自适应振动筛自学习机理研究

朱晓梅，洪 黎，田昌文，裴广领，裴彩霞

（河南石油勘探局a.钻井工程公司；b.机动处，河南南阳473132） ①

自适应振动筛自学习机理研究

朱晓梅a，洪 黎b，田昌文a，裴广领a，裴彩霞a

（河南石油勘探局a.钻井工程公司；b.机动处，河南南阳473132）①

为更好地提高振动筛适应外界工况变化的能力，将自适应控制理论应用到振动筛动态性能参数的调整中。研究了振动筛的自学习、自适应过程，对参数估计、自适应控制器设计和自学习控制闭环进行监测。详述带有监测与协调级的自学习、自适应振动筛，全面提升振动筛性能，以推动一种新型振动筛的诞生。

自适应振动筛；监测与协调；闭环控制；自学习机理

钻井液振动筛的工作环境为露天井场，工作条件恶劣。而作为现代钻井成套固控设备中必不可少的第1级基本筛分设备——钻井液振动筛，其工作性能的好坏直接决定了固控系统是否能够很好地完成任务［1］。目前，对振动筛的研究仅局限于单纯地对其进行动态性能参数的检测和简单获得其性能参数，不能很好地满足振动筛工况的需要［2］。将自适应、自学习控制这一概念引入到振动筛的动态性能参数的调整中，能较好地适应外界工况的变化。

1 自适应振动筛自学习理论

由于振动筛的工况相当复杂，动态性能参数比较多，很难预先给振动筛自学习控制系统确定1个固定的诊断标准和动态性能参数标准值［3］，最简单而且可靠的办法就是与它在正常时的状态作比较；振动筛正常时的工作状态无“跑浆”、“筛堵”等异常现象的发生，且筛分效果好。一旦确定振动筛的正常工作状态，自适应振动筛控制系统也就获得了振

采用频域诊断法时建立“标准谱”的过程如下［4］：

在自适应振动筛控制系统正常工作的情况下，不断采集诊断信号并计算功率谱，这样经过一段时间就会得到大量的功率谱数据Si（k），i＝1，2，…，l，其中i表示第i段信号。由此便可以计算出各个谱线的均值）和方差σ（k），即

这样对每条谱线都能建立起近似的标准值Silimit（k），即

照此建立置信区间，高斯分布的置信度可达99.73%。这些标准值被存到计算机，自适应振动筛控制系统完成了自学习、自适应过程，计算机就可以进入监视状态；如果发现某条谱线超出标准值，即Si（k）≥Silimit（k），则报警并对信号作进一步分析处理，以完成各种规定的诊断及判决。

2 自适应振动筛监测与协调技术

自学习是自适应振动筛控制系统中的核心。为了成功应用模型参数自适应振动筛控制器，要求所有用来推导振动筛参数估计和自适应振动筛控制器设计的假设全部得到满足，同时设计振动筛参数应选择正确。但在实际自适应振动筛控制过程中，这些条件会由于某种原因而不能得到满足，这样，参数自适应振动筛控制器的性能就会下降甚至不能接受［5］。因此，有必要对参数自适应振动筛控制系统的自学习功能进行连续的监测与协调。

2.1 对参数估计进行监测

对自适应振动筛控制器进行参数估计的主要目的是保证辨识模型与真实模型的输入－输出行为匹配得足够好。在振动筛参数估计的监测与协调过程中除了进行模型验证，还要进行别的处理，例如：适时关闭参数估计；对估计值滤波；重新启动参数估计和改变估计参数等。

按照振动筛动态性能参数估计法，可用下述量化标准评价估计算法［6－8］。

1） 振动筛性能参数信号值：①先验误差e（k）；②e（k）的平均值；③e（k）的方差；④自相关函数中Φee（k）；⑤互相关函数中Φue（k）；⑥估计过程的损失函数V（k）。

2） 振动筛性能参数值：①估计振动筛参数的平均值；②估计振动筛参数的方差；③协方差矩阵P（k）；④信息矩阵H（k）＝P－1（k）；⑤估计过程的特征值Zi＝1－ψT（k）γ（k）（i＝1，2，…，n）。

通过上述各值的组合搭配可以监测估计器的错误，并对其原因进行归类，然后采取适当的措施改进振动筛参数估计。

振动筛参数估计的过程特性快速变化、强非线性过程工作点的快速改变都会给过程模型辨识造成困难。在监测与协调级，可以监测先验误差e（k）、方差σ2e（k）、损失函数V（k）。如果相应值超出了一定的界限，则减小遗忘因子，使相应值回到允许范围。对于过程特性变化速度非常快、幅度非常大的情况，可以减小遗忘因子，增大先验误差，以此使自适应振动筛控制器缓慢接受振动筛参数估计值。同时，将协方差阵做相应改动可以加快收敛过程。叠加在过程输出上的外部扰动（例如：阶跃变化、信号漂移、冲激信号）对振动筛参数估计过程的假设条件是一种破坏，它使振动筛参数估计值产生与过程动力学无关的剧烈变化，从而使自适应振动筛控制器的控制性能恶化。对于特征频率在过程带宽之内的周期干扰信号，情况类似。

由于扰动的作用，振动筛参数估计值会发生阶跃变化，经过几个采样周期后（与遗忘因子有关）恢复原值。不稳定的及周期的扰动体现在振动筛参数估计值的变化和先验误差e（k）、方差σ2e（k）及矩阵P的轨迹上［6］。经过一段时间，这些参数会恢复原状。在此过程中，自适应振动筛控制器不应发出控制动作。另一种更好的方法是在扰动影响到振动筛参数之前就对振动筛参数估计过程进行干预，即在把过程输出的振动筛测量值用于振动筛参数估计前，用信号衰减分析法对其进行评价。用这种方法可以在几个采样周期内识别出阶跃变化、信号漂移、冲激信号和周期性扰动信号。当发现与以往信号不相符的输出时，关闭振动筛参数估计和静态量估计。待对扰动进行分类后，按照给定控制方案，再打开振动筛参数估计和静态量估计功能。对于自适应振动筛的控制环中参考信号的强制改变，不进行监测与协调。

当参数自适应振动筛控制环受到不确定的影响时，振动筛参数估计可能会失败，对于复杂系统尤其是这样（过程模型无法逼真近似）。

振动筛参数估计发生错误时，衰减信号的均值及方差都会单调增加，矩阵P的轨迹将不会单调减小。此时建议重新启动振动筛参数估计法，但这会造成自适应振动筛控制器的控制效果暂时恶化。如果不允许这种暂时的恶化，可以减小遗忘因子，同时在过程输人信号中叠加适当的激励测试信号。

2.2 对自适应控制器进行监测

除了振动筛参数估计监测外，对自适应振动筛控制器设计也应监测。用监测与协调级指导控制器的计算，可以提高参数自适应振动筛控制环的安全性，降低计算复杂度，减少参数快速频繁变化对自适应控制器的影响。为避免使用自适应控制器时不符合假设条件（或该条件被破坏），可以对这些假设条件进行检查，如果出现过程结构和自适应控制器结构不匹配，过程极点消失，过程零点接近或跑出单位圆［7］。在监测与协调级中对于自适应控制器和振动筛参数估计器可以使用不同的采样时间。

在泥浆过程参数变化不大时，可以跟踪振动筛参数估计值的时变均值并计算其方差。这时，若遗忘因子λ＜1，递推振动筛估计器能够跟踪泥浆过程参数的变化，从而可以计算自适应控制器参数，实现振动筛自适应功能。但是对于泥浆过程参数的大变化，递推振动筛估计器就不能快速灵敏地跟踪了。在这种情况下，自适应振动筛控制器参数的计算暂停一段时间，在线控制使用上一组控制参数。暂态变化过程结束后，过程参数估计进人一个新的稳态（如图1所示，图中a1为初始倾角；＾aF1为经过滤波的特性；＾a1为未经过滤波的特性），此时重新开始控制器的参数计算。

图1 监测控制器参数估计过程的特性

2.3 对自适应振动筛自学习控制闭环的监测

对于闭环，特别是振动筛参数自适应控制闭环的监测，必须分析从井底返回地面的泥浆控制量和振动筛被控信号［8］。如果在自适应振动筛闭环控制过程中泥浆控制量处于允许范围的上界或下界，并且对于恒定参考信号控制偏差e（k）＝w（k）－y（k）单调增加或振荡，那么系统应切换至预辨识阶段设计的后备自适应控制器。

3 带有监测与协调级的自学习 自适应振动筛

监测和必要的协调可以用3个反馈环来实现（如图2），具备发现错误、诊断错误、启动补救方法、监测振动筛参数估计和自适应振动筛控制器设计过程。当发现算法错误时，采取措施避免控制性能的进一步恶化；监测闭环稳定性，当参数自适应振动筛控制器失稳时采取措施；启动过程的协调机制，当一套新的自适应振动筛控制器参数投人使用前进行决策；对估计出的过程振动筛参数进行滤波；对参数自适应振动筛控制性能进行一般性改善，例如修改采样时间等9项功能［9］。监测和协调级的作用是识别、减少和消除振动筛参数估计过程及自适应振动筛控制器设计过程或闭环行为可能造成的缺陷。

图2 带有监测与协调级的自适应振动筛自学习控制环

自适应振动筛自学习控制环在指定了自由参数，对振动筛参数估计器和自适应振动筛控制器设计设定了初始条件后，可对闭环进行启动。在预辨识阶段，为了估计过程模型参数并获得1个开环下的良好初始模型，可用1个足够强的信号对过程进行扰动。经过一段足够长的辨识时间，通过检查辨识出来的模型与真实过程的输入－输出关系，验证估计的过程模型。在启动1个参数自适应振动筛控制环之前，可以为过程辨识模型和用于预辨识的工作点计算1个后备控制器［10］。当参数自适应控制环失稳时，可以切换到后备控制器，操纵系统到达稳定的工作点。

与基本参数自适应自学习控制器相比，带有监测与协调级的参数自适应控制器对性能和稳定性有极大的改善。对1个线性3阶低通过程（其输出受到随机泥浆变量信号n（k）的干扰）使用DB控制器：在A段，过程参数和参考信号发生了变化；在B段，过程增益发生了变化；在C段，为了进行参数估计，在过程输出信号上叠加了一个外部信号［11－13］。

如图3～4所示，对于基本参数自适应振动筛控制器，在A段，振动筛参数估计值和自适应振动筛控制器参数变化很大，以至控制信号u（k）与过程输出y（k）变化很大；在B段，过程增益的较大变化引起了不带监测与协调级的参数自适应控制器控制性能的恶化；在C段，过程输出信号上叠加外部测试信号引起了控制的不稳定，而带有监测与协调级的参数自适应控制器在处理扰动方面具有优势。

图3 不带有监测与协调级的参数自适应振动筛控制过程

图4 带有监测与协调级的参数自适应振动筛控制过程

4 结语

自适应振动筛是一种带有监测与协调级的全新型振动筛，具备自学习、自适应功能。应用现代静、动态测控技术监测参数，可获取振动筛动态性能优化参数，全面提升产品性能，实现振动筛整机及零部件的自学习、自适应，提高筛分效果和振动筛的处理量，以推动钻井泥浆固控技术发展。

［1］ 王宏伟，刘 军，刘继亮.国外新型钻井振动筛研究进展［J］.石油矿场机械，2011，40（3）：72－76.

［2］ 徐 倩，邓 嵘，李艳萍，等.2种新型钻井振动筛［J］.石油矿场机械，2010，39（8）：53－56.

［3］ 朱维兵，张明洪.钻井液振动筛的应用与发展水平［J］.钻采工艺，1999，22（2）：12－15.

［4］ 张明洪，张万福，龚伟安，等.振动筛研制中的动态测试［J］.石油矿场机械，1989，18（6）：14－22.

［5］ 茹 军，张明洪.钻井液振动筛整机动态检测中的若干问题［J］.石油矿场机械，2003，32（3）：68－70.

［6］ 侯勇俊，申永强，田 英，等.基于运动合成原理的三电机自同步椭圆振动筛同步稳定性研究［J］.石油矿场机械，2010，39（6）：1－5.

［7］ 陈世春，张晓东，梁红军，等.塔里木地区超深井钻机配置［J］.石油矿场机械，2010，39（4）：48－53.

［8］ 马建民，刘永红，李 夯，等.可自适应膨胀防砂筛管膨胀机理研究［J］.石油矿场机械，2009，38（12）：9－11.

［9］ 任 建，王 刚，周 强，等.井控装置测控系统改进方法研究［J］.石油矿场机械，2010，39（11）：63－65.

［10］ 秦树人，张明洪.机械测试原理与技术［M］.重庆：重庆大学出版社，2002：25－30.

［11］ 张明洪.设备工况监测与故障诊断［D］.成都：西南石油学院，2002：39－42.

［12］ 宋德玉.可编程序控制器原理及应用系统设计技术［M］.北京.冶金工业出版社，2006：43－46.

［13］ 张莉松，徐立新.伺服系统原理与设计［M］.北京：北京理工大学出版社，2006：5－10.

Self－learning Mechanism Research on Auto－adapted Shale Shaker

ZHU Xiao－meia，HONG Lib，TIAN Chang－wena，PEI Guang－linga，PEI Cai－xiaa
（a.Drilling Engineering Company；b.Mobile Department，Henan Petroleum Exploration Bureau，Nanyang473132，China）

In order to improve the capability of the shale shaker to adapt to the external conditions change，the adaptive control theory is applied to the shaker’s examination of the dynamic property parameter；according to the research on the self－learning and adaptive process of Auto－adapted Shale Shaker，the article monitors the parameter estimation，the design on adaptive controller and self－learning control loop，and details Self－learning adaptive shale shaker with the monitoring and coordination level to comprehensively enhance the shaker’s performance and promote a new vibration sieve will be born.

auto－adapted shale shaker；monitoring and coordination level；control loop；self－learning mechanism

1001－3482（2011）12－0016－05

TE926

A

2011－06－30

朱晓梅（1982－），女，山东临沂人，工程师，硕士，主要从事石油机械设计理论与方法的研究，E－mail：zjgsjdk＠163.com。动筛动态性能参数的标准值。同时，考虑到即使是同一类型的设备，由于制造和安装误差的影响，标准值也有一定的分散，这就要求在建立诊断误差文档时要根据不同对象通过自学习过程以建立相应的“适值门坎”。另外，即使是同1台设备，在作为其诊断依据的诊断信号中都含有大量的随机因素，为使其建立的诊断标准或阀值具有仪器的置信概率，在建立诊断文档时多采用统计的方法以保证一定的随机适应能力。