旋转导向钻井稳定平台摩擦模型参数辨识研究.pdf

2 0 1 1 年第 2 5 卷第 4期 石油仪器 P E TR OL E UM I NS T RUMEN T S 计算机与通讯技术 旋转导向钻井稳定平台摩擦模型参数辨识研究 王艳丽 葛 蕾 袁立志。 1 ． 陕西科技大学镐京学院陕西 西安 2 ． 长庆油田分公司技术监测中心陕西 西安 3 ． 川庆钻探工程有限公司长庆钻井总公司 陕西 西安 摘 要通过对旋转导向钻井稳定平台中摩擦现象的深入研究， 确定了能够全面描述此摩擦现象的摩擦模型。并提 出了采用神经网络的方法对其参数进行辨识， 且利用 M A T L A B软件进行 了仿真研究， 仿真实验表明神经网络参数辨识 的精度更高， 这对提高平台的稳定性及 自适应性有很大帮助。 关 键 词 稳定平台； L u G r e 摩擦模型； 神经网络辨识 中图法分类号 T P 1 8 3 文献标识码 B 文章编号 1 0 0 4 ． 9 1 3 4 2 0 1 1 0 4 ． 0 0 8 3 0 3 O 引 言 旋转导向钻进技术可以自动、 灵活地调整井斜和 方位， 且具有轨迹控制精度高 ， 井眼净化效果好 、 位移 延伸能力强等特点 ， 是导向钻井技术一次质的飞跃[ - - 。 其中稳定平 台是旋转 导向钻井 系统中的一个重要环 节 ， 但它是一个复杂的时变的非线性系统 ， 且受多种 因 素的影响 ， 诸如 泥浆 排量的大小、 盘 阀接触 面积的大 小、 盘阀弹簧力的大小以及稳定平台自身机械结构和 控制仓 内元器件 特性等。于是 ， 就必须对各 子系统建 立不同近似程度的反映系统不 同运动状态下的数学模 型 ， 从而进行系统的仿真和分析， 以确保系统的各项性 能达到钻井技术指标， 满足设计要求。通过辨识数学 模型， 可以优选设计参数 、 预测系统性能 、 减少实物试 验次数， 从而大大节省研制经费。因此， 模型参数的辨 识在稳定平台的设计及控制中就显得尤为重要。 1 稳定平台中摩擦模型的确立 1 ． 1 稳定平台中的摩擦现象 要使稳定平台能够在旋转的钻柱内保持稳定 ， 就 必须使施加到平台上的力矩平衡。工作中的稳定平台 受到一个正 向力矩 F和一个反 向力矩 帆 的共 同作 用。其中正向力矩 F为下涡轮发电机产生的控制力 矩 ； 反向力矩 L主要包括上涡轮发 电机产生的摩 擦 力矩、 稳定平台主支撑轴承的摩擦阻力扭矩、 涡轮发电 机和扭矩发生器上 两个 涡轮支撑轴承的摩 擦阻力扭 矩 、 控制主轴旋转时的惯性扭矩及液压控制分配单元 上下盘阀之间的摩擦扭矩等 。稳定平 台的受力如图 1 所 示 [ 2 l 。 1 ． 2 L u Gr e模型 L u G r e 摩 擦 模 型 是 C a n t , d a s [ 3 ] 等 人 在 1 9 9 5年 提出来的， 其旋转运动的表 达式为[ ] r z 。 z d1 d z 1 dz 一 图 1 稳定 平台受力示意 图 2 c r o g 一T c e - o ／ 0 3 式中， 为摩擦表面的相对角速度 ， r a d ／ s ； 为摩 擦力矩， N m； T c 为库伦摩擦力矩， N m； 为最大静 摩擦力矩 ， N m； 为运动前的微观变形量 的刚性 系数 ， N m／ r a d ； 为粘滞状态下相对运动表面 间的相 对形变量 ， r a d ； 1 为粘性阻尼 系， N m ／ r a d S ； B 为粘性摩擦系数 ， N m ／ r a d S 。 由于 L u G r e 模型不仅考虑了粘性摩擦、 库仑摩擦 ， 而且考虑了静态摩擦以及 S t r ib e c k 负斜率效应， 因此， L u G r e 摩擦模型能够较全面的描述稳定平台中的摩擦 现象。 第一作者简介 王艳丽， 女， 1 9 8 3 年生， 助教 ， 2 0 0 9 年毕业于西安石油大学检测技术与自动化装置专业， 现任教于陕西科技大学镐京学院， 研究方 向 模糊控制 。邮编 7 1 2 0 4 6 石油仪器 PETROLEUM I NS TRUMENTS 2 基于权值边界问题的神经网络参数辨识 2 ． 1 网络模型结构 为了使所构造的神经网络模型与待辨识参数的系 统的结构一致 ， 因此需在了解系统数学模型的基础上 构造出神经网络的拓扑结构。对于一般 的系统模型， 可以遵循 以下原则 1 一般的 B P网络中各神经元的激励函数要求 为各个输入信号的加权和的函数。在这里可以将激励 函数放宽为对各个输人作任意运算后的函数 。即 Y ．厂 [ X ] ， 式中 y是网络的输出， 是网络的输入， ．厂 k 是激活函数， 是任意函数， 由实际系统确定。 2 神经元 的激励 函数一般采用系统模型中特定 的函数 ， 偏差通常取 b0 。 3 网络的权值取为待辨识 的系统参数 ， 或者取为 待辨识参数的函数。 根据以上规定， 可以用若干个简单的神经元及包 含其参数的权值通过一定的连接方式来表示一个复杂 的系统 。图 2为～通用的神经 网络 系统参 数辨识模 型 。 网络结构 图 2 神经 网络 参数 辨识通用模型 2 ． 2 参数辨识步骤 基于权值边界问题的神经网络系统参数辨识算法 总结如下 1 取初始权值 W 0 ， 使其介于上下界之间； 2 通过构造的神经网络模型 ， 计算神经 网络的输 出 k ； 3 结合神经网络输 出， 计 算误差 函数 e k Y k 一 k ； 4 将神经网络权值调整为 W k 1 W k △W k ； 5 分析权值是否在允许范围内， 如果是转到第 6 步； 如果不是则 如果 。 ， 。 如果 Wi Wi ≥Wi ⋯ 6 E W， k Y k 一 k 计算， 并且判 断其是否在允许误差范围内， 如果在， 则停止辨识。如 果不是转到第 3 步。 3 稳定平台摩擦模型参数辨识 3 ． 1 含有 L u g r e 摩擦模型的伺服系统 含有 L u g r e 模 型的导向钻井稳定平 台结构如 图 3 所示 图 3 含有 L u g r e 模型的导向钻井稳定平台 其中， r t 为指令信号， t 为转速， 为电枢电 阻， K 为 电机力矩系数 ， - ，为转动惯量 ， 为控制输 入， 为摩擦力矩。 稳定平台伺服系统 ， 可 以用下面的微分方程表示 7 1 一 4 为式 1 所示的 L u g r e摩擦力矩。 3 ． 2 L u g r e模型参数辨识 3 ． 2 ． 1 静态参数辨识 1 系统恒速运动时 ， 即式 1 和 2 中的 o z ． 0 ， 使 两 式变为 T s 0 册 5 由 g g s g r t 6 将式 6 代人式 5 可以得到 a o g s g n 酌 7 再将式 3 代入式 7 可 以得到与稳态相对应 的摩 擦力矩和角速度之间的关系 [ 一 e - O ／ O 】 昭n B 8 取闭环系统 的一组恒定 的转 速序列 { } 作为 速度指令信号， 得到相应的控制力矩序列{ 7 1 } 1 ， 由 式 4 可知当系统恒速运行 时， 系统角加速度 为零 ， 所 以控制力矩就等于摩擦力矩 ， 即 T ， 从而可以获得 一 组相应的摩擦力矩序列{ T AL 。由上述的转速和 摩擦力矩两个序列可获得了摩擦力矩与转速之问的稳 态对应关系。本实验采用 P D控制， 使系统以一组恒 定的转速运动 ， 测 出转速和摩擦力矩。转速与摩擦力 矩之间的稳态对应关系如表 1 所示。 非线性最小二乘法就是将低速和高速阶段的点分 别拟合成一条直线， 低速直线与纵轴交点值为最大静 摩擦力矩， 高速直线与纵轴交点值为 YT c 库仑摩擦 力矩， 其斜率为粘滞摩擦系数， 低速直线与直线交点的 2 0 1 1 年第 2 5 卷第 4 期 王艳丽等 旋转导向钻井稳定平台摩擦模型参数辨识研究 横坐标值即为临界角速度。根据表 1 的角速度 及 相 对 应 的 摩 擦 力 矩 采 用 MA T L A B 中 的 l s q c u r v e fi t [ 5 1 来实现参数的辨识。 表 1 摩擦力矩与转速之间的稳态对应关系 根据非线性最小二乘法拟合的 S t r i b e c k曲线可以 得到 L u g r e 摩擦模型的4 个静态参数 T s 、 T c 、 白 、 B分别 为 2 ． 4 4 4 0 、 0 ． 5 9 9 1 、 0 ． 0 1 0 3 、 0 ． 0 0 4 9 。 3 ． 2 ． 2 动态参数辨识 1 神经网络参数辨识 由前面的分析知道 ， 当系统受到控制力 ， 但还没有 明显的运动时 ， 可假设 0， d O一 ，因此式 1 可近 似写为 r e O 0 。 0酌 。此时的系统模型可 以写 为 1 0 0 T 9 对式 9 进行拉氏变换可得 T { 1o s 一 】 s o 、 将式 1 O 离散化 ， 转换关系如式 1 1 j 1 1 l 将式 1 1 代人式 1 0 整理可 以得到 T 一2 T JI}一1 一T k一2 0 [ 0 2 0 k一1 k一2 ] 1 [ 0 k 一0 k一2 ] t ， [ 一2 0 一1 k一2 ] [ k 一 一 2 ] 1 2 对于动态参数的辨识， 本文采用基于权值边界问 题的神经网络参数辨识法， 且静态参数的取值为前面 得到的静态参数辨识结果 ， 并且取 J1 N m 。根据 以往经验和理论计算， 可以得到 的范围。其 中最 大值和最小值数分别为 。 [ 4 ， 2 ， 3 ， 4 ， 5 ， 2 1 ； [ 一 5 ， 一 3 ， 一 4 ， 一 2 ， 一 3 ， 一 2 ] 。使用神经网络作为 系统参数辨识器 N N I ， 根据待辨识系数的上下界， 并在 界内选择一组初始值 W 0 ， IF 0 [ 一3 ， 1 ， 2 ， 2 ， 3 ， 1 ] 使其介于最大值与最小值之问。并建立该系统的 神经网络模型如图 4 所示， 神经网络的输入由系统输 入 和系统输出 组成 。最后根据基 于权值 边界问题的神经网络参数辨识步骤对其参数 进行 辨识 。 图 4 神经 网络辨识模型 训练结束后的神经网络的权值为 [ 一2 ． 0 0 5 3 ， 一0 ． 9 9 7 4 ， 0 ． 5 1 0 3 ， 0 ． 3 8 1 8 ， 1 ． 0 0 4 8 ， 0 ． 0 0 7 3 j ， 此 权值即为所要辨识的系统参数值。得到刚性系数 。 ， 粘性 阻尼系数 1 。 2 非线性最小二乘法辨识 从式 1 0 可以看出， 当系统受到控制力， 仍处于静 止状态时， 可近似为一个二阶阻尼系统。其系数可以 近似的计算出来， 当运动停止时有 0“ 0 0一 s g n 0 ／ 0 s 1 3 为静摩擦区域的稳态角位移， 根据静摩擦的辨 识结果， 输人一个很小的的阶跃信号， 得到 ， 从而得 出 gr o 的初值 O “ 130 0 ． 4 6 。对于 l B 0“ 0 臼 r，所表示的二阶系统 ， 0 B描述了系统的阻尼 ， 从 经验可以知道阻尼系数取 0 ． 2～ 0 ． 8 ， 本文取 0 ． 2 ， 则 1 0 B 0 ． 4 ／ J 0“ 0 0 1 4 根据式 1 4 就可以得出 1 的初值 l 0 0 ． 2 7 。 在 已知 0 ， 初值的情况下根据下式 Ⅳ m i n { 0 ， ； 0 ， 1 } -∑[ 一 0 1 2 1 5 0 可以辨识出仃 o ， 】 的值。 利用 M A T L A B中的 f mi n b n d [ 5 ] 函数取式 1 4 为 目 标函数 ， 进行优化得到 o ， 的辨识值 。其分别为 a o 0． 4 76 6， d 10． 2 7 01 。 表 2 动态参数辨识结果 下转第 8 7页 2 0 1 1 年第 2 5卷第 4期 王伟等 野外光伏电源 自动控制系统 储能 ， 已充电的 c向负载放 电， 从而保证 了向负载 的 供 电。此后 ， 又重复上述过程 。由上述讨论可知 ， 这种 升降压斩波电路输 出直流电压的极性和输入直流电压 升降压斩波电路的极性是相反的。 1 ． 2 P WM 控制器 P WM工作方式是指保持工作频率恒定 ， 通过改变 功率开关管的导通时间或者截止时间来改变占空比的 一 种调制方式， 是目前功率变换器中应用最为广泛的 一 种控制方式 。 工作原理 首先对被控输出电压进行检测， 得到反 馈 电压 ， 将其加至运放的反相输入端 ， 另一个精确的基 准参考电压加至运放的同相输人端。反馈电压与基准 电压 比较后输 出直流误差电压 ， 加至 P WM 比较器 的 同相输入端， 另一个固定频率的振荡器产生锯齿波信 号加至 比较器的反相输入端 ， 二者经过 P WM 比较器 ， 输出一方波信号， 此方波信号的占空比随着误差电压 变化而变化 ， 实现脉宽调制_ 2 l2。 P WM控制的实质就是在输入 电压 ， 内部参数及外 接负载变化的情况下， 控制电路通过被控制信号与基 准信号的差值进行闭环反馈， 调节主电路开关管的导 通时间 即脉冲宽度 ， 保持脉冲的周期不变来达 到稳 定输出电压的 目的。如图 3 为电压控制型调制方式原 理 图 。 图 3 电压控制型调制方式原理图 电压控制的原理图如 图所示 ， 输出电压经过采样 电阻的分压后输入到误差放大器的反相端 ， 误差放大 器同相端为带隙基准提供的基准电压， 二者经误差放 大器放大输出的直流电平作为 P WM比较器的门限， 与振荡器产生的固定频率的锯齿波比较， 输出一方波， 经过驱动电路后驱动功率开关管 。输 出电压下降时， 反馈电压下降 ， 误差放大 电压增 大， 比较器 门限增大， 开关导通时间越长 ， 从而保证电感储存足够的能量 ， 维 持负载电压的稳定。 2 硬件实现 经试验 ， 当输入电压为 4 v～1 5 V时， 输出电压为 1 4 ． 9 9 2 V； 当输入电压为 l 6 V～2 4 V时， 输 出电压为 1 4 ． 9 8 9 V。由实验数据可见 ， 该系统能满足设计要求 ， 在输入电压低于 1 5 V时 ， 将输 出升压至 1 5 V； 当输入 电压高于 1 5 V时， 将输出降压至 1 5 V。 3 结束语 带有该电压控制系统的太阳能电池板能有效的利 用太阳能 ， 延长其对电瓶的充 电时长并且能输 出稳定 的 1 5 V电源起 到了对 交叉 站 、 电源站 的保护作用 ， 避 免了波动的电压对采集过程 的不利影响。而且可以有 效延长电瓶的供电时间， 降低野外生产更换电瓶的频 率， 从而降低生产成本， 提高生产效率。 参 考 文 献 [ 1 ] 成楠 ． 升压式 D C ／ D C变换器的研究与设计[ D] ． 华中 科技大学 ， 2 0 1 0 [ 2 ] 华伟 ． 通信开关电源的五种 P WM反馈控制模式研究 [ J ] ． 通信电源技术， 2 0 0 1 ， 1 7 2 收稿 日期 2 0 1 1 0 3 1 6 编辑 高红 霞 上接第 8 5页 通过表 2 可以看出， 在动态参数辨识过程中， 非线 性最小二乘算法辨识相对误差较大 ， 与其相 比较神经 网络参数辨识 的精度要高很多。 4 结论 本文通过对稳定平 台中的摩擦模型参数采用传统 辨识方法和神经网络辨识方法的比较表明， 采用神经 网络方法能使系统在实际输入信号下能够更好地再现 实际系统的输出， 尽而达到提高平台的稳定性及 自适 应性的 目的。 参 考 文 献 [ 1 ] 赵金海， 唐代绪，朱全塔 ， 等 ．国外典型的旋转导向钻井 系统[ J ] ．国外油田工程， 2 0 0 2 ， 1 8 1 1 [ 2 ] 汤楠， 穆向阳．调制式旋转导向钻井工具稳定平台控 制机构研究[ J ] ． 石油钻采工艺， 2 0 0 3 ， 2 5 3 [ 3 ] C C a n u d a s d e Wi t ． H O l s s o n K J A s t r o m a n d P L i s c h i n s k v ． A N e w Mo d e l f o r C o n t r o l o f S y s t e ms w i t h F r i c t i o n [ J ] ． I E E E T r a n s ． o n A u t o m a t i c C o n t r o l ， 1 9 9 5 ． 4 0 3 [ 4 ] 王喜明， 刘红， 高伟 ． 基于 L u G r e 模型的摩擦力补偿 的研究[ J ] ． 科学技术与工程 ， 2 0 0 7 ， 7 s [ 5 ] 葛哲学． 精通 MA T L A B [ M] ． 北京 电子工业出版社， 2 0 0 0 收稿 E t 期 2 0 1 1 0 3 1 8 编辑 刘雅铭