水下生产液压控制系统在线诊断与校验方法、存储介质和控制终端技术方案

技术编号:26756202 阅读:21 留言:0更新日期:2020-12-18 21:57
本发明专利技术公开了一种水下生产液压控制系统在线诊断与校验方法、存储介质和控制终端,属于水下生产控制技术领域,包含:获取水下生产液压控制系统实时采集的每个阀门的工作数据;将所述工作数据导入计算模型绘制各项参数的实际工作曲线;比较不同时间段内各项参数实际工作曲线与对应参数的标准曲线所存在的差异,判断所述差异是否超过预设值,如果是,则输出故障报警信息及对应的阀门性能的诊断报告。本发明专利技术使水压阀门故障的检测更准确、效率更高。

【技术实现步骤摘要】
水下生产液压控制系统在线诊断与校验方法、存储介质和控制终端
本专利技术涉及一种水下生产液压控制系统在线诊断与校验方法、存储介质和控制终端。
技术介绍
水下生产液压控制系统的工作依赖大量的液压控制系统,液压控制系统中每个阀门是否处于正常工作状态,对于安全生产至关重要,现有技术中,原来都是阀门传感器或者电子设备自我校验,使用离线仿真数据作为比较基准,从而判断阀门是否失效。但是离线仿真数据具有滞后性,判断阀门工作状态的效率不高。
技术实现思路
有鉴于此,本专利技术要解决的技术问题是提供一种水下生产液压控制系统在线诊断与校验方法、存储介质和控制终端,以解决现有技术中,对于水下生产液压控制系统中阀门等是否正常工作的判断效率较低的问题。本专利技术为解决上述技术问题,一方面提供一种水下生产液压控制系统在线诊断与校验方法,应用于控制终端,包括以下步骤:获取水下生产液压控制系统实时采集的每个阀门的工作数据;将所述工作数据导入计算模型绘制各项参数的实际工作曲线;比较不同时间段内各项参数实际工作曲线与对应参数的标准曲线所存在的差异,判断所述差异是否超过预设值,如果是,则输出故障报警信息及对应的阀门性能的诊断报告。进一步的,所述每个阀门的工作数据包括液压供给压力、执行器液压压力、阀门打开时间,以及阀门在关闭过程中的执行器液压压力、液压排放压力、阀门关闭时间的一项或多项。进一步的,所述故障报警信息及对应阀门性能的诊断报告包括水下采油树液压是否泄漏、泄漏量、及液压液泄漏的报警提示。进一步的,所述计算模型为:首先,根据水下生产液压控制系统模型简化流动方程为:F=(1-K0)*a1*(P1-P2-KZ)+K0*F1p其中,F为液压系统质量流率;K0为用户可选常数,取值范围为(0,1);F1p为上次迭代计算的F值;P1、P2为位置s1和位置s2处的压力;为线性系数,其中p11p、p21p为上次迭代压力,KZ=ρg(Z1-Z2),Z1、Z2为位置s1和s2处的标高,ρ为流体密度,g为重力加速度;然后,根据液压系统网络节点的数量构建矩阵方程组;由现场水下生产液压控制系统实际测量数据进行迭代,设定模糊群,建立模糊方程模型,采用极限学习机计算并确定模型中的参数F,得到模型的输出为:F=Hβ=∑βg(w·Φmk(Xm,μmk)+b)其中,F为训练样本的输出值,H为隐含层输出矩阵,β为隐含层与输出层的连接权值,g(·)为极限学习机的激活函数,选择sigmoid函数,w为输入层与隐含层连接权值,b为隐含层神经元阈值,Φ(X,μ)=[exp(μ2)·X]表示由输入变量X及与模糊群隶属度μ所形成的新输入矩阵;其中隶属度的计算公式为:表示第m个训练样本Xm对于模糊群k的隶属度,其中c*为模糊群个数,νk和νj分别为模糊群中心,有模糊聚类求得;最后,根据模型排除疑似失效点,并利用其余数据进行逆迭代运算,反向推导出疑似失效点的理论计算值:其中,Pi、Pj表示第i、j个传感器测得压力,Zi、Zj表示第i、j处标高,Fij表示i、j之间的质量流率。进一步的,定期重启上述步骤,对模型参数进行优化,使模型自主学习与维护。进一步的,所述步骤判断所述差异是否超过预设值,如果是,则输出故障报警信息及对应的阀门性能的诊断报告进一步包括:对采样的变量参数进行逐一校验,记录测量时间,在运算出来的计算值与测量时间对应的测量值进行比对,得出差异范围的百分比,如果所述偏差范围的百分比值超过设定阈值,则确定判断参数所对应的阀门失效,并输出故障报警信息及对应的阀门性能的诊断报告。进一步的,通过模型计算剔除异常测量值并得出计算值,用计算值代替测量值,以消除报警。进一步的,对所述数据输入3D显示模型,在3D显示模型中显示对应阀门的失效信号。本专利技术另一方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述任意一种水下生产液压控制系统在线诊断与校验方法的步骤。本专利技术另一方面提供一种控制终端,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;所述计算机程序被所述处理器执行时实现上述任一水下生产液压控制系统在线诊断与校验方法的步骤。本专利技术实现的水下生产液压控制系统在线诊断与校验方法、存储介质和控制终端,通过建立水下液压控制系统流体仿真模型,把实际现场工作条件(液压系统压力、水深、环境温度等)等参数都实时代入流网模型进行运算和分析,得到设备“逻辑正确”的状态和参数值,然后把现场采集到的压力流量等信息包括变化曲线和“逻辑正确”的状态值进行比较,从而大大提高诊断的准确度。且采用流网模型进行判断还可以把相关传感器故障有效识别出来,可以显著提高故障判断的准确性和效率。本系统可以应用到水下各种液压阀门的监测和诊断中,作业时不再需要出动大型工程设备及大量作业人员,可以大量节约人员和设备成本。附图说明图1为本专利技术第一实施例提供的水下生产液压控制系统在线诊断与校验方法的实现流程示意图;图2为本专利技术第二实施例提供的水下生产液压控制系统在线诊断与校验方法的实现流程示意图;图3为本专利技术实施例的流体网络示意图。具体实施方式为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图和实施例,对本专利技术进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本专利技术,并不用于限定本专利技术。实施例一本专利技术第一实施例提供一种水下生产液压控制系统在线诊断与校验方法,包括以下步骤:S1,获取水下生产液压控制系统实时采集的每个阀门的工作数据;SEM(海底生产控制模块)实时读取液动阀的压力,流量信号,采油树压力及温度等。包括每一个水下采油树阀门在打开过程中的液压供给压力、执行器液压压力、阀门打开时间,以及阀门在关闭过程中的执行器液压压力、液压排放压力、阀门关闭时间作为每个阀门的工作数据。S2,将所述工作数据导入计算模型绘制各项参数的实际工作曲线;所述计算模型为:S201、根据水下生产液压控制系统结构搭建流网模型;根据流体力学连续性方程、动量方程和能量方程,利用节点法搭建流网模型;当流网节点较多时,可以简化为多个小的流网或者系统,从而简化建模流程。针对水下生产液压控制系统,节点的质量流率根据实际运行条件而增加或减少;因此需要将可压缩性和质量不平衡项引入数学方程式,可以得到:其中,F=为水下生产液压系统质量流率=ρvA,ρ为水下生产液压控制系统中的流体密度,v为流速,A为管道截面积;P为节点处的压力;T为节点处的绝对温度;α为可压缩系数。当管道长度为L时,可以将动量守恒方程表示为:其中,P1、P2为水下生产液压控制系统位置s1节点和位置s2节点处的压力;ρ为本文档来自技高网...

【技术保护点】
1.一种水下生产液压控制系统在线诊断与校验方法,应用于控制终端,包括以下步骤:/n获取水下生产液压控制系统实时采集的每个阀门的工作数据;/n将所述工作数据导入计算模型绘制各项参数的实际工作曲线;/n比较不同时间段内各项参数实际工作曲线与对应参数的标准曲线所存在的差异,/n判断所述差异是否超过预设值,如果是,则输出故障报警信息及对应的阀门性能的诊断报告。/n

【技术特征摘要】
1.一种水下生产液压控制系统在线诊断与校验方法,应用于控制终端,包括以下步骤:
获取水下生产液压控制系统实时采集的每个阀门的工作数据;
将所述工作数据导入计算模型绘制各项参数的实际工作曲线;
比较不同时间段内各项参数实际工作曲线与对应参数的标准曲线所存在的差异,
判断所述差异是否超过预设值,如果是,则输出故障报警信息及对应的阀门性能的诊断报告。


2.根据权利要求1所述的水下生产液压控制系统在线诊断与校验方法,其特征在于:
所述每个阀门的工作数据包括液压供给压力、执行器液压压力、阀门打开时间,以及阀门在关闭过程中的执行器液压压力、液压排放压力、阀门关闭时间的一项或多项。


3.根据权利要求1所述的水下生产液压控制系统在线诊断与校验方法,其特征在于:所述故障报警信息及对应阀门性能的诊断报告包括水下采油树液压是否泄漏、泄漏量、及液压液泄漏的报警提示。


4.根据权利要求1所述的水下生产液压控制系统在线诊断与校验方法,其特征在于:所述计算模型为:
建立水下生产液压控制系统模型流动方程为:
F=(1-K0)*a1*(P1-P2-KZ)+K0*F1p
其中,F为液压系统质量流率;K0为用户可选常数,取值范围为(0,1);F1p为上次迭代计算的F值;P1、P2为位置s1和位置s2处的压力;为线性系数,其中p11p、p21p为上次迭代压力,KZ=ρg(Z1-Z2),Z1、Z2为位置s1和s2处的标高,ρ为流体密度,g为重力加速度;
根据液压系统网络节点的数量构建矩阵方程组;
由现场水下生产液压控制系统实际测量数据进行迭代,设定模糊群,建立模糊方程模型,采用极限学习机计算并确定模型中的参数F,得到模型的输出为:
F=Hβ=∑βg(w·Φmk(Xm,μmk)+b)
其中,F为训练样本的输出值,H为隐含层输出矩阵,β为隐含层与输出层的连接权值,g(·)为极限学习机的激活函数,选择sigmoid函数,w为输入层与隐含层连接权值,b为隐含层神经元阈值,Φ(X,μ)=[exp(μ2)·X]表...

【专利技术属性】
技术研发人员:郝富强李国庆丁会霞
申请(专利权)人:深圳市行健自动化股份有限公司深圳市鲲鹏智能装备制造有限公司
类型:发明
国别省市:广东;44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1