CC BY
23
УДК 681.518.5
DOI: 10.14529/power210112
ТЕХНИЧЕСКАЯ ДИАГНОСТИКА ОБОРУДОВАНИЯ БУРОВОЙ ЛЕБЕДКИ ВРЕМЯ-ВЕРОЯТНОСТНЫМ МЕТОДОМ С ПРИМЕНЕНИЕМ МИКРОПРОЦЕССОРНЫХ СРЕДСТВ
Т.А. Функ, А.Е. Бычков, Д.Ю. Хрюкин, Е.О. Волков
Южно-Уральский государственный университет, г. Челябинск, Россия
В статье решается актуальная задача диагностики состояния электрооборудования буровой установки с целью уменьшения материальных, временных и трудовых затрат на обслуживание электроприводов БУ. Актуальность исследования подтверждается данными аналитического ресурса SciVal и обзором литературы в области технической диагностики. Для создания автоматической системы обнаружения неисправности предложено объединить математические модели объектов диагностирования логического типа с возможностями микропроцессорных средств. На примере БУ Уралмаш 6500/450 БМЧ разработаны функциональные схемы электрооборудования и логическая модель АЭП БЛ как объекта диагностирования, рассчитаны цены проверок элементов модели и составлена таблица функций неисправности. Алгоритм определения места дефекта на языке контроллера предложено строить по разработанному авторами графу поиска неисправности время-вероятностным методом. Для наглядного представления решения в статье приведен оригинальный способ диагностики неисправности отдельных элементов БУ на примере индуктивного датчика, заключающийся в введении дополнительных обратных связей и реализации алгоритма автоматического обнаружения дефекта на высокоуровневом языке программирования.
Ключевые слова: техническая диагностика, мониторинг состояния, алгоритмы поиска неисправностей, время-вероятностный метод, буровая установка, буровая лебедка, автоматизированный электропривод.
Введение
Напряженность и непрерывность технологических процессов бурения нефтегазовых скважин обуславливают высокие требования надежности и отказоустойчивости для автоматизированных электроприводов (АЭП). С точки зрения технической диагностики АЭП буровых установок (БУ) представляют собой сложные объекты с большим количеством элементов и взаимосвязей между ними. Активное развитие АЭП сопровождается увеличением элементной базы и усложнением как электрических, так и механических элементов, что приводит к снижению надежности всей системы и резко увеличивает материальные, временные и трудовые затраты на обслуживание электроприводов, возникает необходимость присутствия на объекте высококвалифицированного персонала. Совершенствование методов и средств технической диагностики электроприводов в процессе его эксплуатации является актуальной задачей настоящего времени [1]. Для обеспечения бесперебойной работы АЭП буровых механизмов необходимо постоянно осуществлять мониторинг (контроль) технического состояния систем АЭП, а при возникновении дефекта - оперативно определять его место, вид и причину [2, 3].
Исследование с помощью аналитического ресурса SciVal [4] по следующим поисковым запросам: обнаружение неисправностей (Fault Detection), мониторинг процесса (Process Monitoring), анализ главных компонентов (Principal Component Analysis) в области электротехники и электроэнер-
гетики (Electrical and Electronic engineering) - показало рост публикационной активности за последние 6 лет (рис. 1). Значительный процент работ в области диагностики электромеханических комплексов публикуют европейские исследователи (рис. 2). В Российской Федерации доля публикаций также растет, однако итоговая сумма на порядок ниже, чем в Европе. Рост публикационной активности подтверждает актуальность исследования и интерес мирового научного сообщества к вопросам технической диагностики электротехнических систем.
Несмотря на актуальность вопроса и наличие объективной необходимости применения систем диагностики состояния для обеспечения надежной и бесперебойной работы электрооборудования БУ, публикаций на эту тему относительно немного. Все исследования можно условно разделить на три категории: первая - работы, посвященные диагностике двигателей; вторая - статьи по диагностике электромеханических комплексов; третья - публикации по системам диагностики для БУ. Порядок упоминания категорий дан по принципу уменьшения количества найденных публикаций.
На современных типовых БУ в качестве приводных двигателей все чаще используются асинхронные электродвигатели (АД) специального исполнения, обеспечивающие устойчивую и длительную работу электроприводов в сложных условиях эксплуатации [5]. Большая часть работ по оценке состояния АЭП посвящена диагностике электродвигателей, в том числе и АД. Так, наибо-
Рис. 1. Количество публикаций в международных изданиях по данным аналитического ресурса SciVal
Рис. 2. Диаграмма публикационной активности по теме диагностики электротехнического оборудования в России, Европе и мире
лее цитируемой публикацией в области диагностики АД по данным [4] является статья [6], в которой дается широкий обзор работ по методам диагностики электрических и механических неисправностей АД, по обработке сигналов для анализа и мониторинга состояния, по применению искусственного интеллекта. Тем не менее исследования по диагностике АД касаются только вопросов состояния приводного двигателя, а не всей системы АЭП в целом.
Работ по диагностике состояния электромеханических систем в целом было найдено значительно меньше. Интерес представляют исследования, представленные в [7], в которых описаны аналитические методы поиска неисправности сложных систем при помощи причинно-следственных связей на примере станков. Статьи автора Ge Zhiqiang, например [8], и книга Isermann R. [9] имеют наибольшее количество цитирований по темам мониторинга, сбора данных и анализа сложных электромеханических систем и могут быть полезны при построении диагностических комплексов электромеханических систем при решении задачи разработки системы диагностики АЭП БУ.
Публикаций по диагностике состояния непосредственно элементов и систем БУ было найдено
совсем немного. Так, работа [10] посвящена диагностике буровых насосов и имеет высокое количество цитирований. В статье [11] рассматриваются методы для диагностирования состояния буровых установок, а также автор аргументирует необходимость внедрения современных диагностических комплексов на буровые установки и обслуживание по фактическому техническому состоянию, так как буровая установка является объектом повышенной опасности. В настоящей же работе решается задача диагностики АЭП буровой лебедки с применением других подходов.
Обзор литературы показал, что решаемая в настоящей статье задача разработки современной системы технической диагностики состояния АЭП буровых установок в целом и оборудования буровой лебедки в частности, отвечающей требованиям системности, полноты включения оборудования, быстродействия и относительной простоты реализации, остается открытой. Предлагается автоматизировать процесс поиска неисправности с использованием теории построения графов причинно-следственных связей объекта диагностирования [9] и микропроцессорных средств, тем самым исключить человеческий фактор и ускорить время на локализацию дефекта.
Решение поставленной задачи было реализовано в несколько этапов.
1. Изучение технологического процесса и комплектующего оборудования.
2. Разработка логической модели систем АЭП буровой лебедки.
3. Реализация метода технического диагностирования.
4. Разработка алгоритма диагностики на языке контроллера на примере датчика кожуха лебедки.
1. Методы исследования
Для разработки системы диагностики, которая, с одной стороны, учитывает конкретные технологические аспекты, а с другой - с минимальными изменениями или без них может быть применена на ряде типовых буровых установок [12], в качестве объекта исследования была выбрана стационарная буровая установка Уралмаш 6500/450 БМЧ, предназначенная для бурения глубоких нефтегазовых скважин на длину ствола до 6500 м [13].
1.1. Функциональная схема
электрооборудования БУ
Общую функциональную схему электрооборудования БУ можно представить так, как показано на рис. 3.
Бесперебойное питание 6 кВ буровая установка получает от 3 дизельных генераторов суммарной мощностью 3 МВт (ДГУ 1-3). В комплектном распределительном устройстве (КРУ) находятся понижающие трансформаторы для комплектного тиристорного устройства (КТУ), низковольтное комплектное устройство (НКУ) и КТУ системы верхнего привода (СВП). НКУ питает вспомогательные механизмы: подпорные насосы, предназначенные для создания давления на входе буровых насосов; компрессоры для нагнетания воздуха в пневмосистеме БУ; центральную систему грубой очистки бурового раствора ЦСГО; дополнительный привод лебедки. КТУ осуществляет питание основных приводов БУ: частотно-регулируемых электрических приводов (ЧРП) № 1, № 2 буровой лебедки, выполняющих основные спускоподъем-ные операции и подачу долота на забой; ЧРП буровых насосов 1-3, предназначенных для нагнета-
ния раствора в скважину во время бурения и промывок; ЧРП роторного стола, участвующего в операциях свинчивания/развинчивания бурильных труб при проведении спускоподъемных операций; ЧРП дополнительного привода лебедки. КТУ СВП питает ЧРП СВП, предназначенный для вращения бурильной колонны во время бурения.
1.2. Система управления
АЭП буровой лебедки
Более детально рассмотрим систему управления АЭП буровой лебедки (БЛ), поскольку системы других основных механизмов построены аналогичным образом. Автоматизированная система управления лебедки БУ Уралмаш 6500/450 БМЧ построена на базе микропроцессорного промышленного контроллера ControlLogix 5561, к которому с применением технологии Ethernet подключены все основные узлы исполнительных механизмов. Функциональная схема системы АЭП БЛ представлена на рис. 4.
Основной привод лебедки выполнен от двух АД с короткозамкнутым ротором МЛ1 и МЛ2. Они управляются от преобразователя частоты, выполненного по схеме Multidrive (один общий выпрямитель на несколько параллельно включенных автономных инверторов напряжения АИН1 и АИН2). Оба двигателя соединены с барабаном лебедки двухскоростной трансмиссией с передаточными отношениями для «быстрой» и «тихой» передач. Реализована возможность переключения в одно- и двухдвигательный режим пневматической муфтой. Аналогично подключается аварийный двигатель лебедки (МЛ аварийный), который необходим в случае потери основного питания либо при монтаже БУ. Помимо этого контроллер управляет вспомогательными механизмами: вентиляторами (В), тормозной системой лебедки (ТЛ), системой смазки лебедки (СЛ), нагревателями (ТЭН). Контроллер получает задание режимов работы и скорости от оператора с панели управления (ПУ), в аварийных режимах управление аварийным приводом осуществляется напрямую с выносного пульта (ВП). АИН 1, АИН 2 и преобразователь частоты (ПЧ) аварийного двигателя содержат отдельные блоки управления БУ 1, БУ 2, БУ 3 соответственно.
Рис. 3. Функциональная схема электрооборудования буровой установки
Рис. 4. Функциональная схема системы АЭП БЛ
1.3. Разработка логической модели
АЭП буровой лебедки
Техническая диагностика объекта реализуются по его математическим моделям, которые могут быть построены на основе принципиальных, структурных, функциональных или логических схем исправных объектов [14, 15]. Согласно [15], объекты диагностирования целесообразно представлять в виде функциональных схем, так как по ним могут быть выделены не только основные функциональные элементы объекта и пути передачи воздействий между ними, но и отражены конструктивные решения реального объекта, позволяющие решать вопросы практической реализации его диагностирования.
В сложных системах, какими являются системы управления АЭП БУ, количество элементов и связей может исчисляться тысячами, следовательно, определить состояние каждого элемента становится достаточно сложно. Для многоэлементных систем целесообразно использовать относительно простые математические модели объектов диагностирования логического типа, в которых достаточно сделать лишь заключение о техническом состоянии объекта по результатам оценки значений его входных и выходных сигналов вида «в допуске -не в допуске». Логическое высказывание «входной (или выходной) сигнал не выходит за множество допустимых его значений» обозначается символом 1, а высказывание «входной (или выходной) сигнал выходит за множество допустимых его значений» -
символом 0. При указанных условиях совокупность операторов переходов, отражающих изменения состояния системы под действием внутренних и внешних возмущений, и операторов выходов, описывающих формирование выходного сигнала под действием внутренних и внешних возмущений, будут отражать булеву функцию условий работы объекта диагностирования.
С учетом указанных в [9] допущений функциональную схему (см. рис. 4) преобразуем в логическую модель, приведенную на рис. 5. Энко-деры (Э) электроприводов диагностируются системой управления электропривода (БУ1 и БУ2), следовательно, на этапе опроса БУ1 состояние энкодера будет известно, таким образом, его можно исключить из схемы, тем самым сократив количество элементов. Энкодер положения вала лебедки опрашивается контроллером постоянно, и в случае отсутствия импульсов на счетчике в контроллере предусмотрена подпрограмма аварийной остановки, следовательно, его тоже можно исключить из схемы. Аварийный привод лебедки может управляться как от контроллера, так и от выносного пульта, в случае если АСУ не подключена (на этапе монтажа буровой установки) либо АСУ неисправна. Таким образом, он является обводной схемой, что также можно исключить из алгоритма диагностики. Для дальнейшей реализации системы диагностики всем логическим элементам модели присвоены порядковые номера.
Рис. 5. Логическая модель для диагностики АЭП БЛ
1.4. Выбор метода поиска неисправности
Для построения алгоритмов диагностирования по логической модели можно воспользоваться методом последовательного функционального анализа, методом половинного разбиения, методом половинного разбиения с вероятностью отказа, время-вероятностным методом анализа [9]. Преимуществом время-вероятностного метода является составление графа поиска неисправности с учетом вероятности технических состояний р(е{) и времени проверки t(е{) каждого элемента объекта диагностирования, т. е. последовательность проверок определяется ценой элементарной проверки С(Zj). Цену проверки рассчитывают по формуле
С (zJ) = р(е,)/ Г(е,). (1)
Функцию предпочтения время-вероятностного метода находят по формуле
Таблица 1
Значения р(е,), t(e,) и C(z,) элементов логической модели АЭП БУ
№ п/п Обозначение Наименование N p(e) = N /т t(e), мин C(zj)
1 Выпрямитель Выпрямительный модуль АВВ ACS800 8 0,04790419 20 0,0023952
2 ПЛК Контроллер с основной управляющей программой БУ на базе Allen-Bradley 5051 10 0,05988024 30 0,001996
3 ПУ Пульт управления лебедкой (джойстик) 4 0,0239521 30 0,0007984
W(Zj) = maxC(Zj) | Ip(et )0- Ip(et )11. (2)
Для реализации диагностики электромеханического комплекса БУ воспользуемся именно время-вероятностным методом, поскольку помимо названного преимущества он обладает достаточным быстродействием для определения неисправности и прост в реализации при использовании микропроцессорных средств. Для расчета вероятности технического состояния элемента удобно сначала указать его надежность N. В табл. 1 приведены значения N , t(ei), определенные из опыта работы на БУ и систематизации сведений о частоте возникновения дефекта в конкретном элементе и среднем времени его устранения. Вероятности технических состояний p(ei), приведенные в табл. 1, были рассчитаны по формуле
p(e,) = N / Z N, (3)
Окончание табл. 1
№ п/п Обозначение Наименование N P(e) = N /IN, t(e), мин C(Zj)
4 ТЛ Механический тормоз лебедки, вклю-
чающий в себя два рабочих тормоза, управляющихся от АСУ БУ, один аварийный (ручной) 6 0,03592814 20 0,0017964
5 СЛ Смазка редуктора лебедки, включающая в себя маслонасос и датчики давления 3 0,01796407 15 0,0011976
6 ТМ Блок тормозных резисторов на базе модуля ABB NBRA-669C 8 0,04790419 20 0,0023952
7 БУ1 Блок управления инверторными моду-
лями, включающий в себя плату управления RDCU-12C, блок оптоволокон- 9 0,05389222 30 0,0017964
ного разветвления APBU-44C и блок управления ASFC-01C
8 АИН1 Инверторные модули АВВ ACS800 10 0,05988024 20 0,002994
9 ВИ Вентилятор инвертора 5 0,02994012 5 0,005988
10 МЛ1 Асинхронный электродвигатель № 1 основного привода лебедки 10 0,05988024 7 0,0085543
11 ТЭН1 Устройство обогрева обмоток электродвигателя 4 0,0239521 7 0,0034217
12 В Вентилятор охлаждения 5 0,02994012 5 0,005988
13 АД1 Электродвигатель вентиляторов охлаждения основных электродвигателей лебедки 10 0,05988024 5 0,011976
14 БУ2 Блок управления инверторными моду-
лями, включающий в себя плату управления RDCU-12C, блок оптоволокон- 9 0,05389222 30 0,0017964
ного разветвления APBU-44C и блок управления ASFC-01C
15 АИН2 Инверторные модули АВВ ACS800 10 0,05988024 20 0,002994
16 ВИ Вентилятор инвертора 5 0,02994012 5 0,005988
17 МЛ2 Асинхронный электродвигатель № 2 основного привода лебедки 10 0,05988024 7 0,0085543
18 ТЭН2 Устройство обогрева обмоток электродвигателя 4 0,0239521 7 0,0034217
19 В Вентилятор охлаждения 5 0,02994012 5 0,005988
20 АД2 Электродвигатель вентиляторов охлаждения основных электродвигателей лебедки 10 0,05988024 5 0,011976
21 ПЧ Преобразователь частоты электродвигателя аварийного привода лебедки на базе ABB ACS800 10 0,05988024 15 0,003992
22 МЛ аварийный Асинхронный электродвигатель аварийного привода лебедки 10 0,05988024 30 0,001996
23 Лебедка Буровая лебедка 2 0,01197605 30 0,0003992
Сумма 167 1
а значения цен элементарных проверок С^^) по формуле (1).
1.5. Разработка таблицы функций неисправностей (ТФН) Для схемы, представленной на рис. 5, целесообразно составить ТФН [14,15] с целью получения
массива данных о комбинациях состояний элементов объекта диагностики и автоматической реализации алгоритмов диагностики с использованием микропроцессорных средств.
ТФН представляет собой таблицу, в которой в столбцах даны технические состояния е{ элементов объекта, в строках - элементарные проверки л,,
Таблица 2
ТФН логической модели АЭП БЛ
Я е0 е1 е2 еэ е4 е5 е6 е7 ев е9 ею еп е12 е13 еи е15 е16 е17 е1в 619 е20 е21 е22 е23 ш
^ 1 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0,0018215
Z2 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0,0016135
Zз 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0,0007315
Z4 1 1 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0,0013446
Z5 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0,0009036
Z6 1 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0,0016637
Z7 1 1 0 0 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0,0012693
Z8 1 0 0 0 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0,0013625
Z9 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0,0054502
■ю 1 0 0 0 1 1 1 0 0 0 1 1 1 1 1 1 1 1 1 1 0,0011781
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0,0031349
■12 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 0,0051274
■13 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 0,0109003
■14 1 1 0 0 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 0,0012478
■15 1 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 0,0013267
■16 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 0,0054502
■17 1 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0 1 1 1 0,0010757
■18 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0,0031349
■19 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 0,0051274
■200 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 0,0109003
■21 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 0,002749
■22 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 1 0,0011354
■23 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,0003992
а в клетках j, i, находящихся на пересечениях строк лj и столбцов е{, приведены результаты Я'}-
проверок. При учете только одиночных отказов рассматриваемый объект (см. рис. 5) может находиться в одном из двадцати четырех возможных состояний: одно - это полностью исправное состояние (е0) и двадцать три состояния, связанных с отказом одного из функциональных элементов (е1,е2,..., е23) [16]. ТФН логической модели АЭП БЛ приведена в табл. 2.
При составлении логической модели (см. рис. 5) АЭП БЛ рассматривался как непрерывный комбинационный объект, что справедливо при определенном упрощении функциональной схемы [15], это позволило избежать неразличимых столбцов и строк и реализовать два основных свойства ТФН, т. е. по данной таблице можно обнаружить и различить любую неисправность объекта диагностирования [9, 15]. Для осуществления автоматизированного поиска неисправности по таблице инженерным способом на следующем шаге следует применить функцию предпочтения одного из методов поиска неисправности. Результаты расчетов функции предпочтения по формуле (2) приведены в табл. 2.
1.6. Алгоритм поиска неисправности
Граф поиска неисправности можно составить либо только по ценам проверок элементов, т. е. первым выбрать элемент с наибольшей ценой про-
верки, либо по функции предпочтения (2). На рис. 6 построен граф поиска неисправности по результатам расчетов функции предпочтения, представленным в табл. 2. Наибольшие и равные цены проверок имеют элементы № 13 и № 20, наибольшие значения функции предпочтения также у 13 и 20 элементов. Начинаем построение графа с элемента № 13. Дальнейший порядок проверок определяем по значениям функции предпочтения аналогичным образом. Граф поиска неисправности для логической модели АЭП БУ (см. рис. 5), построенный время-вероятностным методом, приведен на рис. 6.
Следующий шаг - это реализация графа поиска неисправности (см. рис. 6) на языке определенного микропроцессорного контроллера, что позволит за минимальное время в автоматическом режиме локализовать неисправность. При осуществлении поиска неисправности в ручном режиме длительность проверки зависит от квалификации специалиста и от времени проведения ряда физических экспериментов. Для диагностики состояния системы электропривода можно использовать имеющийся программируемый логический контроллер, который выполняет основную программу автоматизированного управления БУ, добавив в него алгоритм диагностики на языке контроллера. Алгоритм работает, опрашивая биты состояния элементов системы, имеющиеся в программе управления, и/или определяя, в допуске или не в допуске находятся выходные сигналы элементов [17].
0,00856 0,0012 0,00856 0,0012 0,0004
Рис. 6. Граф поиска неисправности
Язык программирования будет определяться типом контроллера. При определении места дефекта на общей логической модели (см. рис. 5) по разработанному алгоритму (см. рис. 6), т. е. определении неисправного элемента, следует переходить к диагностике данного элемента и его составляющих. Ниже в качестве примера разработан алгоритм диагностики на языке контроллера на примере датчика пневмомуфты переключения скоростей лебедки.
Учитывая требования к промышленным системам для Индустрии 4.0 [18], современные системы диагностики должны иметь возможность реализации не только на уровне управляющего контроллера, но и на более высоких уровнях управления. В связи с этим составлять алгоритмы поиска неисправности целесообразно на универсальных языках программирования.
Одним из таких языков является язык программирования Python, поскольку для данного языка разработано множество библиотек для работы с данными и обработки информации, полученной по промышленной сети протоколов TCP/IP, на базе которых возможно строить интеллектуальные системы диагностирования [18] и прогнозирования состояния с применением в дальнейшем машинного обучения [19].
1.7. Разработка алгоритма диагностики на языке контроллера на примере датчика кожуха лебедки Разработку алгоритма диагностики на языке программирования целесообразно показать на типовом элементе БУ. В качестве такого элемента
рассмотрим индуктивный датчик, который применяется на кожухе лебедки, выполняя функцию концевого выключателя. Помимо этого, данный тип датчика применяется во многих системах буровой установки, например, для определения положения пневмомуфты трансмиссии лебедки. Типовая схема реализации подключения датчиков представлена на рис. 7, здесь ИП - источник питания, ПЛК - программируемый логический контроллер, ИБ - искробезопасный барьер.
Из схемы на рис. 7 видно, что при обрыве кабеля или неисправности чувствительного элемента датчика (короткое замыкание катушки или механическое повреждение) АСУ будет выдавать сообщение, что снят кожух лебедки, при этом БЛ автоматически встанет на аварийный тормоз. Возникнет аварийный режим работы БУ, требующий проведения ручной диагностики и устранения данной неисправности.
С целью обнаружения неисправности в автоматическом режиме были разработаны схема и алгоритм автоматической диагностики состояния индуктивного датчика (рис. 8), позволяющие определить конкретный дефект, а именно:
- отсутствие питания датчика;
- обрыв информационного кабеля;
- залипание контактов;
- неисправность катушки датчика.
Блок диагностики (БД) представляет собой микропроцессорное устройство с высокой частотой дискретизации, которое получает сигналы от ПЛК и ИБ, затем отправляет состояние датчика в ПЛК АСУ лебедки. Для определения состояния датчика была построена таблица истинности (табл. 3).
Рис. 7. Типовая схема включения индуктивного датчика
Рис. 8. Схема подключения датчика для системы диагностирования
Таблица истинности блока диагностики
Таблица 3
Команда ПЛК NO NC PS Состояние датчика
1 1 0 1 Исправен
0 0 1 1
1 0 0 1 Обрыв N.0.
1 0 0 0 Потеря питания
0 0 0 0
1 0 1 1 Короткое замыкание катушки
0 1 0 1 Залипание N.0.
В табл. 3 приведены состояния переменных типа «bool»: NO - нормально разомкнутый контакт (normal open), NC - нормально замкнутый контакт (normally closed), PS - источник питания (power supply). На основании разработанной таблицы ис-
тинности составлен алгоритм на языке Python 3 для реализации поиска неисправности индуктивного датчика, представленный на рис. 9.
Благодаря данной системе появилась возможность локализовать место неисправности. Отдель-
#Algorithm of diagnostic inductrive sensor
= 1 and NC == 0 and PS == 1:
if PLCcommand == 1 and NO statusls = 1
statusWord = if PLCcommand == statusls = 1 statusWord = if PLCcommand == statusls = 0 statusWord = if PLCcommand == statusls = 0 statusWord = if PLCcommand == statusls = 0 statusWord = if PLCcommand == statusls = 0 statusWord = if PLCcommand == statusls = 0 statusWord =
'correctly'
0 and NO ==
'correctly'
1 and NO ==
0 and NC == 1 and PS == 1:
0 and NC == 0 and PS == 1:
'NO wire loss'
1 and NO == 0 and NC == 0 and PS == 0: 'Supply loss'
0 and NO == 0 and NC == 0 and PS == 0: 'Supply loss'
1 and NO == 0 and NC == 1 and PS == 1:
'Sensor fault (sticking NC contact or coil damaged)'
0 and NO == 1 and NC == 0 and PS == 1:
'Sensor fault (sticking NO contact)' Рис. 9. Алгоритм поиска неисправности индуктивного датчика на языке Python 3
ное микропроцессорное устройство [15] диагностики в сочетании с верхнеуровневым языком обеспечит высокую скорость обработки данных, при этом не влияя на ПЛК АСУ ТП. В условиях БУ это крайне необходимо, так как ремонтное время складывается из времени, затраченного на диагностику и ремонтно-восстановительные работы. Диагностические мероприятия, связанные с буровой лебедкой, затрачивают значительное время, поскольку многие датчики и исполнительные механизмы находятся в труднодоступных местах под защитными кожухами.
При внедрении данной системы появится возможность указать точную причину неисправности без траты времени на диагностику, что значительно уменьшит ремонтное время и снизит необходимость присутствия высококвалифицированного персонала на каждой кустовой площадке, что сократит материальные издержки при строительстве нефтегазовых скважин.
Заключение
В статье дано оригинальное решение актуальной задачи разработки современной системы технической диагностики состояния АЭП БУ в целом и оборудования БЛ в частности, отвечающее требованиям системности, полноты включения оборудования, быстродействия и относительной простоты реализации, заключающееся в объединении математических моделей объектов диагностирования логического типа с возможностями микропроцессорных средств. В результате изучения технологических процессов бурения нефтегазовых скважин на примере БУ Уралмаш 6500/450 БМЧ
были разработаны функциональные схемы электрооборудования и логическая модель АЭП БЛ как объекта диагностирования, достаточно полно отражающие состав электрооборудования системы АЭП и взаимосвязи между её элементами.
На основании разработанной логической модели электропривода АЭП БЛ и с учетом опыта обслуживания БУ были рассчитаны цены проверок каждого элемента модели и составлена таблица функций неисправности, которые можно использовать в качестве массива данных для определения состояния объекта диагностирования при помощи микропроцессорных средств. Алгоритм определения места дефекта на языке контроллера предложено строить по разработанному авторами графу поиска неисправности время-вероятностным методом. Разработанное решение ориентировано на дальнейшее использование в системах технической диагностики для обнаружения неисправности в автоматическом режиме, что приведет к уменьшению материальных, временных и трудовых затрат на обслуживание электроприводов БУ.
Для наглядного представления решения в статье приведен оригинальный способ диагностики неисправности отдельных элементов БУ на примере индуктивного датчика, заключающийся в ведении дополнительных обратных связей и реализации алгоритма автоматического обнаружения дефекта на языке Python 3. Реализация способа на отдельном микропроцессорном устройстве в сочетании с высокоуровневым языком программирования обеспечивают высокую скорость обработки данных без отрицательного влияния на основной управляющий контроллер.
Литература
1. Дзюбенко, О.Л. Методы обнаружения неисправностей и операции проведения ремонта комбинированных электроизмерительных приборов / О.Л. Дзюбенко, С.В. Подстреха, Е.В. Чмутин // Современные научные исследования и инновации. - 2017. - № 10. - С. 165-169.
2. Самородов, А.В. Разработка программно-аппаратного комплекса для оценки технического состояния машинных агрегатов с электрическим приводом / А.В. Самородов, М.Г. Баширов, Д.Г. Чурагулов, А.А. Абдуллин // Электронный научный журнал «Нефтегазовое дело». - 2012. - № 6. - С. 10-20.
3. Петухов, В. Диагностика электродвигателей. Спектральный анализ модулей векторов Парка тока и напряжения /В. Петухов //Новости электротехники. - 2008. - № 1 (49).
4. SciVal. Research performance insights on thousands of institutions, worldwide. - https://www.scival.com (дата обращения: 08.02.2021).
5. Абрамов, Б.И. Асинхронные электродвигатели для частотно регулируемых электроприводов буровых установок / Б.И. Абрамов, Л.Н. Макаров, Б.М. Бреслав, В.М. Пономарёв, Б.М. Парфёнов // Электротехника. - 2009. - № 1. - С. 13-18.
6. Advances in Diagnostic Techniques for Induction Machines / A. Bellini, F. Filippetti, C. Tassoni, G.-A. Capolino // IEEE Transactions on Industrial Electronics. - 2008. - No. 55. - P. 4109-4126. DOI: 10.1109/tie.2008.200752 7
7. Isermann, R. Fault diagnosis of machines via parameter estimation and knowledge processing - Tutorial paper /R. Isermann //Automatica. - 1993. - No. 29. - P. 815-835. DOI: 10.1016/0005-1098(93)90088-b
8. Ge, Z. Online monitoring of nonlinear multiple mode processes based on adaptive local model approach / Z. Ge, Z. Song // Control Engineering Practice. - 2008. - No. 16. - P. 1427-1437. DOI: 10.1016/j. conengprac. 2008.04.004
9. Isermann, R. Fault-Diagnosis Systems. An Introduction from Fault Detection to Fault Tolerance / R. Isermann. - Springer-Verlag Berlin Heidelberg, 2006. - 478 p. DOI: 10.1007/3-540-30368-5
10. Diagnosing multiple faults in oil rig motor pumps using support vector machine classifier ensembles / E. Wandekokem, E. Mendel, F. Fabris et al. //Integrated Computer-Aided Engineering. - 2011. - No. 18. - P. 61-74. DOI: 10.3233/ica-2011-0361
11. Герике, П.Б. Контроль технического состояния буровых установок серии DML по параметрам механических колебаний / П.Б. Герике // Вестник научного центра по безопасности работ в угольной промышленности. - 2014. - № 1. - С. 28-32.
12. Осипов, О.И. Техническая диагностика автоматизированных электроприводов / О.И. Осипов, Ю.С. Усынин. - М.: Энергоатомиздат, 1991.- 160 с.
13. Стационарные буровые установки // Нефтегазовые установки «Уралмаш НГО Холдинг». -http://www. uralmash-ngo. com/shop/statsionarnye-burovye-ustanovki/# 15 75541623 761-51016d4a-4322 7e9 7-cfca (дата обращения: 19.01.2021).
14. Лебедев, Л.С. Модернизированный метод поиска неисправностей на основе П-алгоритма / Л.С. Лебедев//ВестникИрГТУ. - 2014. - Т. 1, № 84. - C. 100-107.
15. Осипов, О.И. Диагностирование непрерывных последовательностных объектов электропривода / О.И. Осипов, С.М. Бутаков // Электротехнические системы и комплексы: межвуз. сб. науч. тр. - Магнитогорск: МГМА, 1996. - Вып. 1. - С. 65-75.
16. Основы технической диагностики. В 2 кн. Кн. 1: Модели объектов, методы и алгоритмы диагноза / В.В. Карибский, П.П. Пархоменко, Е.С. Согомонян, В.Ф. Халчев; под ред. П.П. Пархоменко. - М.: Энергия, 1976. - 464 с.
17. Науменко, А.П. Методы технической диагностики: материалы лекций. - Омск: ОмГТУ, 2016. -
18. Прахов, И.В. Разработка интеллектуальной системы диагностики насосных агрегатов с электрическим приводом. / И.В. Прахов, А.В. Самородов, М.Г. Баширов // Современные наукоемкие технологии. - 2017. - № 10. - С. 58-62.
19. Ghosh Eshaan. Machine learning based early fault diagnosis of induction motor for electric vehicle. PhD. Diss. / Ghosh Eshaan. - Windsor, 2018. - 168 p.
Функ Татьяна Андреевна, канд. техн. наук, доцент кафедры «Автоматизированный электропривод», Южно-Уральский государственный университет, г. Челябинск; kozinata@susu.ru.
Бычков Антон Евгеньевич, канд. техн. наук, доцент кафедры «Автоматизированный электропривод», заместитель декана энергетического факультета, Южно-Уральский государственный университет, г. Челябинск; bychkovae@susu.ru.
Хрюкин Дмитрий Юрьевич, аспирант, кафедра «Автоматизированный электропривод», ЮжноУральский государственный университет, г. Челябинск; dmitry.khriukin@yandex.ru.
Волков Евгений Олегович, магистрант, кафедра «Автоматизированный электропривод», ЮжноУральский государственный университет, г. Челябинск; volkoveo@yandex.ru.
DRAWWORKS DIAGNOSIS BY A TEMPORAL PROBABILISTIC METHOD USING A MICROPROCESSOR
T.A. Funk, kozinata@susu.ru, A.E. Bychkov, bychkovae@susu.ru,
D.J. Khriukin, dmitry.khriukin@yandex.ru,
E.O. Volkov, volkoveo@yandex.ru
South Ural State University, Chelyabinsk, Russian Federation
The paper dwells upon diagnosing drilling rig electrics with material, time, and labor costs reduction in mind. SciVal analytics and overview of literature on equipment diagnosis reinforce the relevance of this research. To create an automatic fault detection system, it is proposed to combine mathematical models of Boolean
125 с.
Поступила в редакцию 13 февраля 2021 г.
DOI: 10.14529/power210112
objects of diagnosis with the microprocessor capabilities. The research team used an Uralmash 6500/450 BMCh drilling rig to develop electrical equipment diagnosis flowcharts and a drawworks logical model; then the researchers estimated the costs of checking the model elements and compiled a table of a fault functions. The proposal was to program the fault location algorithm in the controller programming language following the author-developed troubleshooting graph which uses a temporal probabilistic method. To visualize the solution, the paper presents an original method that diagnoses faults of individual drilling rig components; case study herein analyzes an inductive sensor as such a component. The method consists in using additional feedback and implementing an algorithm for automatic fault detection in a high-level programming language.
Keywords: diagnosis, condition monitoring, troubleshooting algorithms, temporal probabilistic method, drilling rig, drawworks, automated electric drive.
References
1. Dzyubenko O. L., Podstrekha S. V., Chmutin E. V. [Methods for the detection of faults and the operation of holding combined repair of electrical appliances]. Modern scientific researches and innovations, 2017, no. 10, pp. 165-169. (in Russ.)
2. Samorodov A.V., Bashirov M.G., Churagulov D.G., Abdullin A.A. [Development of hardware and software to evaluate the technical condition of machine units with electric drive]. Elektronnyy nauchnyy zhurnal "Neftegazovoe delo" [Electronic scientific journal "Oil and Gas Business"], 2012, no. 6, pp. 10-20. (in Russ.)
3. Petukhov V. [Diagnostics of electric motors. Spectral analysis of the modules of the current and voltage Park's vectors]. Novosti elektrotekhniki [Electrical engineering News], 2008, no. 1 (49). (in Russ.)
4. SciVal. Research performance insights on thousands of institutions, worldwide. Available at: https://www.scival.com (accessed 08.02.2021).
5. Abramov B.I., Makarov L.N., Breslav B.M., Ponomarev V.M., Parfenov B.M. [Induction motors for variable frequency drives of drilling rigs]. Electrical Engineering, 2009, no. 1, pp. 13-18. (in Russ.)
6. Bellini A., Filippetti F., Tassoni C., Capolino G.-A. Advances in Diagnostic Techniques for Induction Machines. IEEE Transactions on Industrial Electronics, 2008, no. 55, pp. 4109-4126. DOI: 10.1109/tie.2008.2007527
7. Isermann R. Fault diagnosis of machines via parameter estimation and knowledge processing - Tutorial paper. Automatica, 1993, no. 29, pp. 815-835. DOI: 10.1016/0005-1098(93)90088-b
8. Ge Z., Song Z. Online monitoring of nonlinear multiple mode processes based on adaptive local model approach. Control Engineering Practice, 2008, no. 16, pp. 1427-1437. DOI: 10.1016/j.conengprac.2008.04.004
9. Isermann R. Fault-Diagnosis Systems. An Introduction from Fault Detection to Fault Tolerance. SpringerVerlag Berlin Heidelberg, 2006. 478 p. DOI:10.1007/3-540-30368-5
10. Wandekokem E., Mendel E., Fabris F., Valentim M., Batista R.J., Varejao F.M., Rauber T.W. Diagnosing multiple faults in oil rig motor pumps using support vector machine classifier ensembles. Integrated Computer-AidedEngineering, 2011, no. 18, pp. 61-74. DOI: 10.3233/ica-2011-0361
11. Gericke P.B. [The condition monitoring of the dml-series drilling rigs by parameters of the mechanical oscillations]. Bulletin of the scientific center for work safety in the coal industry, 2014, no. 1, pp. 28-32. (in Russ.).
12. Osipov O.I., Usynin Ju.S. Tehnicheskaya diagnostika avtomatizirovannykh elektroprivodov [Technical diagnostics of automated electric drives]. Moscow, Energoatomizdat Publ., 1991. 160 p.
13. Stationary drilling rigs, Oil and gas installations "Uralmash NGO Holding". Available at: http://www.uralmash-ngo.com/shop/statsionarnye-burovye-ustanovki/#1575541623761-51016d4a-43227e97-cfca (accessed 19.01.2021).
14. Lebedev L.S. [Upgraded troubleshooting method based on p-algorithm]. Proceedings of Irkutsk State Technical University, 2014, vol. 1, no. 84, pp. 100-107. (in Russ.)
15. Osipov O.I., Butakov S.M. [Diagnostics of faulty sequential objects of the electric drive]. Elektro-tekhnicheskiye sistemy i kompleksy: mezhvuzovskiy sb. nauch. tr. [Electrical systems and complexes: international collection of scientific papers]. Magnitogorsk, MGMA Publ., 1996, vol. 1, pp. 65-75. (in Russ.)
16. Parkhomenko P.P. Karibskiy V.V., Parkhomenko P.P., Sogomonyan E.S., Khalchev V.F. Osnovy tehnicheskoy diagnostiki. Kniga 1. Modeli ob 'yektov, metody i algoritmy diagnoza [Fundamentals of technical diagnostics. Book 1. Object models, diagnostic methods and algorithms]. Moscow, Energiya Publ., 1976. 464 p.
17. Naumenko A.P. Metody tekhnicheskoy diagnostiki: materialy lektsiy [Methods of technical diagnostics: Materials of lectures]. Omsk, OmGTU Publ., 2016. 125 p.
18. Prakhov I.V., Samorodov A.V., Bashirov M.G. [Development of intelligent system of diagnostics of pumping units with electric drive]. Modern high technologies, 2017, no. 10, pp. 58-62. (in Russ.)
19. Ghosh Eshaan. Machine learning based early fault diagnosis of induction motor for electric vehicle. PhD. Diss. Windsor, 2018. 168 p.
Received 13 February 2021
ОБРАЗЕЦ ЦИТИРОВАНИЯ
Техническая диагностика оборудования буровой лебедки время-вероятностным методом с применением микропроцессорных средств / Т.А. Функ, А.Е. Бычков, Д.Ю. Хрюкин, Е.О. Волков // Вестник ЮУрГУ. Серия «Энергетика». - 2021. - Т. 21, № 1. - С. 109-121. DOI: 10.14529/power210112
FOR CITATION
Funk T.A., Bychkov A.E., Khriukin D.J., Volkov E.O. Drawworks Diagnosis by a Temporal Probabilistic Method Using a Microprocessor. Bulletin of the South Ural State University. Ser. Power Engineering, 2021, vol. 21, no. 1, pp. 109-121. (in Russ.) DOI: 10.14529/power210112
