Теоретичні засади та метод побудови образно-кластерної моделі оператора бурової установки

Abstract

В роботі викладено теоретичні засади та методи моніторингу процесів буріння на основі побудови образно-кластерної моделі. Обгрунтована необхідність та ефективність інтерактивного моніторингу станів бурової установки шляхом розрахунку статистичних, кореляційних, спектральних, логіко-статистичних та ентропійних характеристик. Запропонований метод побудови образно-кластерної моделі та її демонстрації на моніторі оператора бурової установки у вигляді фейс-моделі, яка відображає квазістаціонарні стани об’єкта у режимах норми, не норми та аварії. Трансформація зображення образно-кластерної моделі відбувається за рахунок просторового векторного зміщення атрибутів моделі пропорційно до статистичних та інших характеристик об’єкта моніторингу.

В работе изложены теоретические основы и методы мониторинга процессов бурения на основе построения образно-кластерной модели. Обоснована необходимость и эффективность интерактивного мониторинга состояний буровой установки путем расчета статистических, корреляционных, спектральных, логико-статистических и энтропийных характеристик. Предложенный метод построения образно-кластерной модели и ее демонстрации на мониторе оператора буровой установки в виде фейс-модели, которая отражает квазистационарные состояния объекта в режимах нормы, не нормы и аварии. Трансформация изображения образно-кластерной модели происходит за счет пространственного векторного смещение атрибутов модели пропорционально статистических и других характеристик объекта мониторинга.

This paper describes the theoretical principles and methods of monitoring the drilling process based on image-building cluster model. The necessity and effectiveness of interactive monitoring the state of the rig by calculating statistics, correlation, spectral, statistical and logical entropy characteristics. The method of image-cluster model and its display on the monitor rig operator as a face model that reflects the state of quasi-stationary object in Normal mode, no rules and accidents. Transformation image imagecluster model is due to spatial displacement vector attributes in proportion to the statistical models and other characteristics of the object monitoring.