劉立兵，劉增凱，陳艷東，吳國輝，高肇凌

深水防噴器液控系統(tǒng)故障診斷研究

劉立兵1，劉增凱2，陳艷東1，吳國輝1，高肇凌1

（1.河北華北石油榮盛機械制造有限公司，河北任丘062552；2.中國石油大學機電工程學院，山東東營257061）①

采用貝葉斯方法對深水防噴器液控系統(tǒng)建立典型診斷網絡模塊，依據(jù)專家知識以及歷史統(tǒng)計數(shù)據(jù)確定貝葉斯網絡中的節(jié)點參數(shù)，包括節(jié)點的先驗概率和節(jié)點之間的條件概率。對防噴器關閉診斷貝葉斯網絡進行了試驗，診斷結果基本符合實際。證明了應用貝葉斯網絡方法對深水防噴器液控系統(tǒng)進行故障診斷研究的可行性。

深水防噴器；液控系統(tǒng)；故障診斷；貝葉斯方法

深水防噴器是保證半潛式鉆井平臺鉆井作業(yè)安全最關鍵的設備之一，其作用是在發(fā)生溢流、井涌、井噴時控制井口壓力，在遇臺風等緊急情況下鉆井裝置撤離時關閉井口，保證人員、設備安全，避免海洋環(huán)境污染和油氣資源破壞［1-3］。深海鉆井不同于陸地鉆井，若發(fā)生井噴，在人員救援及設備搶修上都異常困難，所帶來的環(huán)境污染和經濟損失更是無法估量的。因此，確保防噴器的正常運行在石油勘探開發(fā)的過程中顯得尤為重要。國內在防噴器系統(tǒng)故障診斷方面的研究較少。

系統(tǒng)故障診斷的理論研究是近年來的研究熱點，國內外研究人員相繼提出了各種診斷算法。Hu Jianqiu等提出采用動態(tài)貝葉斯網絡和蟻群算法相結合的方法建立復雜系統(tǒng)的故障診斷模型，該模型可用于描述故障傳播和預測系統(tǒng)將來的退化趨勢，采用蟻群算法還可以對系統(tǒng)進行量化風險評估［4］；Yu Qian等開發(fā)了一套專家系統(tǒng)對化學反應過程進行實時故障診斷［5］；MarzioMarseguerra等采用重采樣粒子濾波算法評估系統(tǒng)過程，并將蒙特卡洛方法應用到故障診斷中［6］。本文基于貝葉斯方法對深水防噴器液控系統(tǒng)進行故障診斷研究，并通過試驗驗證結果的準確性。

1　深水防噴器典型診斷網絡模塊建立

在深水防噴器組液壓控制系統(tǒng)中，防噴器在完成每個動作時，只有完成此動作油路中的液壓元件工作，其他油路中的液壓元件不工作，并不會對工作的液壓元件造成影響，如果有故障征兆出現(xiàn)，可以確定是完成防噴器動作油路中出現(xiàn)的故障。因此，將整個回路按照深水防噴器組的動作或功能分成各個模塊，獨立建立診斷貝葉斯網絡。將整個液壓控制系統(tǒng)分成防噴器關閉診斷網絡模塊、防噴器打開診斷網絡模塊、鎖緊裝置鎖緊診斷網絡模塊、鎖緊裝置打開診斷網絡模塊等等。下文以深水防噴器關閉診斷網絡作為典型模塊對系統(tǒng)進行故障診斷研究。

深水防噴器關閉動作診斷網絡模塊的液壓回路如圖1所示：圖標表示在油路此處安裝壓力傳感器；UBOP表示上閘板防噴器；DBOP表示下閘板防噴器；S（Shut）表示此控制回路動作是防噴器關閉；P表示液壓泵；OF表示濾油器；OV表示溢流閥；EV1表示主回路的電磁換向閥；RV1表示低壓回路減壓閥；RV2、RV3、RV4、RV5表示控制防噴器關閉的各條油路中的減壓閥；EHV1、EHV2、EHV3、EHV4表示控制防噴器關閉的各條油路中的電液換向閥；A1、A2、A3、A4表示蓄能器組；EV2、EV3、EV4、EV5表示控制蓄能器組泄壓的電磁換向閥；SV1、SV2、SV3、SV4表示實現(xiàn)蓄能器與來自液壓泵控制油液切換的換向閥；SPM1、SPM2為2套閘板防噴器關閉油路中的液壓閥，用來實現(xiàn)黃、藍箱中控制防噴器關閉功能的控制系統(tǒng)的切換。

圖1　防噴器關閉診斷網絡模塊液壓回路

深水防噴器液壓控制系統(tǒng)的閘板防噴器關閉動作可以由液壓泵提供液壓動力，也可以利用蓄能器組實現(xiàn)防噴器的快速關閉。為了模擬水下蓄能器組的功能，使防噴器實現(xiàn)快速關閉，在實驗室模擬時，一般選用蓄能器組作為液壓動力，而在防噴器打開動作時選用液壓泵作為液壓動力。所有的蓄能器均由電磁閥控制蓄能器的放壓，由減壓閥控制進入防噴器的壓力，每2組蓄能器控制1個閘板防噴器的關閉，2組蓄能器組成雙冗余的結構關系。

液壓元件包括蓄能器（A1、A2、A3、A4）、電磁閥（EV2、EV3、EV4、EV5）、換向閥（SV1、SV2、SV3、SV4）、減壓閥（RV2、RV3、RV4、RV5）。用每一個液壓元件符號代表此液壓元件故障，每一個傳感器符號代表此處的故障征兆信息：A1、A2、A3、A4代表各蓄能器壓力不足；EV2、EV3、EV4、EV5代表各電磁換向閥換向故障；SV1、SV2、SV3、SV4代表各換向閥卡住，換向失靈；RV2、RV3、RV4、RV5代表各減壓閥調壓過低故障；P4、P5、P6、P7、P8、P9代表各壓力傳感器的壓力信息。所有故障原因均有故障（Y）和無故障（N）2種狀態(tài)；故障征兆均有低（lower）、正常（normal）、高（higher）3種狀態(tài)。建立如表1所示的故障原因和故障征兆相互關系，例如當電磁換向閥EV2發(fā)生換向故障時，導致壓力傳感器P4所在管束堵塞，壓力升高，同時壓力傳感器P8處管束無油液流過，壓力較低。

在深水防噴器組液壓控制系統(tǒng)的故障診斷方面，貝葉斯網絡利用Norsys推出的Netica軟件進行診斷網絡模型的建立。Netica軟件界面設計簡易方便，理論依據(jù)可靠，性能強大，在工程、醫(yī)學、生態(tài)等領域進行不確定性知識、業(yè)務的管理研究處于領先地位，是目前世界上應用最廣泛的貝葉斯網絡建立的開發(fā)軟件。

表1　防噴器關閉模塊故障原因與故障征兆關系

貝葉斯網絡依據(jù)故障原因和故障影響順序原則建立。在深水防噴器組液壓控制系統(tǒng)中，例如防噴器關閉診斷模塊，電液換向閥EHV5換向發(fā)生故障為故障原因；傳感器P8的壓力信號會為低，為故障征兆。故障原因節(jié)點與故障征兆節(jié)點之間的關系用有向弧表示，方向由故障原因節(jié)點指向故障征兆節(jié)點。

根據(jù)如表1所示的故障原因與故障征兆的關系，建立深水防噴器組關閉模塊的診斷貝葉斯網絡，如圖2所示。所建立的貝葉斯網絡包括故障層和故障征兆層2層。例如，子節(jié)點P8有4個父節(jié)點A1、EV2、SV1、RV2，節(jié)點關系由有向箭頭表示。

圖2　深水防噴器關閉模塊診斷貝葉斯網絡

2　深水防噴器組液控系統(tǒng)貝葉斯網絡參數(shù)確定

貝葉斯網絡中的節(jié)點參數(shù)確定包括節(jié)點的先驗概率和節(jié)點之間的條件概率。節(jié)點的先驗概率是指在新的證據(jù)信息未發(fā)生或出現(xiàn)時，節(jié)點事件所發(fā)生概率的估計值。各節(jié)點的先驗概率是從歷史數(shù)據(jù)統(tǒng)計和專家的經驗知識中獲得。先驗概率值越大，事件發(fā)生的概率也越大。對深水防噴器組液壓控制系統(tǒng)進行故障診斷方法研究，假設所有故障原因節(jié)點的故障概率均為1%，非故障概率為99%。如圖2所示的深水防噴器關閉模塊的診斷貝葉斯網絡中的故障原因節(jié)點A1、A2等，其無故障（N）的先驗概率為99%，發(fā)生故障（Y）的先驗概率為1%。

事件的條件概率表示當一個事件發(fā)生時，將會引起另一個事件發(fā)生的概率。類似于事件的先驗概率一樣，貝葉斯網絡中的父節(jié)點與子節(jié)點之間的條件概率表的建立也是依據(jù)專家知識以及歷史統(tǒng)計數(shù)據(jù)。在所設計的深水防噴器組液壓控制系統(tǒng)的研究中，每一個故障原因獨立引起故障征兆發(fā)生的條件概率表的建立參考相關資料，并由系統(tǒng)設計者建立。深水防噴器關閉診斷貝葉斯網絡中父節(jié)點與子節(jié)點的條件概率如表2所示。

表2　父節(jié)點與子節(jié)點條件概率

3　深水防噴器關閉診斷貝葉斯網絡試驗

首先，已知深水防噴器組完成防噴器關閉動作過程中，來自回路中的傳感器信號發(fā)生異常，調用深水防噴器關閉診斷貝葉斯網絡，假設如下3種證據(jù)信息：

1）P4、P5、P7、P8、P9、P11壓力信號正常（normal），P6壓力信號較高（higher），P10壓力信號較低（lower）。

2）P5、P6、P7、P9、P10、P11壓力信號正常（normal），P4、P8壓力信號較低（lower）。

3）P4、P5、P6、P7、P9、P10、P11壓力信號正常（normal），P8壓力信號較低（lower）。

對于證據(jù)信息1），8個傳感器證據(jù)信息如圖3a所示，由所有故障原因節(jié)點的后驗概率計算結果顯示來看：電液換向閥EV4發(fā)生故障的概率最大，達到了94.3%，而其他液壓元件發(fā)生故障的概率很小，幾乎為零。從經驗上判斷，是由于電液換向閥換向發(fā)生故障，發(fā)生堵塞，導致P6處壓力較高，P10處無液壓油流過，從而導致P10處壓力較小。因此，診斷結果符合實際情況。

對于證據(jù)信息2），8個傳感器證據(jù)信息以及所有故障原因節(jié)點的后驗概率計算結果如圖3b所示，從顯示結果來看：蓄能器A1發(fā)生故障的后驗概率最大，達到了93.4%，電液換向閥發(fā)生故障的后驗概率為7.62%，其他液壓元件后驗故障概率很小。從經驗上判斷，蓄能器A1未充壓或充壓過低，導致了P4和P8處壓力較低，符合實際情況。

對于證據(jù)信息3），8個傳感器證據(jù)信息以及所有故障原因節(jié)點的后驗概率計算結果如圖3c所示，可以看出：梭閥SV1發(fā)生故障的概率為47%，減壓閥RV2發(fā)生故障的概率為50.9%，可能是梭閥SV1換向故障，導致P8處壓力過低，也有可能是減壓閥RV2調壓過低導致P8處壓力過低，兩者發(fā)生故障的概率近似，無法確定故障發(fā)生的準確部位，需要新的證據(jù)信息的加入，或立刻更換發(fā)生故障概率最大的減壓閥RV2，再進行監(jiān)測，若非正常狀態(tài)為排除，再依據(jù)顯示的故障發(fā)生概率結果進行檢查維修。此結果表明，試驗基本符合實際情況，較為準確。

從以上3種證據(jù)信息試驗的分析來看，深水防噴器關閉模塊診斷貝葉斯網絡診斷結果較為準確，基本符合實際情況。

4　結論

1）按照深水防噴器組的功能、動作對控制系統(tǒng)進行模塊化，對每一個功能模塊獨立進行診斷，采用貝葉斯網絡建立故障診斷模型進行故障診斷分析的方法是可行的。

2）依據(jù)假設故障征兆信息對建立的故障診斷模型進行試驗模擬，結果較為準確地反應了故障模式，驗證了將貝葉斯網絡的方法應用于深水防噴器組液壓控制系統(tǒng)故障診斷系統(tǒng)的可行性。

3）對深水防噴器系統(tǒng)的故障診斷研究可以對系統(tǒng)故障進行定位，快速準確地指出故障原因，減少工作人員維修的盲目性，節(jié)約維修時間。

圖3　防噴器關閉診斷貝葉斯網絡試驗結果

［1］楊進，曹式敬.深水石油鉆井技術現(xiàn)狀及發(fā)展趨勢［J］.石油鉆采工藝，2008（2）：10-13.

［2］竇玉玲，管志川.徐云龍.海上鉆井發(fā)展綜述與展望［J］.海洋石油，2006（2）：64-67.

［3］李博，張作龍.深水防噴器組控制系統(tǒng)的發(fā)展［J］.流體傳動與控制，2008（4）：39-41.

［4］Hu Jinqiu，Zhang Laibin，Ma Lin，Liang Wei.An integrated safety prognosismodel for complex system based on dynamic Bayesian network and ant colony algorithm［J］.Expert systems with applications，2011 （38）：1431-1446.

［5］Yu Qian，Xiuxi Li，Yanrong Jiang，Yanqin Wen.An expert system for real-time fault diagnosis of complex chemical processes［J］.Expert systems with applications，2003（24）：425-432.

［6］Marzio Marseguerra，Enrico Zio.Monte Carlo simulation for model-based fault diagnosis in dynamic systems［J］.Reliability engineering and systems safety，2009（94）：180-186.

Research for Fault Diagnosis of Deepwater Blowout Preventer

LIU Libing1，LIU Zengkai2，CHEN Yandong1，WU Guohui1，GAO Zhaoling1
（1．Rongsheng Machinery Manufacture LTD of Huabei Oilfield，Renqiu 062552，China；2．College of Mechanical and Electronic Engineering，China University of Petroleum，Dongying 257061，China）

The typical diagnosis network module for deepwater BOP hydraulic control system that base on Bayesian methods is established.On the basis of expert knowledge and historical statistics to determine the Bayesian network node parameters，including the nodes’priori probability and conditional probability between nodes.The diagnostic Bayesian network of BOP close is tested，and the results are more accurate diagnosis，in line with reality.Demonstrate the feasibility of the application of Bayesian networks for deepwater BOP hydraulic control system fault diagnosis.

deepwater BOP；hydraulic control system；fault diagnosis；Bayesian method

TE951

A

10.3969／j.issn.1001-3482.2015.10.001

1001-3482（2015）10-0001-05

①2015-04-13

國家高技術研究發(fā)展計劃（863計劃）資助項目“深水防噴器組及控制系統(tǒng)國產化研制”（2013AA09A220）；國家

科技重大專項“深水鉆井防噴器及控制系統(tǒng)研制”（2011ZX05027-001-05）

劉立兵（1982-），男，河北河間人，工程師，主要從事深水防噴器控制系統(tǒng)研究，E-mail：liulibing51＠163.com。