Details

Работа посвящена разработке и исследованию гибридной нейро-нечеткой системы управления уровнем жидкости в горизонтальном газонефтяном сепараторе НГСВ-1,6-2000, обеспечивающей компенсацию нестационарных возмущений и создающей основу для адаптации к изменению состава сырья. Задачи, которые решались в ходе исследования: 1. Разработка цифрового двойника сепаратора в среде MATLAB/Simulink, учитывающего нестационарные возмущения (скачки расхода, изменение обводненности и газосодержания). 2. Синтез ANFIS-регулятора уровня жидкости (структура, обучение, реализация через 2-D Lookup Table). 3. Интеграция ANFIS и GRU в гибридную систему, разработка алгоритма адаптации параметров ANFIS на основе прогноза GRU. 4. Проведение сравнительных экспериментов (ПИД, ANFIS, ANFIS+GRU) на виртуальной модели. Работа проведена в среде MATLAB/Simulink R2023b методами математического моделирования, нейросетевого моделирования (GRU), нечеткой логики (ANFIS) и статической обработки (RMSE. MSE). Собраны данные обучения ANFIS (297051 образца) и GRU-сети (синтетические временные ряды длительностью 200 с с шагом 0,1). В результате разработана и верифицирована имитационная модель сепаратора. Спроектирован ANFIS-регулятор (9 правил); ошибка обучения снижена с RMSE=0,00285 до 0,00277. Разработана GRU-сеть (1 слой, 20 нейронов) с MSE обводненности 0,0029 и MSE газосодержания 0,0010. Предложена гибридная архитектура ANFIS+GRU и алгоритм адаптации. ПИД-регулятор не справляется с резкими изменениями расхода (уровень застревает на 1.5 м). ANFIS удерживает уровень 0,976-1,078 м, а ANFIS+GRU возвращается к 0,975-0,980 м после выброса до 1.5 м. Область применения результатов включает модернизацию систем управления на нефтегазовых объектах и создание «цифровых месторождений» (Индустрии 4.0). Были использованы технологии: MATLAB/Simulink. Fuzzy Logic Toolbox, Deep Learning Toolbox, 2-D/n Lookup Table, встроенные средства MATLAB для генерации рядов и статической обработки данных.

The work is devoted to the development and research of a hybrid neuro-fuzzy liquid level control system in a horizontal NGSV-1,6-2000 gas and oil separator, which provides compensation for nonstationary disturbances and creates the basis for adaptation to changes in the composition of raw materials. Tasks that were solved during the research: 1. Development of a digital separator twin in the MATLAB/Simulink environment, which takes into account non-stationary disturbances (flow surges, changes in water supply and gas content). 2. Synthesis of the ANFIS liquid level regulator (structure, training, implementation via a 2-D Lookup Table). 3. Development and training of a GRU network for forecasting waterlogging and gas content. 4. Integration of ANFIS and GRU into a hybrid system, development of an algorithm for adapting ANFIS parameters based on the GRU forecast. 5. Conducting comparative experiments (PID, ANFIS, ANFIS+GRU) on a virtual model. The work was carried out in the MATLAB/Simulink R2023b environment using mathematical modeling, neural network modeling (GRU), fuzzy logic (ANFIS) and static processing (RMSE. MSE). ANFIS training data (297051 samples) and GRU networks (synthetic time series with a duration of 200 s in 0.1 increments) were collected. As a result, a simulation model of the separator was developed and verified. The ANFIS controller (9 rules) has been designed; the learning error has been reduced from RMSE=0.00285 to 0.00277. A GRU network (1 layer, 20 neurons) with a water content MSE of 0.0029 and a gas content MSE of 0.0010 has been developed. A hybrid ANFIS+GRU architecture and an adaptation algorithm are proposed. The PID controller cannot handle sudden flow changes (the level gets stuck at 1.5 m). ANFIS holds the level of 0.976-1.078 m, and ANFIS+GRU returns to 0.975-0.980 m after ejecting up to 1.5 m. The scope of the results includes the modernization of control systems at oil and gas facilities and the creation of "digital fields" (Industry 4.0). Technologies were used: MATLAB/Simulink. Fuzzy Logic Toolbox, Deep Learning Toolbox, 2-D/n Lookup Table, built-in MATLAB tools for series generation and static data processing.