摘要：根據(jù)鉆桿自動(dòng)排放系統(tǒng)存在的非線性特性和保證排放運(yùn)動(dòng)速度的平穩(wěn)性。構(gòu)造了一種適用于過程辨識(shí)的模糊神經(jīng)網(wǎng)絡(luò)PID，來辨識(shí)操作機(jī)的對(duì)象模型，為動(dòng)態(tài)規(guī)劃提供非線性關(guān)系模型。采用模糊神經(jīng)網(wǎng)絡(luò)控制器和魯棒控制器相結(jié)合的實(shí)時(shí)控制器來保證閉環(huán)系統(tǒng)的穩(wěn)定性和良好的控制效果。仿真表明改進(jìn)的模糊神經(jīng)網(wǎng)絡(luò)PID控制器動(dòng)態(tài)響應(yīng)速度快，超調(diào)小，魯棒性好，精度高。

關(guān)鍵詞：鉆井；模糊控制；PID控制；魯棒控制

中途分類號(hào)：TP9文獻(xiàn)標(biāo)識(shí)碼：B

ApplicationResearchofOffshoreDrillingBasedonFuzzyNeuralNetwork

WANGShaoYuan

(QingdaoInstituteofRubberTires,Qingdao266042,China)

前言

隨著對(duì)油氣資源的需求,各國已將注意力逐漸轉(zhuǎn)向深海。隨著作業(yè)水深的增加,鉆井所需的鉆桿數(shù)量相應(yīng)增加,鉆井作業(yè)時(shí)間和作業(yè)費(fèi)用隨之也相應(yīng)增加。傳統(tǒng)鉆桿操作方法現(xiàn)已無法解決所遇問題,唯采用機(jī)械化、自動(dòng)化鉆桿操作系統(tǒng)。目前,鉆桿自動(dòng)排放系統(tǒng)。已在深海鉆機(jī)中得到廣泛應(yīng)用，在改進(jìn)鉆井作業(yè)的安全性和經(jīng)濟(jì)性等方面取得了巨大成功。

在鉆井過程中，需要將鉆桿從平臺(tái)甲板傳送到二層平臺(tái)上，并不斷地將單根鉆桿接成立根并將立根接到鉆柱上，使鉆進(jìn)過程持續(xù)進(jìn)行。為了更換鉆頭和在鉆柱底部安裝測(cè)試或其他設(shè)備，需頻繁地將鉆柱從井眼中提出來，安裝完新鉆頭或者其他設(shè)備后，需要將鉆桿下放到井眼中。上述過程中伴隨著頻繁的鉆桿排放操作，這是一個(gè)重復(fù)性高并且勞動(dòng)強(qiáng)度大的過程。

在20世紀(jì)40年代，人們就開始探索起下鉆操作的機(jī)械化方法，于是產(chǎn)生了鉆桿自動(dòng)排放系統(tǒng)。目前，該系統(tǒng)已在深水及超深水海洋鉆機(jī)中得到廣泛應(yīng)用，在改進(jìn)鉆井作業(yè)的安全性和經(jīng)濟(jì)性等方面取得了巨大成功。在起下鉆過程中需要將鉆桿從井口移送到鉆桿排放架或從排放架移送到井口，即鉆桿的排放操作。此操作的特點(diǎn)具有危險(xiǎn)性，是一個(gè)重復(fù)性高且勞動(dòng)強(qiáng)度大的過程，需花費(fèi)大量時(shí)間，并需多人合作共同完成。因在海上鉆井作業(yè)中常遇風(fēng)浪，工作環(huán)境惡劣，安全情況更為突出。同時(shí)，海上鉆井成本很高。因此，加快鉆井速度，縮短鉆井周期顯得尤為重要。

1  鉆桿自動(dòng)排放系統(tǒng)介紹

海洋平臺(tái)機(jī)械手實(shí)際系統(tǒng)存在嚴(yán)重的非線性，對(duì)系統(tǒng)的參數(shù)變化比較敏感，難以做到準(zhǔn)確定位；另外由于機(jī)械精度方面的原因還存在和一定的死區(qū)，使得控制精度降低，存在超調(diào)。模糊神經(jīng)網(wǎng)絡(luò)PID控制器，采用動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)(即ELman網(wǎng)絡(luò))對(duì)系統(tǒng)的模型進(jìn)行辨識(shí),將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合,通過神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)模糊邏輯,同時(shí)利用了神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力,可動(dòng)態(tài)調(diào)整隸屬度函數(shù)、在線優(yōu)化控制規(guī)則,并利用模糊神經(jīng)網(wǎng)絡(luò)在線調(diào)整PID控制參數(shù),使控制器既能具有模糊神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力,又能充分利用PID的控制優(yōu)勢(shì)。當(dāng)NNI有偏差或?qū)W習(xí)尚未完全收斂時(shí),利用魯棒反饋控制器,保證了模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)初期閉環(huán)系統(tǒng)的穩(wěn)定性。

鉆桿自動(dòng)排放控制系統(tǒng)主要分為；邏輯控制部分和閉環(huán)控制部分。其工作過程分為鉆桿甲板操作、鉆桿傳送操作、鉆桿上下鉆臺(tái)操作、鉆桿鉆臺(tái)排放操作和鉆桿單根接立根操作五個(gè)部分。其主要工作原理為由上位機(jī)輸入位置信號(hào)給電液伺服系統(tǒng)，然后通過電液伺服系統(tǒng)控制機(jī)械手的位置定位、抓取、下方并由傳感器實(shí)時(shí)傳輸機(jī)械手位置信號(hào)。其閉環(huán)控制部分工作原理圖如圖1所示。

圖1鉆桿自動(dòng)排放系統(tǒng)閉環(huán)控制原理圖

2  改進(jìn)的模糊神經(jīng)網(wǎng)絡(luò)PID控制

2.1控制系統(tǒng)結(jié)構(gòu)

結(jié)合鉆桿自動(dòng)排放系統(tǒng)構(gòu)建控制系統(tǒng)結(jié)構(gòu)如圖2所示，將機(jī)械手位置作為被控制量。

圖2改進(jìn)的模糊神經(jīng)PID控制結(jié)構(gòu)圖

圖中e和ec分別為誤差和誤差變化率，輸入r為機(jī)械手位置，輸出y為機(jī)械手實(shí)際輸出。

2.2模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

該模糊神經(jīng)網(wǎng)絡(luò)為4層，如圖3所示。第l層為輸入層；第2層為模糊化層；第3層為模糊推理層；第4層為輸出層。模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為2–6–6–3。

圖3.模糊RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

(l)輸入層。該層將輸入誤差e和系統(tǒng)實(shí)際輸出y(k)作為下一層的輸入?；罨瘮?shù)為：

因此本層的輸出為e和y(k)

模糊化層。活化函數(shù)即為該隸屬度函數(shù)。因此，輸出為：

其中，i=l，2;j=l，2，...6。cij和bij分別為高斯函數(shù)第i個(gè)輸入變量的第j個(gè)模糊集合的隸屬函數(shù)的均差和標(biāo)準(zhǔn)差。

（3）模糊推理層。將上層中的模糊量經(jīng)過兩兩相乘，得到這一層的輸出值。因此，本層的活化函數(shù)，即輸出為：

這里k=l，2，3，4，5，6。

輸出層。這一層要輸出的就是PID控制器的參數(shù)，本層的輸出值就是將權(quán)值以矩陣乘的方式，乘以第3層的輸出。因此，本層的輸出為：

增量式PID控制的控制量為

目標(biāo)函數(shù)為：

其中r(k)為期望輸出。

2.3動(dòng)態(tài)遞歸網(wǎng)絡(luò)模型辨識(shí)

利用網(wǎng)絡(luò)的內(nèi)部狀態(tài)反饋來描述系統(tǒng)的非線性動(dòng)力學(xué)行為，在線辨識(shí)鉆桿自動(dòng)排放系統(tǒng)的模型。一個(gè)三層的遞歸神經(jīng)網(wǎng)絡(luò)如圖4所示。

圖4遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)具有動(dòng)態(tài)遞歸連接關(guān)系,其輸入輸出關(guān)系:

輸入層：

隱含層：

輸出層：

式中：Xi(k)———網(wǎng)絡(luò)的輸入節(jié)點(diǎn)；Sj(k)，Hj(k)———隱含層的輸入與輸出；y^(k)———網(wǎng)絡(luò)輸出；f(x)———激活函數(shù)，f(x)=1(1+e-x);w1ij,w2j,w3j———輸入層到隱含層，遞歸到輸出之間的連接權(quán)向量；k=1,…,m，m為學(xué)習(xí)模式對(duì)數(shù)。定義網(wǎng)絡(luò)權(quán)值調(diào)整的函數(shù)為：

式中:y(k)———實(shí)際系統(tǒng)輸出;y^(k)———網(wǎng)絡(luò)輸出。

利用梯度下降法可以求得動(dòng)態(tài)遞歸網(wǎng)絡(luò)權(quán)值的調(diào)整式：

因此被控對(duì)象的梯度信息為：

上式中：

。式（1）和（2）是隨時(shí)間變化的非線性動(dòng)態(tài)遞歸方程，可通過已知初始條件：

遞歸求得。

2.3魯棒控制器

為保證閉環(huán)系統(tǒng)的穩(wěn)定性和良好的控制效果,實(shí)時(shí)控制器由一個(gè)模糊神經(jīng)網(wǎng)絡(luò)控制器NNC和一個(gè)魯棒控制器RC組成。這兩個(gè)控制器的輸出信號(hào)通過加權(quán)綜合后,作為系統(tǒng)的控制輸入，構(gòu)成一個(gè)變魯棒控制器u(k)：

式中：un(k)為NNC的輸出；ur(k)為魯棒控制器的輸出；γ為系統(tǒng)模型NNI的辨識(shí)精度，稱為魯棒因子。γ的表達(dá)形式為：

式中：τ為魯棒因子的變魯棒系數(shù)；Em為NNI輸出與系統(tǒng)實(shí)際輸出之差的平方。

2.4PID控制算法

控制器算法為：

傳統(tǒng)增量式PID控制算法：

3  鉆桿自動(dòng)排放系統(tǒng)仿真研究

為了驗(yàn)證所提出的模糊神經(jīng)網(wǎng)絡(luò)PID控制算法的有效性，在MATLAB中創(chuàng)建模糊神經(jīng)網(wǎng)絡(luò)，利用隸屬函數(shù)和模糊規(guī)則將抽象的模糊規(guī)則轉(zhuǎn)化為模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，隱層采用在任意點(diǎn)可微的Tansig作為傳遞函數(shù)，輸出層采用常用非負(fù)的Sigmoid函數(shù)。

圖5系統(tǒng)階躍響應(yīng)曲線

圖5為采用常規(guī)PID控制和改進(jìn)的模糊神經(jīng)網(wǎng)絡(luò)PID控制時(shí)，系統(tǒng)階躍信號(hào)的響應(yīng)曲線。由圖5可見，改進(jìn)的模糊神經(jīng)網(wǎng)絡(luò)PID控制能很好地抑制系統(tǒng)的超調(diào)，響應(yīng)快、穩(wěn)態(tài)誤差小，性能遠(yuǎn)優(yōu)于常規(guī)PID控制。圖6為常規(guī)PID控制器和改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)PID控制器對(duì)正弦信號(hào)跟蹤的誤差響應(yīng)曲線，通過對(duì)比可知：模糊神經(jīng)網(wǎng)絡(luò)PID控制器在動(dòng)態(tài)性能方面明顯優(yōu)于常規(guī)PID控制器，可將正弦響應(yīng)誤差從0.02rad降至0.001rad。

（a）PID控制                                                                  （b）神經(jīng)網(wǎng)絡(luò)PID控制

圖6系統(tǒng)正弦誤差響應(yīng)曲線

4  結(jié)論

本文中改進(jìn)的模糊神經(jīng)網(wǎng)絡(luò)PID控制器與魯棒控制器相結(jié)合，通過MATLAB仿真器實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，本系統(tǒng)能縮短調(diào)節(jié)時(shí)間，加快響應(yīng)速度，提高穩(wěn)定精度，具有良好的魯棒性，能滿足非線性系統(tǒng)的要求，并具有現(xiàn)實(shí)應(yīng)用價(jià)值。