浅谈顶部驱动装置智能故障诊断的现实意义与方法

来源:用户上传      作者:

　　摘要：中东钻机施工合同多采用日费制。面临高温干燥、频繁拆装、接地不良等不利条件，顶部驱动装置出现故障的几率比国内大大增多，这势必会增大承包商经济损失，同时给井下安全带来巨大威胁。本文通过对现代故障诊断相关理论的深入学习，提出顶部驱动装置智能故障诊断的方法。
　　关键词：顶部驱动装置；智能；故障诊断
　　1.顶部驱动装置智能故障诊断的现实意义
　　作为近30年来钻井设备的突破性机电成果之一的顶部驱动装置在提高钻井时效、保证井控安全、处理复杂情况、降低劳动强度等方面都明显优于常规钻井设备，它越来越来受到国内外石油公司广泛认可，并已成为海外石油钻探承包服务合同的必要条件。当前在全世界范围内已有上千台顶驱投入生产施工[1]。
　　国际钻井技术承包服务合同可分为日费制、大包制、进尺制以及混合制四种。其中日费制所占比重最大。所谓日费制合同就是钻井承包商只需提供符合要求的钻机平台和施工人员，勘探公司按双方合同规定的日费标準乘以钻机在工区作业天数向钻井承包商支付工程费用。在这种方式中，勘探公司承担几乎所有的地质和工程风险，但因设备故障暂停作业的直接和间接损失由承包商承担[2]。尽管承包商已建立并实施了多种设备管理维修制度，这些制度的执行为安全高效运行奠定了重要基础，但是要保证设备不间地运行是不现实的。尤其在中东沙漠地区频繁拆装、高温干燥、接地不良等不利环境条件下，钻机出现故障的几率成倍增加。这其中因顶部驱动装置故障导致的平台停工尤为突出。顶部驱动装置的故障诊断对现场工程师知识广度、综合能力和维修经验都提出更高要求，目前施工现场顶驱装置故障判断的方法：1）现场工程师查明故障。但对机、电、液都比较熟悉的工程师非常稀缺。2）与设备主管部门或其他钻机管理人员联系会诊处置。3）与厂方沟通，等待厂方维修人员。所以一旦发生故障，往往不能迅速查明故障原因，并做出相应处置措施，这势必会增大承包商经济损失，同时给井下安全带来巨大威胁。因此，通过智能诊断相关技术研究，帮助现场工程师加快故障原因查找并给出处置建议是非常有意义的。
　　2.顶部驱动装置智能故障诊断的方法
　　随着工业自动化技术水平的不断提高，各系统工程呈现出功能层次复杂、多学科交叉、故障征兆随机等特点。正是在如何提高系统安全性、可靠性和快速维修性这一巨大需求的推动下，故障诊断技术先后经历人工检测、传感器在线监测和智能故障诊断三个阶段[3]。所谓智能故障诊断就是依靠智能控制、计算机和信号处理技术的迅猛发展，通过知识处理，对无法精确建立数学模型的复杂设备进行故障诊断。就针对顶部驱动装置来说，其智能故障诊断的方法如下：
　　（1）基于知识规则专家系统的顶驱故障诊断技术
　　与顶驱领域专家交流，从中获得专家的故障诊断经验和学问，并转化为可被计算机存储的现象与原因的联系规则。当出现故障信息时，计算机可利用已知事实数据，综合运用这些规则经验进行一系列推理，并输出最终故障原因或最可能故障点。专家系统的推理过程本质就是模拟顶驱专家处理故障的思维活动。大多数基于规则专家系统由知识库、推理机、解释机、数据库、人机接口五个部分组成[10]。
　　（2）基于案例推理的顶驱故障诊断技术
　　案例推理是类比推理的一种，在案例推理中领域知识就是过去顶驱的大量故障实例，系统通过抽取待解决故障现象的特征值与案例库中案例的特征值做相似性比较，得出待解决问题的原因诊断。案例推理的实质就是运用旧的经验引导求解新的问题。案例推理的关键包括案例索引和组织、案例检索和类比转换等。由于案例推理不需要提取规则，是一种快速数据勘探技术[4]。
　　（3）基于故障树的顶驱故障诊断技术
　　依据故障树的故障诊断技术来源于分析产品可靠性和安全性的故障树分析法，它以最不希望出现的顶驱故障现象做为顶事件，依据诊断对象的结构和特性逐层向下追溯可能导致故障发生的原因（中间事件），直到原因不可再分（底事件）为止。它们之间的因果关系用逻辑门来表示。这种倒树性结构就形成一连串的故障传播有向链[5]。
　　（4）基于神经网络的顶驱故障诊断技术
　　神经网络的结构和权值分布用来模拟人脑神经元信息处理的工作过程，它具有自适应、并行计算、自学习、联系记忆（反馈）等特点，这些特点使神经网络在故障诊断领域得到迅猛发展。基于神经网络故障诊断技术的一般应用方式首先构建符合处理事物特征的神经网络，建立学习样本供网络模型训练。训练过程结束后，该模型可直接从输入故障现象得出输出故障原因。对于复杂事务来说，学习样本越大，模型得出的结果越正确，随之必然带来大量的时间消耗。另外网络的“黑箱”性和无法融入经验知识也使其具有一定局限性[6]。
　　（5）基于模糊集的顶驱故障诊断技术
　　语言描述、信息不确定和信息不完整造成故障诊断存在模糊属性，同时有些故障与故障原因、故障与征兆之间也存在不确定关系，甚至于故障本身就是模糊的。诞生于上世纪六十年代中期的模糊集理论利用模糊关系矩阵和隶属度函数提供了表达和处理不确定关系的方法。当前，模糊集在故障诊断应用主要有三种形式：
　　1）构造故障原因与征兆之间的模糊矩阵方程，再应用这个方程进行故障诊断。
　　2）构造知识库开展模糊逻辑推理进行故障诊断，这个知识库包含故障原因与征兆之间的模糊关系。
　　3）对数据进行模糊聚类处理，再利用评价划分系数和分离系数进行故障诊断。
　　模糊理论类似于人的思维经验活动，易于理解。但也存在隶属函数曲线主观性强、模糊逻辑推理效率低等不足[7]。
　　固然，故障诊断技术不管在产业应用还是在基础研究都获得了长足的进展，但仍然存在一些缺陷。目前国内外主要探寻方向分为混合智能故障诊断技术、机器自主学习、新的智能控制理论、故障远程协同诊断技术、与计算机物联网技术相结合和故障预测的故障检测技术[8，9，11，12]。
　　参考文献
　　[1] 陈朝达编：顶部驱动钻井装置（一）[J].北京：石油矿场机械，2000，29（3）：1-5.
　　[2] 任春醒. 国际石油钻井工程承包计价模式分析[J].北京：中国矿业，2016，25（s1）：164-166.
　　[3] 闫永忠. 机器设备故障诊断的发展过程[J].北京：电子世界，2013（14）：100-100.
　　[4] 张琦，孙劭文，李文鸿，等. 基于案例推理的机械故障诊断方法探讨[J]. 江苏：解放军理工大学自然科学版，2004，5（5）：42-45.
　　[5] 邵延峰，薛红军. 故障树分析法在系统故障诊断中的应用[J].江苏：机械设计与制造工程，2007，36（1）：72-74.
　　[6] 朱博，胡燕，赵永标. 人工神经网络在故障诊断系统中的应用[J].湖北：舰船电子工程，2005，25（1）：91-95.
　　[7] 孙永. 模糊聚类分析在机械故障诊断中应用评述[J].云南：云南农业大学学报（自然科学），2008，23（5）：698-700.
　　[8] 韩国泰. 航空电子的故障预测与健康管理技术[J].上海：航空电子技术，2009，40（1）：30-38.
　　[9] 郭阳明，蔡小斌，张宝珍，等. 故障预测与健康状态管理技术综述[J].北京：计算机测量与控制，2008，16（9）：1213-1216.
　　[10]卞玉涛，李志华. 基于专家系统的故障诊断方法的研究与改进[J].陕西：电子设计工程，2013，21（16）：83-86.
　　[11]雷亚国，何正嘉. 混合智能故障诊断与预示技术的应用进展[J].上海：振动与冲击，2011，30（9）：129-135.
　　[12]多丽华，杨拥民. 装备远程协同诊断服务共享框架及其关键技术研究[J].北京：设备管理与维修，2006（3）：35-37.
　　（作者单位：胜利工程公司黄河钻井总公司）
转载注明来源:https://www.xzbu.com/1/view-14728192.htm