CC BY
1
УДК 622.24
КОНФИГУРАЦИЯ СИСТЕМЫ УПРАВЛЕНИЯ ЭКОЛОГИЧЕСКИМ БУРЕНИЕМ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ ПОДСТРОЙКИ
КОНТРОЛЛЕРА
А.Н. Привалов, Е.В. Ларкин, В.М. Панарин, А.А. Маслова
Посвящена исследованию процесса экологического бурения скважин без предварительной оценки механических свойств буримого грунта. Построена аналитическая математическая модель бурового агрегата как объекта управления. Показано, что вследствие взаимодействия через энергетическую установку и буримый грунт между контуром управления подачей и контуром управления вращением бура существуют естественная перекрестная связь, оказывающая существенное влияние на динамику бурения. Параметры перекрестной связи зависят от механических свойств и состояния грунта. Для компенсации перекрестной связи предложено использовать трехуровневую систему управления, с нейронной сетью на среднем иерархическом уровне. Разработана структура нейронной сети и определены задачи, решаемые в каждом слое нейронов. Разработан алгоритм подстройки цифрового регулятора, позволяющий достигать оптимальных режимов экологического бурения.
Ключевые слова: экологическое бурение, математическая модель, контуры управления, нейронная сеть, цифровой контроллер.
Контроль уровня вредных веществ в грунтовых водах является важной составляющей частью экологического мониторинга. Вредные для здоровья вещества (марганец, хлориды, сульфаты, радионуклиды) могут содержаться в грунтовых водах вследствие естественных причин, например, из-за химического состава породы, где они залегают, или попадать в воду вследствие жизнедеятельности человека и техногенных катастроф (нитраты, пестициды и т.п.). Для забора проб из водоносных слоев используют экологическое бурение, которое производится без предварительного исследования механических свойств грунта [1], поскольку время, затрачиваемое на бурение, ограничено, особенно, если необходимость исследования химического состава воды возникла вследствие техногенных или природных катастроф.
При бурении износ бурильного оборудования и инструмента зависит от выбранного режима проходки [2]. Если выбор осуществляется человеком-оператором, обслуживающим установку, возникают повышенные требования к его квалификации, и непроизводительно тратится рабочее время агрегата на перенастройку систем, если свойства грунта во время проходки скважины изменяются. Поэтому возникает проблема оперативной коррекции работы системы управления узлами и блоками бурильного агрегата, которая может быть решена за счет включения в нее нейронной сети, назначение которой заключается в мониторинге параметров функционирования системы и оперативное изменение параметров при проходке скважины.
Функциональная схема типовой системы управления буровым агрегатом, в которой могут быть реализованы нейросетевые технологии управления, приведена на рис. 1. Система является классической цифровой системой управления с обратными связями [3, 4], и состоит из объекта управления (ОУ) и цифрового контроллера (ЦК), объединенных интерфейсом, через который передаются от ЦК на ОУ сигналы управления, а от ОУ на ЦК - информация о состоянии ОУ. Сигналы, передаваемые через интерфейс, показаны на рис. 1 пунктирными стрелками.
ЭУ
I
0 !-
М-1
о
Н А- -Н—► ГП •4- -► П
р ж
I
Ц2
ЭГ
УПП
У
тг
I
ЭД
Т
г
"I
.1. I
л
ш I
т
I
_1__
Р
шв
т
УВ1 '
А±±-
я
ОУ
1
Цв
Б/Г
I
_1.
Интерфейс
V
игГ
/1
/э
ЦК
Рис. 1. Функциональная схема системы управления типовым бурильным агрегатом
Объектом управления является собственно буровой агрегат [5, 6], механически разделенный на три функциональных узла, заключенных на рис. 1 в штрихпунктирные контуры: энергетическая установка ЭУ, узел УПП продольной подачи бура и узел УВ вращения. Подобное разделение позволяет существенно упростить конструкцию бурового агрегата и разделить каналы управления параметрами бурения.
ЭУ является источником механической энергии для бурового агрегата, в качестве которого может служить дизель-генератор. В этом случае ЭУ вырабатывает также электрическую энергию, необходимую для силового питания УВ. В УПП выходной вал дизель-генератора нагружается на гидронасос (Н), который обеспечивает рабочей жидкостью функционирование узла продольной подачи. Напорная магистраль гидронасоса нагружена на линейный гидропривод (ГП), перемещение штока которого через вязко-упругую передачу П передается на механизм продольного перемещения бура, на котором установлен на электродвигатель ЭД. Выходной вал ЭД че-
рез редуктор Р связан с буром [5, 6]. Электропитание на ЭД поступает с выхода электрогенератора ЭГ, входящего в состав дизель-генератора. Инструмент буровой машины воздействует на грунт через систему бур/грунт (Б/Г). Механическая гибкость электрического кабеля и вязкоупругой передачи обеспечивает надежное функционирование бурового агрегата при продольном перемещении инструмента, отклонениях направления перемещения бура от заданного, вибрациях, ударных нагрузках и т.п.
Силовые энергетические связи обозначены на рис. 1 сплошными, а информационные связи - пунктирными стрелками. Выходной вал ЭУ вращает с угловой скоростью 0(5), где ^ - переменная Лапласа (оператор дифференцирования), гидронасос Н и электрогенератор ЭГ дизель-генератора. Н, и ЭГ создают на выходном валу дизель-генератора полезные моменты ц(5) и ц2 (5), соответственно. Управление ЭУ производится сигналом
/ (5). Гидронасос Н под действием управляющего сигнала /2 (5) выдает в напорную магистраль вязкую несжимаемую рабочую жидкость под давлением Р(5) с секундным объемным расходом 0 (5) [7, 8, 9]. Давление Р(5) вызывает перемещение штока ГП на величину .1(5). К штоку ГП приложена сила F (5) со стороны вязкоупругой передачи П, а сама вязкоупругая передача преобразует перемещение штока .(5) в перемещение инструмента 7(5) в системе Б/Г. При внедрении бура в Землю на него со стороны грунта действует сила сопротивления ^(5), которая зависит от механической прочности грунта, его физического состояния (влажность температура), наличия неоднородностей в буримой массе, подачи и скорости вращения бура, и иных факторов [10].
ЭГ дизель-генератора вырабатывает напряжение и (5) постоянного или тока величиной I (5), под действием которого вращается вал ЭД со скоростью ю(5), определяемой управляющим сигналом /3 (5) и полезным моментом ц, создаваемым на валу ЭД редуктором Р [11]. Редуктор Р понижает угловую скорость ю(5) в до величины угловой скорости вращения инструмента юв (5), при этом пропорционально возрастает момент полезной нагрузки ц в (5), приложенной к буру со стороны грунта. Величина момента полезной нагрузки ц в (5) зависит от тех же факторов, что и величина силы сопротивления грунта ^(5).
Здесь и ниже при описании функционирования бурового агрегата использованы изображения измеряемых величин по Лапласу, а именно, £,(5) = )], где ^) - изображаемая величина; ? - время; ^ - переменная Лапласа (оператор дифференцирования; £[...] - прямое преобразование Лапласа; £(5) результат преобразования. Использование изображений позволяет существенно упростить формирование конфигурации системы управления [12].
Таким образом, управление буровым агрегатом осуществляется сигналами /1 (5), /2 (5), /3 (5). а состояние системы оценивается по доступным для измерения сигналам: 0(5), ц^5), ц 2 (5), 0(5), Р(5), ^(5), .(5), 5 • .(5), 7(5), 5 • 7(5) и (5), 1(5), ю(5), ц(5), ю в (5), ц в (5). При ручном управлении
человек-оператор, обслуживающий буровой агрегат, использует дополнительную информацию о состоянии узлов и блоков, в частности, о давлении в рабочих полостях гидроцилиндра р (5), р (5), текущем уровне и температуре рабочей жидкости в гидросистеме, уровне топлива в ЭУ, и т.п. Общее обозначение дополнительной информации на рис. 1 - V (5) Использование избыточной информации позволяет при ручном управлении выбирать оптимальные режимы бурения, уменьшать износ инструмента, экономить производственный ресурс бурового агрегата. Человек-оператор, вручную управляющий комплексом, должен обладать высокой квалификацией и оперативно реагировать на изменения заданного режима проходки скважины, связанные как с текущими изменениями прочностных характеристик грунта, так и изменением состояния узлов и блоков самого агрегата. Введение в систему элементов искусственного интеллекта, в частности нейронной подстройки регулятора, позволяет решить проблему оптимизации управления экологическим бурением.
Для определения задач, решаемых нейронной сетью, необходимо построить комплекс моделей узлов и блоков агрегата, и из этих моделей собрать полную структурную схему ОУ. Наиболее просто структурированные модели формируются, если описания компонентов, включаемых в блок-схему, представлены в виде передаточных функций [13].
Модель ЭУ, представленная в виде композиции передаточных функций, имеет вид
0(5) = /1 (5) • /1 (5) + Ж0ц (5) • [щ (5) + ц 2 (5)]; (1)
,ц
^ /1(5 )= ^ ; Ж0,ц(5 ) = ,
Т0 5 + 1 205 + 1
где W0, /1 (5) - передаточная функция от управляющего сигнала /1 (5) к угловой скорости 0(5); W0,ц (5) - передаточная функция от нагружающих ЭУ полезных моментов ц1 (5), ц2 (5) к угловой скорости 0(5); 20 - постоянная времени, характеризующая быстродействие (приемистость) энергетической установки; &0,/1, А0,ц - коэффициенты передачи по управляющему сигналу
и моментам, соответственно.
С учетом невысокого быстродействия процессов, протекающих при бурении, и свойства несжимаемости рабочей жидкости, гидронасос может быть представлен как безынерционное звено, имеющее передаточные функции
^)=Ш=kQ,0:
Wu1p (s )=^ = k
(2)
(s )=ps)= w'
где Wq0(s) и kg 0 - передаточная функция и коэффициент передачи, описывающие формирование секундного объемного расхода рабочей жидкости на выходе гидронасоса; W^p (s) и k^,р - передаточная функция и коэффициент передачи, описывающие формирование полезного момента на
валу гидронасоса.
Линейный управляемый гидропривод описывается следующей системой выражений:
г*(* )= Wx, f 2 (s f (s ) + Wx f (s )f (s)+Wx,p(s )p(s); Q(s) = Wq,f 2 (s)f2 (s) + Wqf (s)F(s) + Wq,p (s)p(s), ( )
где Wx, f 2 (s), Wx f (s), Wx p (s )p(s) - передаточные функции, описывающие
перемещение x(s) штока ГП на воздействия по каналам f2 (s), p(s), F (s), соответственно; Wq, f 2 (s), Wq, f (s), Wqp (s )p(s) - передаточные функции, описывающие объемный секундный расход Q (s) рабочей жидкости в гидросистеме на воздействия по тем же каналам.
Передаточные функции находятся из системы уравнений, описывающих динамику ГП, в которую входят: уравнение движения штока ГП
(ms 2 + лs )x(s) = F (s) + p (s) - p2 (s)]S, (4)
где m - масса штока и эквивалентная масса рабочей жидкости, перемещаемой штоком в пределах рабочих цилиндров ГП; ц - коэффициент вязкого трения поршня ГП о стенку цилиндра; pi(s ), p2 (s) - давления в рабочих
полостях ГП; S - площадь поршня; уравнение притока рабочей жидкости в ГП
Q(s)= 4/2,0 + f2(s)hp(s)-pi(s) + [/20 - f2(s)Wp(s)-p2(s)}, (5)
где 0 - коэффициент, учитывающих особенности конструкции управляемых клапанов, через которые осуществляется приток рабочей жидкости; f 2,0 - начальное значение проходного сечения управляемого клапана;
f2 (s) - управляющий сигнал, имеющий физический смысл приращения площади проходного отверстия; уравнение оттока рабочей жидкости
Q(s) = 4/Wpi(s)-pa + fjp2 (s)-pa ]; (6)
где fa = const - площадь выходного дросселя; pa = const - атмосферное давление;
уравнение неразрывности
&Х(5) = 3{[Д0 + /2(5)УР(5)-Р,(5) -/з^Р1(5)-Ра }. (7)
Передаточные функции в (3) получаются за счет линеаризации выражений (5), (6), (7) и разрешения системы получившихся линейных уравнений относительно .(5) и 0(5). Как промежуточный результат выкладок, проводимых по приведенной методике, могут быть получены модели формирования давлений Р1 (5) и Р2 (5):
[Р (5) = Wрl, / 2 (5 / (5)+ Wрl, р (5 )¥ (5)+ Wрl, р (5 )Р(5); [0(5) = Wр2,/2 (5)/2 (5)+ Wр2,р (5)¥(5)+ Wр2,р (5)р(5), ( )
где Wрl, / 2 (5), Wрl,F (5), Wрl, р (5), Wр 2, / 2 (5), Wр 2, ¥ (5), Wр 2, р (5) соответствующие передаточные функции.
Вязкоупругая передача с механизмом продольного перемещения бура представляет собой канат, растянутый между блоками, на котором подвешен механизм вращения бура массой М. В зависимости от направления силы ¥ (£), вязкоупругая передача П либо создает силу, противодействующую силе сопротивления грунта ) при бурении, либо создает силу, вытягивающую инструмент из грунта. При бурении вязкоупругая передача описывается системой уравнений:
[7(5 )=WyЛ (5 )д(5)+Wy х(5).(5);
¥ (5 )= W¥,. (5 ).(5 )+ W¥, 7 (5 )7(5 )
(9)
где W7, ^ (5) - передаточная функция, определяющая реакцию передачи на
силу воздействия со стороны грунта, зависящая коэффициента внутреннего вязкого трения Лп в канате, упругости сд каната, массы М механизма вращения бура; Жу,. (5) - передаточная функция, определяющая реакцию передачи на перемещение штока ГП; WF,. (5) - связь между силой, приложенной к штоку, и его перемещением; W¥, 7 (5) - связь между силой ¥ (5) и перемещением бура;
wyЛ(5)-=-1k^■, Wу,.(5)= 2Лп5+с ;
М5 + Лп 5 + с М5 + ЛП 5 + с
^,. (5 )= ^, 7 (5 ) = ЛП 5 + с.
Математическое описание электрогенератора в общем случае может быть представлено в виде:
0(5 ) = Щ,ц (5 )ц 2 (5 ) + Щ, I (5 )1 (5);
15 = WI и (5 )и(5); (10)
и(5) = WI 0(5)0(5),
где Ш01 (5 ) = —- передаточная функция, описывающая реакцию угло-, Т05 +1
вой скорости дизель-генератора; WIи (5 ) = ——— - передаточная функ-
, Т и5 +1
ция, описывающая динамику изменения тока в выходной электрической цепи генератора; WI ,0 (5) = kI ,0 - передаточная функция, описывающая формирование ЭДС в генераторе.
Электродвигатель ЭД с редуктором Р описывается выражениями
ю(5)=^и(5 ип(5) - ^ццС5); Ив (5) = /з,оИ (5) + и 0/3 (5) (11)
ц в(5 ) = гц(5);
ю(5 )= 1Юв (5 ),
(\ кю и ( \
5 ) =-2— передаточная функция по напряжению Ив (5), подарю5 +1
ваемому на якорь двигателя; кю,и - коэффициент передачи по питающему
к
ю,ц _
напряжению; ; Тю - механическая постоянная времени; Wюц(5) =
Тю5 +1
передаточная функция по моменту; кю,ц - статический коэффициент передачи по моменту; /3,0, и о - значения управляющего сигнала /3 (г) и напряжения и (г) в точке разложения ив (г ) = и (г )• /3 (г) в ряд Тейлора;
/3(г) = Ь~1[/3(5)]; и(г) = Х-1 [и(5)]; Х-1[...] - обратное преобразование
Лапласа; I - коэффициент передачи механического редуктора.
При формировании (11) считалось, что преобразователь и (г) в Ив (г) под управлением /3 (г) является безынерционным звеном. Момент цв (5) полезной нагрузки на выходном валу редуктора и подача бура 57(5), в первом приближении, можно считать пропорциональными осевой силе е(5), приложенной к буру со стороны грунта, и угловой скорости ю в (5) вращения бура.
ц в (5 ) = кцБ,&Б юв (5 ) + кцв, еМ5 ); 1
[57(5 ) = к7,ююв(5)+ к7, ее(5 X ' ( )
где кцв,юв, кцв,Е, к7,юв, к7,е - коэффициенты передачи, зависящие от
типа грунта, его плотности, влажности, наличия в грунте неоднородностей типа щебени, песка, и т.п.
Система передаточных функций, включенных в (1), (2), (8) - (12), полностью определяет структуру бурового агрегата, как объекта управления. Из системы видно, что в структуре имеется две перекрестных связи,
устанавливаемые на физическом уровне. Первая из них возникает вследствие ограниченности мощности ЭУ. За счет нее увеличение момента Ц (я) , формируемого в канале управления подачей бура, приводит к просадке момента ц 2 (5), формируемого в канале управления угловой скоростью ш в (я) . Вторая перекрестная связь возникает вследствие взаимодействия каналов управления через буримый грунт (см. (12)), ее величина зависит от физических свойств грунта [1, 2, 10]. Перекрестные связи между каналами повышают порядок характеристического уравнения ОУ и приводят к тому, при выходе на заданный режим бурения увеличивается перерегулирование и время регулирования в системе, а, следовательно, возрастает износ инструмента.
Скомпенсировать перекрестные связи между каналами позволяет нейронная сеть [14, 15, 16], осуществляющая подстройку цифрового регулятора в процессе бурения, конфигурация которой приведена на рис. 2. Цифровой контроллер имеет классическую трехуровневую структуру. На верхнем, стратегическом уровне, человек-оператор через физический интерфейс устанавливает предварительные параметры р проходки: диаметр и глубину скважины, тип инструмента, установленного на агрегате, желаемые начальные значения угловых скоростей вращения вала дизель-генератора 0е р и бура Пе р, а также желаемое начальное значение подачи У е р. С
этого уровня также запускается, и может быть остановлен процесс бурения.
Средний, тактический уровень представлен нейронной сетью, которая устанавливает коэффициенты передачи ПИД-регуляторов, обеспечивающих замыкание обратных связей по трем контурам управления, составляющим функционально-логический уровень иерархической системы управления.
На функционально-логическом уровне через физический интерфейс на ОУ передаются сигналы / (я), /2 (я), /3 (я) осуществляющие непосредственное управление угловой скоростью 0(я) ЭУ, величиной подачи яу (я) и угловой скоростью вращения бура ш в (я), соответственно. С ОУ в ЦК через физический интерфейс передаются сигналы вектора V (я) = V (я),..., Ка(я),..., Кд (я)_, в который входят доступные для измерения сигналы, перечисленные выше, и дополнительная информация, входящая в вектор V (я). Общее количество А сигналов, используемых для принятия решений при управлении буровым агрегатом может меняться для разных ОУ.
Параметры проходки Стратегический уровень
р Физический интерфейс с оператором
а1(а) «1,а \ Ь1,с
... \ /V ...
аР(а) Л / Ьа,С
Г
... / ...
аВ(а) / Ьа,С
Ь
1,1
«2,1
VI.
ЦК V
Ьа,1 Ф1
к
... /
Ь
'А,1
Ь
Ь
а,2
Ь
А,г
А
вВ
Виртуальный
интерфейс
-ь-
вв 0 .
-*кр1
\
кр1Х81
к^хг^
к
к1хг1/у
ПР1
г г+
\
/ Физический
-*кр2
\
кр2хг2
02
ксахгъ^
+0
к2ХЕ2/У
ПР2
г т
\
/ интерфейс /
кр3
крзхгз
:хкоз
козхгз^
->0
^ кз
кзхгф
,ПРз
с объектом
вз
ОУ
Рис. 2. Структура системы управления
Сигналы V (5) поступают через виртуальный интерфейс на нейроны первого слоя пц,..., и\а,..., , где осуществляется их фильтрация. Для фильтрации последовательности дискретных отсчетов сигналов Va(s), 1 < а < А, накапливаются в буферной памяти соответствующих нейронов, в результате чего формируются векторы Va = [^(а^..., Vp(a>..., VB(a)J,
1 < а < А, где р(а) - р -й элемент в а -м векторе.
Если фильтр является линейным, то в результате свертки вектора Va с дискретным импульсным откликом фильтра [«i(a),...,яр(а),...,^в(а) , подбираемым при настройке нейрона na,
~ B(a)
Vy(a) = £ ap(a)Vy(a)-p(a), (13)
р(а)=1
на выходе первого слоя нейронов пц,...,ni,a,...,формируется вектор
оценок параметров V = Vi,..., Va,..., Va , определяющих текущее состояние ОУ.
В блоке Cs цифрового контроллера формируется трехэлементный
вектор
' 0-~
Y - ~
s
г ~ V \ ^
se
s *
(13)
О-ю в
ч
где 0е р , У е р и Ое р На функционально-логическом уровне через физический интерфейс на ОУ передаются сигналы /1 (5), /2 (5), /3 (5) осуществляющие непосредственное управление угловой скоростью 0(5) ЭУ, величиной подачи 57(5) и угловой скоростью вращения бура ю в (5), соответственно. С ОУ в ЦК через физический интерфейс передаются сигналы вектора V (5) = [К, (5),..., Уа (5),..., Уд (5)], в который входят доступные для измерения сигналы, перечисленные выше, и дополнительная информация, входящая в вектор v(5). Общее количество А сигналов, используемых для принятия решений при управлении буровым агрегатом может меняться для разных ОУ.
Желаемые значения параметров 0(5), 57(5) и ю в (5), соответственно, предварительно устанавливаемые вначале и корректируемые в процессе бурения; ееV, ~ и ю - текущие оценки величин 0(5), 57(5) и ю в (5), полученные в результате измерения состояния бурового агрегата; 80, е7 и ею - текущие оцененные ошибки в установлении и поддержании
соответствующих параметров.
Текущие ошибки подаются на входы ПИД-регуляторов [17-19] ПР,,
ПР2 , ПР3, непосредственно рассчитывающих величины воздействий fi (s) /2 (s), f3 (s), подаваемых на входы исполнительных устройств ОУ. При управлении буровым агрегатом динамика замкнутой системы управления в целом в значительной мере определяется вектором коэффициентов k = [kpi, kdi, кц, кр2, kd2, ki2, крз, к^3, ki3J пропорциональных (p), дифференциальных (d) и интегральных (i) каналов, которые могут варьироваться при управлении режимами работы агрегата. Для выбора требуемого вектора k в нейронную сеть включаются нейроны Л21,...,П2 ^,...,П2 z второго слоя, которые формируют в пространстве параметров V систему гиперплоскостей
b • V = с, (14)
где b = [b^,aJ - ZxA матрица коэффициентов; с = (q,...,c^,...,cz)T - Z-
мерный вектор-столбец свободных членов; т - знак транспонирования.
При подстановке в (14) вектора оценок параметров V нейроны Л2,1,..., П2£,..., n2,z рассчитывают значения векторной функции
Щ = ..., у^,..., Vz)
щ = b •V - с. (15)
A V
В зависимости от знака элемента у^ = £b^ aVa - c^, точка, отобра-
a=1
жающая оценку состояния бурового агрегата, может оказаться либо над A
плоскостью £b^ aVa - c^ = 0 , либо под ней. Поэтому в нейронную сеть a=1
вводятся блоки Ф1,..., Ф^,..., Фх, преобразующие вектор щ = (vi,..., у^,..., vz) в вектор Щ = (yi,..., у ^,..., у z) логических переменных следующим образом:
у il,whrn у;>0; (16)
s [0 otherwise,
где 0, 1 - логический ноль и единица, соответственно.
Дизъюнктивные нормальные формы, построенные из логических переменных Щ = (yj,..., у^,..., у z) в блоках Ai,..., Ag,..., Л^, позволяют разбить пространство Vна S областей Di,...,Dg,...,D^, каждой из которых ставится в соответствие g-й вектор кg = [kpi,g , ..., kd2,g, ..., k^gj, где -коэффициент k<-g, входящий в g-й вектор; 1 <g<S, с;е{р1,...,d2,...,¿3}. Дизъюнктивные нормальные формы имеют вид:
и
, 1 , (17)
где - дизъюнктивная нормальная форма, описывающая область ; Л - и-я конституента единицы ^-й нормальной формы;
ф^ и ^(у^) - логическая функция переменной ~ при ее вхождении в и-ю
конституенту 2-й нормальной формы.
Для нормальной работы нейронной сети на области Б^,..., Б^,..., Бм
накладываются следующие ограничения: а) области Д,...,Б^,...,Бм не пересекаются, т.е. Б^ п = 0, если \ ф ; б) области Б^,..., Б^,..., Бм пом
крывают все пространство параметров V, т.е. иБ^ = К . При принятии
2=1
управленческого решения из всех областей, на которые разбивается пространство параметров, выбирается та единственная область Б^, для которой
Б = 1. Коэффициентов к^, соответствующие выбранной области, устанавливаются на ПИД-регуляторы ПР1, ПР2, ПР3. В дальнейшем бурение происходит с установленными коэффициентами до наступления момента очередной смены режима.
Настройка нейронной сети осуществляется в два этапа. На первом этапе производится настройка коэффициентов дискретных импульсных
фильтров |а1(1), ^(1), аА(1)^ [а1(р), аа(р> аА(р)^ |а1(в), .., аа(в), .., аДв^ нейронов первого слоя пц,..., п\а,..., ща , в соответствии с характером и уровнем шумов, присутствующих в каждом канале получения информации о состоянии ОУ. Настройка может проводиться в заводских условиях при проведении приемо-сдаточных испытаний и корректироваться в процессе эксплуатации агрегата при проведении регламентных и ремонтно-восстановительных работ.
Настройка второго слоя П21,..., ,..., , связанная с разбитием
пространства V на области Д,..., Б^,..., Бм, сводится к вариации коэффициентов [¿1д , Ьа,1, ЬА,1 ^ [Ь1,С , Ьа,С, bA,CJ, , Ьа,Х, .., ^а,zJ, меняющих форму и взаиморасположение областей
Б,..., Б^,..., Бм. Коэффициенты могут меняться оперативно, в процессе проведения буровых работ на основании сравнения переходных процессов
в физической системе управления с текущим значением вектора k и в виртуальной системе управления, сформированной из зависимостей (1), (2), (8) - (12) и коэффициентов k, установленных на ПР1, ПР2, ПР3 [20].
Таким образом, на основании аналитической математической модели функционирования бурового агрегата сформирована структура и сформулированы требования к структуре иерархической трехуровневой системы управления, позволяющей, за счет включения в нее нейронной сети, устанавливать оптимальные режимы эксплуатации в процессе бурения. Дальнейшее исследования в этой области могут быть направлены на определение оптимальной частоты подстройки параметров цифрового регулятора и влияния на устойчивость работы оборудования быстродействия контроллера, и сложность программного обеспечения, установленного в нем.
Исследование выполнено при финансовой поддержке гранта правительства Тульской области в области науки и техники в 2023 г. (договор ДС/116 от 27.09.23 г.)
Список литературы
1. Celada B.M., Gakda J.M., Vunoz C. The use of the special drilling energy for rock mass characterization and TBM drilling during tunnel construction // ITA - AITES World Tunnel Congress. Budapest, Hungary, 2009. P. 9 - 12.
2. Ibrahim A.A., Musa T.A., Fadoul A.M. Drilling mechanics: Consequences and relevance of drill string vibration on wellbore stability // Journal of applied sciences. 2004. N 4 (1). P. 106 - 109.
3. Landau I.D., Zito G. Digital control systems, Design, identification and implementation. Springer, 2006. 484 P.
4. Astrom J., Wittenmark B., Computer Controlled Systems: Theory and Design. Tsinghua University Press. Prentice Hall, 2002. 557 p.
5. Буровые станки на карьерах. Конструкции, эксплуатация, расчет: Учебное пособие / В.С. Квагинидзе, Г. И. Козовой, Ф. А. Чакветадзе, Ю. А. Антонов. М.: Горная книга, 2012. - 291 с.
6. Акименко Т.А., Фам Т.Л. Модель процесса бурения установки СБШ-250МН-32Т // Известия Тульского государственного университета. Технические науки. 2023. № 11. С. 100 - 102.
7. Орлов Ю.М. Объемные гидравлические машины. Конструкция, проектирование, расчет. М.: Машиностроение, 2006. 222 с.
8. Щерба В.Е., Рабочие процессы компрессоров объемного действия. М.: Наука, 2009. 319 с.
9. Математическое моделирование рабочих процессов насоса объемного действия / В.Е. Щерба, А.В. Григорьев, В.С. Винченко, Д.А. Ульянов // Омский научный вестник. 2010. № 3 (93). С. 77 - 81.
10. Долгий И.Е., Николаев Н.И. Сопротивление горных пород разрушению при бурении скважин // Записки Горного института. Нефтегазовое дело. 2016. Т. 221. С.655 - 660.
11. Белов М.П., Новиков В.А. Оптимизация интегрированных электроприводных систем механизмов, агрегатов, машин и комплексов. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2015. 300 с.
12. Pavlov A.V. About the equality of the transform of Laplace to the transform of Fourier // Issues of Analysis. 2016. Vol.5(23). N. 4. Iss. 76. P.21-30.
13. Fadali M.S., Visioli A. Digital control engineering: Analysis and design. Elsevier Inc. 2013. Pp. 239 - 272.
14. Бураков, М.В. Нейронные сети и нейроконтроллеры: учебное пособие. Нейронные сети и нейроконтроллеры. СПб.: ГУАП, 2013. 282 с.
15. Рутковская, Д. Пилиньский М., Рутковский. Л. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линия - Телеком, 2008. 383 с.
16. Чернодуб, А.Н., Дзюба Д.А. Обзор методов нейроуправления // Проблемы программирования. 2011. № 2. С. 79 - 94.
17. Ang K.H., Chong G., Li Y. PID control system analysis, design, and technology // IEEE Transactions on Control Systems Technology. 2005. Vol. 13. No. 4. P. 559-576.
18. Chang W.D., Hwang R.C., Hsiehc J.G. A multivariable on-line adaptive PID controller using auto-tuning neurons // Engineering Applications of Artificial Intelligence. 2003. Vol. 16, Iss. 1. P. 57 - 63.
19. D'Emilia G., Marrab A., Natalea E. Use of neural networks for quick and accurate autotuning of PID controller // Robotics and Computer-Integrated Manufacturing. 2007. Vol. 23. P. 170 - 179
20. Hamann A., Racu R., Ernst R. Multi-dimensional robustness optimization in heterogeneous distributed embedded systems. In: Proceedings of the 13th IEEE Real Time and Embedded Technology and Applications Symposium, RTAS '07, IEEE Computer Society, Washington, DC, USA. 2007. Pp. 269 - 280.
Привалов Александр Николаевич, д-р техн. наук, проф., директор института, [email protected], Россия, Тула, Тульский государственный педагогический университет им. Л.Н.Толстого,
Ларкин Евгений Васильевич, д-р техн. наук, проф., проф.-консультант кафедры промышленной автоматики и робототехники, [email protected], Россия, Тула, Тульский государственный университет
Панарин Владимир Михайлович, д-р техн. наук, проф., зав. каф., [email protected], Россия, Тула, Тульский государственный университет,
Маслова Анна Александровна, д-р техн. наук, до. , проф., [email protected], Россия, Тула, Тульский государственный университет
THE ECOLOGICAL DRILLING CONTROL SYSTEM CONFIGURATION USING NEURAL
ADJUSTMENT CONTROLLER
A.N. Privalov, E. V. Larkin, V.M. Panarin, A.A. Maslova
The process of wells ecology drilling without a preliminary drilled soil mechanical properties assessment is studied. An analytical mathematical model of a drilling unit as the object under control has been worked out. It is shown that due to the interaction through the power plant and a drillable soil, there is a natural cross-link between the feed control contour and the drill rotation control contour, which has a significant influence on the drilling dynamics. Cross-link parameters depend on the soil mechanical properties and conditions. To compensate for cross-connection, it is proposed to use a three-level control system, with a neural network at the middle hierarchical level. The structure of the neural network has been worked out, and tasks, solved in each neuron layer, are determined. The algorithm of digital controller adjusting, allowing to achieve the optimal ecology drilling modes has been developed
Key words: ecology drilling, mathematical model, control contour, neural network, digital controller.
Privalov Alexander Privalov Aikolaevich, doctor of technical science, professor, director of Ibstitute, [email protected], Russia, Tula, Tula State Pedagogical University after the name of L.N. Tolsyoy,
Larkin Eugene Vasilyevich doctor of technical science, professor, consulting professor of department of industrial automation and robotics, [email protected], Russia, Tula, Tula State University,
Panarin Vkadimir Mihilovich, doctor of technical science, professor, head of the department, [email protected], Russia, Tula, Tula State University,
Maslova Anna Alexandrovna doctor of technical science, docent, professor of department, [email protected], Russia, Tula, Tula State University
Reference
1. Celada B.M., Galada J.M., Vunoz K. The use of special drilling energy to determine the characteristics of a rock mass and drilling by the TBM method during tunnel construction // ITAITES World Tunnel Congress. Budapest, Hungary, 2009. pp. 9-12.
2. Ibrahim A.A., Musa T.A., Fadul A.M. Drilling mechanics: consequences and influence of vibration of the drill string on the stability of the borehole // Journal of Applied Sciences. 2004. N 4 (1). pp. 106 - 109.
3. Landau I.D., Zito G. Digital control systems, design, identification and implementation. Springer, 2006. 484 p.
4. Astrom J., Wittenmark B., Computer-controlled systems: theory and design. Tsing-hua University Press. Prentice Hall, 2002. 557 p.
5. Drilling rigs in quarries. Constructions, operation, layout: A textbook / V.S. Kvagi-nidze, G. I. Kozovoy, F. A. Chakvetadze, Yu. A. Antonov. M.: Gornaya kniga, 2012. - 291 p.
6. Akimenko T.A., Pham T.L. Model of the drilling process of the SBSH-250MN-32T installation // Proceedings of Tula State University. Technical sciences. 2023. No. 11. pp. 100 - 102.
7. Orlov Yu.M. Volumetric hydraulic machines. Construction, design, calculation. M.: Mechanical engineering, 2006. 222 p.
8. Shcherba V.E., Working processes of volumetric compressors. M.: Nauka, 2009.
319 p.
9. Mathematical modeling of the working processes of a volumetric pump / V.E. Shcherba, A.V. Grigoriev, V.S. Vinchenko, D.A. Ulyanov // Omsk Scientific Bulletin. 2010. No. 3 (93). pp. 77-81.
10. Dolgiy I.E., Nikolaev N.I. Resistance of rocks to destruction during drilling of wells // Notes of the Mining Institute. Oil and gas business. 2016. vol. 221. pp.655 - 660.
11. Belov M.P., Novikov V.A. Optimization of integrated electric drive systems of mechanisms, aggregates, machines and complexes. St. Petersburg: Publishing house of SPbSETU "LETI", 2015. 300 p.
12. Pavlov A.V. On the equality of the Laplace transform to the Fourier transform // Questions of analysis. 2016. Volume 5(23). No. 4. Iss. 76. pp.21-30.
13. Fadali M.S., Visioli A. Digital control technology: analysis and design. Elsevier Inc., 2013. pp. 239-272.
14. Burakov, M.V. Neural networks and neurocontrollers: a textbook. Neural networks and neurocontrollers. St. Petersburg: GUAP, 2013. 282 p.
15. Rutkovskaya, D. Pilinsky M., Rutkovsky. L. Neural networks, genetic algorithms and fuzzy systems. M.: Hotline - Techom, 2008. 383 p.
16. Chernodub, A.N., Dzyuba D.A. Review of neurofeedback methods // Programming problems. 2011. No. 2. pp.
79-94. 17. Eng K.H., Chong G., Lee Yu. Analysis, design and technology of PID control systems // IEEE Transactions on Control Systems Technology. 2005. Volume 13. No. 4. pp. 559-576.
18. Chang W.D., Hwang R.S., Seek J.G. Multiparametric adaptive PID controller in real time using auto-tuning neurons // Engineering applications of artificial intelligence. 2003. Volume 16, Issue 1. pp. 57-63.
19. D'Emilia G., Marrab A., Natalia E. The use of neural networks for fast and accurate automatic adjustment of the PID controller // Robotics and computer-integrated production. 2007. Volume 23. pp. 170-179
20. Hamann A., Raku R., Ernst R. Optimization of multidimensional reliability in heterogeneous distributed embedded systems. In: Proceedings of the 13th IEEE Symposium on Real-Time and Embedded Technologies and Applications, RTAS '07, IEEE Computer Society, Washington, DC, USA. 2007. pp. 269-280.
