淺談頂部驅(qū)動裝置智能故障診斷的現(xiàn)實(shí)意義與方法

朱磊

摘要：中東鉆機(jī)施工合同多采用日費(fèi)制。面臨高溫干燥、頻繁拆裝、接地不良等不利條件，頂部驅(qū)動裝置出現(xiàn)故障的幾率比國內(nèi)大大增多，這勢必會增大承包商經(jīng)濟(jì)損失，同時給井下安全帶來巨大威脅。本文通過對現(xiàn)代故障診斷相關(guān)理論的深入學(xué)習(xí)，提出頂部驅(qū)動裝置智能故障診斷的方法。

關(guān)鍵詞：頂部驅(qū)動裝置；智能；故障診斷

1.頂部驅(qū)動裝置智能故障診斷的現(xiàn)實(shí)意義

作為近30年來鉆井設(shè)備的突破性機(jī)電成果之一的頂部驅(qū)動裝置在提高鉆井時效、保證井控安全、處理復(fù)雜情況、降低勞動強(qiáng)度等方面都明顯優(yōu)于常規(guī)鉆井設(shè)備，它越來越來受到國內(nèi)外石油公司廣泛認(rèn)可，并已成為海外石油鉆探承包服務(wù)合同的必要條件。當(dāng)前在全世界范圍內(nèi)已有上千臺頂驅(qū)投入生產(chǎn)施工[1]。

國際鉆井技術(shù)承包服務(wù)合同可分為日費(fèi)制、大包制、進(jìn)尺制以及混合制四種。其中日費(fèi)制所占比重最大。所謂日費(fèi)制合同就是鉆井承包商只需提供符合要求的鉆機(jī)平臺和施工人員，勘探公司按雙方合同規(guī)定的日費(fèi)標(biāo)準(zhǔn)乘以鉆機(jī)在工區(qū)作業(yè)天數(shù)向鉆井承包商支付工程費(fèi)用。在這種方式中，勘探公司承擔(dān)幾乎所有的地質(zhì)和工程風(fēng)險，但因設(shè)備故障暫停作業(yè)的直接和間接損失由承包商承擔(dān)[2]。盡管承包商已建立并實(shí)施了多種設(shè)備管理維修制度，這些制度的執(zhí)行為安全高效運(yùn)行奠定了重要基礎(chǔ)，但是要保證設(shè)備不間地運(yùn)行是不現(xiàn)實(shí)的。尤其在中東沙漠地區(qū)頻繁拆裝、高溫干燥、接地不良等不利環(huán)境條件下，鉆機(jī)出現(xiàn)故障的幾率成倍增加。這其中因頂部驅(qū)動裝置故障導(dǎo)致的平臺停工尤為突出。頂部驅(qū)動裝置的故障診斷對現(xiàn)場工程師知識廣度、綜合能力和維修經(jīng)驗(yàn)都提出更高要求，目前施工現(xiàn)場頂驅(qū)裝置故障判斷的方法：1）現(xiàn)場工程師查明故障。但對機(jī)、電、液都比較熟悉的工程師非常稀缺。2）與設(shè)備主管部門或其他鉆機(jī)管理人員聯(lián)系會診處置。3）與廠方溝通，等待廠方維修人員。所以一旦發(fā)生故障，往往不能迅速查明故障原因，并做出相應(yīng)處置措施，這勢必會增大承包商經(jīng)濟(jì)損失，同時給井下安全帶來巨大威脅。因此，通過智能診斷相關(guān)技術(shù)研究，幫助現(xiàn)場工程師加快故障原因查找并給出處置建議是非常有意義的。

2.頂部驅(qū)動裝置智能故障診斷的方法

隨著工業(yè)自動化技術(shù)水平的不斷提高，各系統(tǒng)工程呈現(xiàn)出功能層次復(fù)雜、多學(xué)科交叉、故障征兆隨機(jī)等特點(diǎn)。正是在如何提高系統(tǒng)安全性、可靠性和快速維修性這一巨大需求的推動下，故障診斷技術(shù)先后經(jīng)歷人工檢測、傳感器在線監(jiān)測和智能故障診斷三個階段[3]。所謂智能故障診斷就是依靠智能控制、計(jì)算機(jī)和信號處理技術(shù)的迅猛發(fā)展，通過知識處理，對無法精確建立數(shù)學(xué)模型的復(fù)雜設(shè)備進(jìn)行故障診斷。就針對頂部驅(qū)動裝置來說，其智能故障診斷的方法如下：

（1）基于知識規(guī)則專家系統(tǒng)的頂驅(qū)故障診斷技術(shù)

與頂驅(qū)領(lǐng)域?qū)＜医涣?，從中獲得專家的故障診斷經(jīng)驗(yàn)和學(xué)問，并轉(zhuǎn)化為可被計(jì)算機(jī)存儲的現(xiàn)象與原因的聯(lián)系規(guī)則。當(dāng)出現(xiàn)故障信息時，計(jì)算機(jī)可利用已知事實(shí)數(shù)據(jù)，綜合運(yùn)用這些規(guī)則經(jīng)驗(yàn)進(jìn)行一系列推理，并輸出最終故障原因或最可能故障點(diǎn)。專家系統(tǒng)的推理過程本質(zhì)就是模擬頂驅(qū)專家處理故障的思維活動。大多數(shù)基于規(guī)則專家系統(tǒng)由知識庫、推理機(jī)、解釋機(jī)、數(shù)據(jù)庫、人機(jī)接口五個部分組成[10]。

（2）基于案例推理的頂驅(qū)故障診斷技術(shù)

案例推理是類比推理的一種，在案例推理中領(lǐng)域知識就是過去頂驅(qū)的大量故障實(shí)例，系統(tǒng)通過抽取待解決故障現(xiàn)象的特征值與案例庫中案例的特征值做相似性比較，得出待解決問題的原因診斷。案例推理的實(shí)質(zhì)就是運(yùn)用舊的經(jīng)驗(yàn)引導(dǎo)求解新的問題。案例推理的關(guān)鍵包括案例索引和組織、案例檢索和類比轉(zhuǎn)換等。由于案例推理不需要提取規(guī)則，是一種快速數(shù)據(jù)勘探技術(shù)[4]。

（3）基于故障樹的頂驅(qū)故障診斷技術(shù)

依據(jù)故障樹的故障診斷技術(shù)來源于分析產(chǎn)品可靠性和安全性的故障樹分析法，它以最不希望出現(xiàn)的頂驅(qū)故障現(xiàn)象做為頂事件，依據(jù)診斷對象的結(jié)構(gòu)和特性逐層向下追溯可能導(dǎo)致故障發(fā)生的原因（中間事件），直到原因不可再分（底事件）為止。它們之間的因果關(guān)系用邏輯門來表示。這種倒樹性結(jié)構(gòu)就形成一連串的故障傳播有向鏈[5]。

（4）基于神經(jīng)網(wǎng)絡(luò)的頂驅(qū)故障診斷技術(shù)

神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和權(quán)值分布用來模擬人腦神經(jīng)元信息處理的工作過程，它具有自適應(yīng)、并行計(jì)算、自學(xué)習(xí)、聯(lián)系記憶（反饋）等特點(diǎn)，這些特點(diǎn)使神經(jīng)網(wǎng)絡(luò)在故障診斷領(lǐng)域得到迅猛發(fā)展?；谏窠?jīng)網(wǎng)絡(luò)故障診斷技術(shù)的一般應(yīng)用方式首先構(gòu)建符合處理事物特征的神經(jīng)網(wǎng)絡(luò)，建立學(xué)習(xí)樣本供網(wǎng)絡(luò)模型訓(xùn)練。訓(xùn)練過程結(jié)束后，該模型可直接從輸入故障現(xiàn)象得出輸出故障原因。對于復(fù)雜事務(wù)來說，學(xué)習(xí)樣本越大，模型得出的結(jié)果越正確，隨之必然帶來大量的時間消耗。另外網(wǎng)絡(luò)的“黑箱”性和無法融入經(jīng)驗(yàn)知識也使其具有一定局限性[6]。

（5）基于模糊集的頂驅(qū)故障診斷技術(shù)

語言描述、信息不確定和信息不完整造成故障診斷存在模糊屬性，同時有些故障與故障原因、故障與征兆之間也存在不確定關(guān)系，甚至于故障本身就是模糊的。誕生于上世紀(jì)六十年代中期的模糊集理論利用模糊關(guān)系矩陣和隸屬度函數(shù)提供了表達(dá)和處理不確定關(guān)系的方法。當(dāng)前，模糊集在故障診斷應(yīng)用主要有三種形式：

1）構(gòu)造故障原因與征兆之間的模糊矩陣方程，再應(yīng)用這個方程進(jìn)行故障診斷。

2）構(gòu)造知識庫開展模糊邏輯推理進(jìn)行故障診斷，這個知識庫包含故障原因與征兆之間的模糊關(guān)系。

3）對數(shù)據(jù)進(jìn)行模糊聚類處理，再利用評價劃分系數(shù)和分離系數(shù)進(jìn)行故障診斷。

模糊理論類似于人的思維經(jīng)驗(yàn)活動，易于理解。但也存在隸屬函數(shù)曲線主觀性強(qiáng)、模糊邏輯推理效率低等不足[7]。

固然，故障診斷技術(shù)不管在產(chǎn)業(yè)應(yīng)用還是在基礎(chǔ)研究都獲得了長足的進(jìn)展，但仍然存在一些缺陷。目前國內(nèi)外主要探尋方向分為混合智能故障診斷技術(shù)、機(jī)器自主學(xué)習(xí)、新的智能控制理論、故障遠(yuǎn)程協(xié)同診斷技術(shù)、與計(jì)算機(jī)物聯(lián)網(wǎng)技術(shù)相結(jié)合和故障預(yù)測的故障檢測技術(shù)[8，9，11，12]。

參考文獻(xiàn)

[1] 陳朝達(dá)編：頂部驅(qū)動鉆井裝置（一）[J].北京：石油礦場機(jī)械，2000，29（3）：1-5.

[2] 任春醒. 國際石油鉆井工程承包計(jì)價模式分析[J].北京：中國礦業(yè)，2016，25（s1）：164-166.

[3] 閆永忠. 機(jī)器設(shè)備故障診斷的發(fā)展過程[J].北京：電子世界，2013（14）：100-100.

[4] 張琦，孫劭文，李文鴻，等. 基于案例推理的機(jī)械故障診斷方法探討[J]. 江蘇：解放軍理工大學(xué)自然科學(xué)版，2004，5（5）：42-45.

[5] 邵延峰，薛紅軍. 故障樹分析法在系統(tǒng)故障診斷中的應(yīng)用[J].江蘇：機(jī)械設(shè)計(jì)與制造工程，2007，36（1）：72-74.

[6] 朱博，胡燕，趙永標(biāo). 人工神經(jīng)網(wǎng)絡(luò)在故障診斷系統(tǒng)中的應(yīng)用[J].湖北：艦船電子工程，2005，25（1）：91-95.

[7] 孫永. 模糊聚類分析在機(jī)械故障診斷中應(yīng)用評述[J].云南：云南農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)），2008，23（5）：698-700.

[8] 韓國泰. 航空電子的故障預(yù)測與健康管理技術(shù)[J].上海：航空電子技術(shù)，2009，40（1）：30-38.

[9] 郭陽明，蔡小斌，張寶珍，等. 故障預(yù)測與健康狀態(tài)管理技術(shù)綜述[J].北京：計(jì)算機(jī)測量與控制，2008，16（9）：1213-1216.

[10]卞玉濤，李志華. 基于專家系統(tǒng)的故障診斷方法的研究與改進(jìn)[J].陜西：電子設(shè)計(jì)工程，2013，21（16）：83-86.

[11]雷亞國，何正嘉. 混合智能故障診斷與預(yù)示技術(shù)的應(yīng)用進(jìn)展[J].上海：振動與沖擊，2011，30（9）：129-135.

[12]多麗華，楊擁民. 裝備遠(yuǎn)程協(xié)同診斷服務(wù)共享框架及其關(guān)鍵技術(shù)研究[J].北京：設(shè)備管理與維修，2006（3）：35-37.

（作者單位：勝利工程公司黃河鉆井總公司）