前言

隨著對油氣資源的需求,各國已將注意力逐漸轉向深海。隨著作業水深的增加,鉆井所需的鉆桿數量相應增加,鉆井作業時間和作業費用隨之也相應增加。傳統鉆桿操作方法現已無法解決所遇問題,唯采用機械化、自動化鉆桿操作系統。目前,排管系統。已在深海鉆機中得到廣泛應用，在改進鉆井作業的安全性和經濟性等方面取得了巨大成功。

在鉆井過程中，需要將鉆桿從平臺甲板傳送到二層平臺上，并不斷地將單根鉆桿接成立根并將立根接到鉆柱上，使鉆進過程持續進行。為了更換鉆頭和在鉆柱底部安裝測試或其他設備，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，這是一個重復性高并且勞動強度大的過程。

在20世紀40年代，人們就開始探索起下鉆操作的機械化方法，于是產生了排管系統。目前，該系統已在深水及超深水海洋鉆機中得到廣泛應用，在改進鉆井作業的安全性和經濟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。此操作的特點具有危險性，是一個重復性高且勞動強度大的過程，需花費大量時間，并需多人合作共同完成。因在海上鉆井作業中常遇風浪，工作環境惡劣，安全情況更為突出。同時，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、排管系統介紹

海洋平臺機械手實際系統存在嚴重的非線性，對系統的參數變化比較敏感，難以做到準確定位；另外由于機械精度方面的原因還存在和一定的死區，使得控制精度降低，存在超調。模糊神經網絡PID控制器，采用動態遞歸神經網絡(即ELman網絡)對系統的模型進行辨識,將模糊控制與神經網絡相結合,通過神經網絡來實現模糊邏輯,同時利用了神經網絡的自學習能力,可動態調整隸屬度函數、在線優化控制規則,并利用模糊神經網絡在線調整PID控制參數,使控制器既能具有模糊神經網絡的自學習能力,又能充分利用PID的控制優勢。當NNI有偏差或學習尚未完全收斂時,利用魯棒反饋控制器,保證了模糊神經網絡學習初期閉環系統的穩定性。

排管控制系統主要分為；邏輯控制部分和閉環控制部分。其工作過程分為鉆桿甲板操作、鉆桿傳送操作、鉆桿上下鉆臺操作、鉆桿鉆臺排放操作和鉆桿單根接立根操作五個部分。其主要工作原理為由上位機輸入位置信號給電液伺服系統，然后通過電液伺服系統控制機械手的位置定位、抓取、下方并由傳感器實時傳輸機械手位置信號。其閉環控制部分工作原理圖如圖1所示。

圖1排管系統閉環控制原理圖

2、改進的模糊神經網絡PID控制

2.1控制系統結構

結合排管系統構建控制系統結構如圖2所示，將機械手位置作為被控制量。

圖2改進的模糊神經PID控制結構圖

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

2.2模糊神經網絡的結構

該模糊神經網絡為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。模糊神經網絡結構為2–6–6–3。

圖3.模糊RBF神經網絡的結構

圖4　遞歸神經網絡結構

3、排管系統仿真研究

為了驗證所提出的模糊神經網絡PID控制算法的有效性，在MATLAB中創建模糊神經網絡，利用隸屬函數和模糊規則將抽象的模糊規則轉化為模糊神經網絡的訓練樣本，隱層采用在任意點可微的Tansig作為傳遞函數，輸出層采用常用非負的Sigmoid函數。

圖5系統階躍響應曲線

圖5為采用常規PID控制和改進的模糊神經網絡PID控制時，系統階躍信號的響應曲線。由圖5可見，改進的模糊神經網絡PID控制能很好地抑制系統的超調，響應快、穩態誤差小，性能遠優于常規PID控制。圖6為常規PID控制器和改進模糊神經網絡PID控制器對正弦信號跟蹤的誤差響應曲線，通過對比可知：模糊神經網絡PID控制器在動態性能方面明顯優于常規PID控制器，可將正弦響應誤差從0.02rad降至0.001rad。

（a）PID控制（b）神經網絡PID控制

圖6系統正弦誤差響應曲線

4、結論

本文中改進的模糊神經網絡PID控制器與魯棒控制器相結合，通過MATLAB仿真器實驗，實驗結果表明，本系統能縮短調節時間，加快響應速度，提高穩定精度，具有良好的魯棒性，能滿足非線性系統的要求，并具有現實應用價值。

更多資訊請關注自動化軟件頻道