашиваемость и колебание температуры критических компонентов подъемника и статистическую информацию о моментах случайного отклика в каждом состоянии нарушения в условиях неполной информации находят посредством использования способа случайных возмущений, а именно
Figure 00000025
,
при этом E представляет среднее значение случайного отклика в состоянии нарушения,
Var представляет дисперсию случайного отклика в состоянии нарушения,
Tm представляет третий момент случайного отклика в состоянии нарушения,
Y представляет вектор отсчета данных о неисправностях,
YT представляет транспонированный вектор вектора отсчета данных о неисправностях,
g(Y) представляет функцию случайного отклика,
Var(Y) представляет дисперсию вектора отсчета данных о неисправностях,
μ4(Y) представляет четвертый момент вектора отсчета данных о неисправностях,
Figure 00000026
представляет кронекеровскую степень
Figure 00000027
и символ ⊗ представляет кронекеровское произведение.
3. Способ корреляционного моделирования нарушения соединения критических компонентов подъемника для глубокой скважины в условиях неполной информации по п. 1, отличающийся тем, что
способ аппроксимации функций согласно этапу 2 представляет собой способ аппроксимации усеченного ряда Эджворта, и посредством объединения отсчетов данных о неисправностях и статистической информации о моментах, полученной на этапе 1, можно получить функцию распределения вероятности аппроксимации:
Figure 00000028
,
при этом
Figure 00000029
представляет кумулятивную функцию распределения вероятности стандартного нормального распределения; и
Figure 00000030
представляет функцию плотности вероятности стандартного нормального распределения.
4. Способ корреляционного моделирования нарушения соединения критических компонентов подъемника для глубокой скважины в условиях неполной информации по п. 1, отличающийся тем, что
критерий соответствия согласно этапу 3 представляет собой информационный критерий Акаике, специально выраженный как:
Figure 00000031
,
при этом
C(ui, vi; θ) представляет известную функцию копулы;
ui и vi представляют случайные величины, подвергаемые статистической обработке, непосредственно выраженные как:
Figure 00000032
,
при этом y1i и y2i соответственно представляют отсчеты данных о неисправностях в двух состояниях нарушения, i представляет количество отсчетов, N представляет количество отсчетов данных о неисправностях,
и rank(y1i) или rank(y2i) представляет ранги отсчетов данных о неисправностях подъемника, а именно {y11, …, y1N} или {y21, …, y2N}; и
наиболее подходящая функция копулы относится к функции копулы с минимальным значением AIC функций копулы для описания атрибутов корреляции того же типа.
5. Способ корреляционного моделирования нарушения соединения критических компонентов подъемника для глубокой скважины в условиях неполной информации по п. 1, отличающийся тем, что этап 4, в частности, включает:
4.1 нормализацию отсчетов данных о неисправностях критических компонентов подъемника в различных состояниях нарушения;
4.2 вычисление коэффициентов ранговой корреляции между отсчетами данных о неисправностях критических компонентов подъемника в различных состояниях нарушения;
4.3 соответственную подстановку каждого полученного коэффициента ранговой корреляции в каждую наиболее подходящую функцию копулы, полученную на этапе 3, чтобы определить неопределенный коэффициент в каждой наиболее подходящей функции копулы; и
4.4 определение того, что формула функции гибридной копулы для описания атрибутов корреляции между двумя состояниями нарушения выглядит так:
Cmix=w1C1(u, v; α)+w2C2(u, v; β)+w3C3(u, v; θ),
при этом
C1, C2 и C3 представляют наиболее подходящие функции копулы, определенные на этапе 3, и используются для соответственного описания свойств симметричной корреляции, корреляции верхнего хвоста и корреляции нижнего хвоста между двумя состояниями нарушения;
u и v представляют функции маргинального распределения каждого состояния нарушения;
α, β и θ соответственно представляют неопределенные коэффициенты наиболее подходящих функций копулы C1, C2 и C3 в функции гибридной копулы; и
w1, w2 и w3 представляют весовые коэффициенты наиболее подходящих функций копулы C1, C2 и C3 в функции гибридной копулы и их находят посредством использования способа множества образов, при этом w1+w2+w3=1.
RU2019118229A 2018-01-30 2018-09-21 Способ корреляционного моделирования нарушения соединения критических компонентов подъемника для глубокой скважины в условиях неполной информации RU2714852C1 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201810087587.2A CN108345731A (zh) 2018-01-30 2018-01-30 一种不完备信息条件下深井提升机关键部件耦合失效相关性建模方法
CN201810087587.2 2018-01-30
PCT/CN2018/106892 WO2019148857A1 (zh) 2018-01-30 2018-09-21 一种不完备信息条件下深井提升机关键部件耦合失效相关性建模方法

Publications (1)

Publication Number Publication Date
RU2714852C1 true RU2714852C1 (ru) 2020-02-19

Family

ID=62960788

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2019118229A RU2714852C1 (ru) 2018-01-30 2018-09-21 Способ корреляционного моделирования нарушения соединения критических компонентов подъемника для глубокой скважины в условиях неполной информации

Country Status (4)

Country Link
CN (1) CN108345731A (ru)
AU (1) AU2018374073B2 (ru)
RU (1) RU2714852C1 (ru)
WO (1) WO2019148857A1 (ru)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108345731A (zh) * 2018-01-30 2018-07-31 中国矿业大学 一种不完备信息条件下深井提升机关键部件耦合失效相关性建模方法
CN110362858B (zh) * 2019-06-05 2021-10-22 徐州圣邦机械有限公司 一种高压内啮合齿轮泵齿轮副的可靠性评估方法
CN112100929B (zh) * 2020-11-09 2021-01-29 西南交通大学 一种基于粒子群算法的轨道动态精调方法
CN112685915B (zh) * 2021-01-18 2023-06-30 重庆大学 一种风电出力条件概率分布建模方法
CN113239641A (zh) * 2021-03-30 2021-08-10 湖北工业大学 一种泥石流最大冲出距离的预测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2098630C1 (ru) * 1995-08-02 1997-12-10 Открытое акционерное общество Фирма "Геомар" Станция для контроля параметров проводников шахтного ствола
US7689394B2 (en) * 2003-08-26 2010-03-30 Siemens Industry, Inc. System and method for remotely analyzing machine performance
WO2016091199A1 (zh) * 2014-12-11 2016-06-16 冯春魁 电梯参数的获取、控制、运行和载荷监控的方法及系统
CN106650204A (zh) * 2016-09-27 2017-05-10 北京航空航天大学 一种产品故障行为耦合建模和可靠性评估方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160283621A1 (en) * 2010-01-06 2016-09-29 Sas Institute Inc. Hybrid Simulation Methodologies
CN104914775B (zh) * 2015-06-12 2017-05-31 华东理工大学 基于vine copula相关性描述的多模态过程故障检测方法及系统
CN105117550B (zh) * 2015-08-26 2017-12-26 电子科技大学 一种面向产品多维相关性退化失效的建模方法
CN106548256B (zh) * 2016-12-05 2020-05-08 西南石油大学 一种风电场时空动态相关性建模的方法和系统
CN107291989B (zh) * 2017-05-25 2018-09-14 中国矿业大学 千米深井提升机主轴多失效模式可靠性评估方法
CN107274028A (zh) * 2017-06-23 2017-10-20 国网山东省电力公司经济技术研究院 一种基于混合Copula函数的多风场出力预测方法
CN107577896B (zh) * 2017-09-22 2020-08-14 国网江苏省电力公司电力科学研究院 基于混合Copula理论的风电场多机聚合等值方法
CN108345731A (zh) * 2018-01-30 2018-07-31 中国矿业大学 一种不完备信息条件下深井提升机关键部件耦合失效相关性建模方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2098630C1 (ru) * 1995-08-02 1997-12-10 Открытое акционерное общество Фирма "Геомар" Станция для контроля параметров проводников шахтного ствола
US7689394B2 (en) * 2003-08-26 2010-03-30 Siemens Industry, Inc. System and method for remotely analyzing machine performance
WO2016091199A1 (zh) * 2014-12-11 2016-06-16 冯春魁 电梯参数的获取、控制、运行和载荷监控的方法及系统
CN106650204A (zh) * 2016-09-27 2017-05-10 北京航空航天大学 一种产品故障行为耦合建模和可靠性评估方法

Also Published As

Publication number Publication date
AU2018374073B2 (en) 2021-06-17
WO2019148857A1 (zh) 2019-08-08
AU2018374073A1 (en) 2019-08-15
CN108345731A (zh) 2018-07-31

Similar Documents

Publication Publication Date Title
RU2714852C1 (ru) Способ корреляционного моделирования нарушения соединения критических компонентов подъемника для глубокой скважины в условиях неполной информации
WO2020125682A1 (zh) 一种应用随钻数据计算岩石强度的方法和系统
CN102081020B (zh) 基于支持向量机的材料疲劳寿命预测方法
WO2018214348A1 (zh) 千米深井提升机主轴多失效模式可靠性评估方法
CN109489977B (zh) 基于KNN-AdaBoost的轴承故障诊断方法
CN111222683B (zh) 一种基于pca-knn的tbm施工围岩综合分级预测方法
CN103064019A (zh) 基于灰色关联模糊聚类的高压断路器故障诊断方法
CN105425779A (zh) 基于局部邻域标准化和贝叶斯推断的ica-pca多工况故障诊断方法
US11155419B1 (en) Dynamic reliability evaluation method for coupling faults of middle trough of scraper conveyor
CN116679161B (zh) 一种电网线路故障诊断方法、设备和介质
CN103389701B (zh) 基于分布式数据模型的厂级过程故障检测与诊断方法
CN110472268B (zh) 一种桥梁监测数据模态识别方法及装置
CN105629958A (zh) 一种基于子时段mpca-svm的间歇过程故障诊断方法
CN105466693A (zh) 基于灰色模型的柴油机燃油系统故障预诊断方法
CN110889440A (zh) 基于主成分分析和bp神经网络的岩爆等级预测方法及系统
CN106295858A (zh) 一种电能表非健康度预测方法
Wang et al. Determination of the minimum sample size for the transmission load of a wheel loader based on multi-criteria decision-making technology
CN110134988A (zh) 一种基于失效物理的器件级产品多应力强化试验剖面确定方法
CN110220885B (zh) 一种机械设备磨损状态综合判断方法
CN111753776A (zh) 基于回声状态与多尺度卷积联合模型的结构损伤识别方法
Wang et al. AlarmGPT: an intelligent operation assistant for optical network alarm analysis using ChatGPT
CN112287586B (zh) 基于中小桥损伤识别结果的快速可靠度评估方法
CN105300819A (zh) 基于支持向量机算法的合金钢疲劳极限检测方法及其系统
CN106596005B (zh) 振动控制系统中主动下凹力学条件制定模块
CN104504265A (zh) 一种在役桥梁监测信息安全评估的方法