刘立兵，刘增凯，陈艳东，吴国辉，高肇凌

深水防喷器液控系统故障诊断研究

刘立兵1，刘增凯2，陈艳东1，吴国辉1，高肇凌1

（1.河北华北石油荣盛机械制造有限公司，河北任丘062552；2.中国石油大学机电工程学院，山东东营257061）①

采用贝叶斯方法对深水防喷器液控系统建立典型诊断网络模块，依据专家知识以及历史统计数据确定贝叶斯网络中的节点参数，包括节点的先验概率和节点之间的条件概率。对防喷器关闭诊断贝叶斯网络进行了试验，诊断结果基本符合实际。证明了应用贝叶斯网络方法对深水防喷器液控系统进行故障诊断研究的可行性。

深水防喷器；液控系统；故障诊断；贝叶斯方法

深水防喷器是保证半潜式钻井平台钻井作业安全最关键的设备之一，其作用是在发生溢流、井涌、井喷时控制井口压力，在遇台风等紧急情况下钻井装置撤离时关闭井口，保证人员、设备安全，避免海洋环境污染和油气资源破坏［1-3］。深海钻井不同于陆地钻井，若发生井喷，在人员救援及设备抢修上都异常困难，所带来的环境污染和经济损失更是无法估量的。因此，确保防喷器的正常运行在石油勘探开发的过程中显得尤为重要。国内在防喷器系统故障诊断方面的研究较少。

系统故障诊断的理论研究是近年来的研究热点，国内外研究人员相继提出了各种诊断算法。Hu Jianqiu等提出采用动态贝叶斯网络和蚁群算法相结合的方法建立复杂系统的故障诊断模型，该模型可用于描述故障传播和预测系统将来的退化趋势，采用蚁群算法还可以对系统进行量化风险评估［4］；Yu Qian等开发了一套专家系统对化学反应过程进行实时故障诊断［5］；MarzioMarseguerra等采用重采样粒子滤波算法评估系统过程，并将蒙特卡洛方法应用到故障诊断中［6］。本文基于贝叶斯方法对深水防喷器液控系统进行故障诊断研究，并通过试验验证结果的准确性。

1　深水防喷器典型诊断网络模块建立

在深水防喷器组液压控制系统中，防喷器在完成每个动作时，只有完成此动作油路中的液压元件工作，其他油路中的液压元件不工作，并不会对工作的液压元件造成影响，如果有故障征兆出现，可以确定是完成防喷器动作油路中出现的故障。因此，将整个回路按照深水防喷器组的动作或功能分成各个模块，独立建立诊断贝叶斯网络。将整个液压控制系统分成防喷器关闭诊断网络模块、防喷器打开诊断网络模块、锁紧装置锁紧诊断网络模块、锁紧装置打开诊断网络模块等等。下文以深水防喷器关闭诊断网络作为典型模块对系统进行故障诊断研究。

深水防喷器关闭动作诊断网络模块的液压回路如图1所示：图标表示在油路此处安装压力传感器；UBOP表示上闸板防喷器；DBOP表示下闸板防喷器；S（Shut）表示此控制回路动作是防喷器关闭；P表示液压泵；OF表示滤油器；OV表示溢流阀；EV1表示主回路的电磁换向阀；RV1表示低压回路减压阀；RV2、RV3、RV4、RV5表示控制防喷器关闭的各条油路中的减压阀；EHV1、EHV2、EHV3、EHV4表示控制防喷器关闭的各条油路中的电液换向阀；A1、A2、A3、A4表示蓄能器组；EV2、EV3、EV4、EV5表示控制蓄能器组泄压的电磁换向阀；SV1、SV2、SV3、SV4表示实现蓄能器与来自液压泵控制油液切换的换向阀；SPM1、SPM2为2套闸板防喷器关闭油路中的液压阀，用来实现黄、蓝箱中控制防喷器关闭功能的控制系统的切换。

图1　防喷器关闭诊断网络模块液压回路

深水防喷器液压控制系统的闸板防喷器关闭动作可以由液压泵提供液压动力，也可以利用蓄能器组实现防喷器的快速关闭。为了模拟水下蓄能器组的功能，使防喷器实现快速关闭，在实验室模拟时，一般选用蓄能器组作为液压动力，而在防喷器打开动作时选用液压泵作为液压动力。所有的蓄能器均由电磁阀控制蓄能器的放压，由减压阀控制进入防喷器的压力，每2组蓄能器控制1个闸板防喷器的关闭，2组蓄能器组成双冗余的结构关系。

液压元件包括蓄能器（A1、A2、A3、A4）、电磁阀（EV2、EV3、EV4、EV5）、换向阀（SV1、SV2、SV3、SV4）、减压阀（RV2、RV3、RV4、RV5）。用每一个液压元件符号代表此液压元件故障，每一个传感器符号代表此处的故障征兆信息：A1、A2、A3、A4代表各蓄能器压力不足；EV2、EV3、EV4、EV5代表各电磁换向阀换向故障；SV1、SV2、SV3、SV4代表各换向阀卡住，换向失灵；RV2、RV3、RV4、RV5代表各减压阀调压过低故障；P4、P5、P6、P7、P8、P9代表各压力传感器的压力信息。所有故障原因均有故障（Y）和无故障（N）2种状态；故障征兆均有低（lower）、正常（normal）、高（higher）3种状态。建立如表1所示的故障原因和故障征兆相互关系，例如当电磁换向阀EV2发生换向故障时，导致压力传感器P4所在管束堵塞，压力升高，同时压力传感器P8处管束无油液流过，压力较低。

在深水防喷器组液压控制系统的故障诊断方面，贝叶斯网络利用Norsys推出的Netica软件进行诊断网络模型的建立。Netica软件界面设计简易方便，理论依据可靠，性能强大，在工程、医学、生态等领域进行不确定性知识、业务的管理研究处于领先地位，是目前世界上应用最广泛的贝叶斯网络建立的开发软件。

表1　防喷器关闭模块故障原因与故障征兆关系

贝叶斯网络依据故障原因和故障影响顺序原则建立。在深水防喷器组液压控制系统中，例如防喷器关闭诊断模块，电液换向阀EHV5换向发生故障为故障原因；传感器P8的压力信号会为低，为故障征兆。故障原因节点与故障征兆节点之间的关系用有向弧表示，方向由故障原因节点指向故障征兆节点。

根据如表1所示的故障原因与故障征兆的关系，建立深水防喷器组关闭模块的诊断贝叶斯网络，如图2所示。所建立的贝叶斯网络包括故障层和故障征兆层2层。例如，子节点P8有4个父节点A1、EV2、SV1、RV2，节点关系由有向箭头表示。

图2　深水防喷器关闭模块诊断贝叶斯网络

2　深水防喷器组液控系统贝叶斯网络参数确定

贝叶斯网络中的节点参数确定包括节点的先验概率和节点之间的条件概率。节点的先验概率是指在新的证据信息未发生或出现时，节点事件所发生概率的估计值。各节点的先验概率是从历史数据统计和专家的经验知识中获得。先验概率值越大，事件发生的概率也越大。对深水防喷器组液压控制系统进行故障诊断方法研究，假设所有故障原因节点的故障概率均为1%，非故障概率为99%。如图2所示的深水防喷器关闭模块的诊断贝叶斯网络中的故障原因节点A1、A2等，其无故障（N）的先验概率为99%，发生故障（Y）的先验概率为1%。

事件的条件概率表示当一个事件发生时，将会引起另一个事件发生的概率。类似于事件的先验概率一样，贝叶斯网络中的父节点与子节点之间的条件概率表的建立也是依据专家知识以及历史统计数据。在所设计的深水防喷器组液压控制系统的研究中，每一个故障原因独立引起故障征兆发生的条件概率表的建立参考相关资料，并由系统设计者建立。深水防喷器关闭诊断贝叶斯网络中父节点与子节点的条件概率如表2所示。

表2　父节点与子节点条件概率

3　深水防喷器关闭诊断贝叶斯网络试验

首先，已知深水防喷器组完成防喷器关闭动作过程中，来自回路中的传感器信号发生异常，调用深水防喷器关闭诊断贝叶斯网络，假设如下3种证据信息：

1）P4、P5、P7、P8、P9、P11压力信号正常（normal），P6压力信号较高（higher），P10压力信号较低（lower）。

2）P5、P6、P7、P9、P10、P11压力信号正常（normal），P4、P8压力信号较低（lower）。

3）P4、P5、P6、P7、P9、P10、P11压力信号正常（normal），P8压力信号较低（lower）。

对于证据信息1），8个传感器证据信息如图3a所示，由所有故障原因节点的后验概率计算结果显示来看：电液换向阀EV4发生故障的概率最大，达到了94.3%，而其他液压元件发生故障的概率很小，几乎为零。从经验上判断，是由于电液换向阀换向发生故障，发生堵塞，导致P6处压力较高，P10处无液压油流过，从而导致P10处压力较小。因此，诊断结果符合实际情况。

对于证据信息2），8个传感器证据信息以及所有故障原因节点的后验概率计算结果如图3b所示，从显示结果来看：蓄能器A1发生故障的后验概率最大，达到了93.4%，电液换向阀发生故障的后验概率为7.62%，其他液压元件后验故障概率很小。从经验上判断，蓄能器A1未充压或充压过低，导致了P4和P8处压力较低，符合实际情况。

对于证据信息3），8个传感器证据信息以及所有故障原因节点的后验概率计算结果如图3c所示，可以看出：梭阀SV1发生故障的概率为47%，减压阀RV2发生故障的概率为50.9%，可能是梭阀SV1换向故障，导致P8处压力过低，也有可能是减压阀RV2调压过低导致P8处压力过低，两者发生故障的概率近似，无法确定故障发生的准确部位，需要新的证据信息的加入，或立刻更换发生故障概率最大的减压阀RV2，再进行监测，若非正常状态为排除，再依据显示的故障发生概率结果进行检查维修。此结果表明，试验基本符合实际情况，较为准确。

从以上3种证据信息试验的分析来看，深水防喷器关闭模块诊断贝叶斯网络诊断结果较为准确，基本符合实际情况。

4　结论

1）按照深水防喷器组的功能、动作对控制系统进行模块化，对每一个功能模块独立进行诊断，采用贝叶斯网络建立故障诊断模型进行故障诊断分析的方法是可行的。

2）依据假设故障征兆信息对建立的故障诊断模型进行试验模拟，结果较为准确地反应了故障模式，验证了将贝叶斯网络的方法应用于深水防喷器组液压控制系统故障诊断系统的可行性。

3）对深水防喷器系统的故障诊断研究可以对系统故障进行定位，快速准确地指出故障原因，减少工作人员维修的盲目性，节约维修时间。

图3　防喷器关闭诊断贝叶斯网络试验结果

［1］杨进，曹式敬.深水石油钻井技术现状及发展趋势［J］.石油钻采工艺，2008（2）：10-13.

［2］窦玉玲，管志川.徐云龙.海上钻井发展综述与展望［J］.海洋石油，2006（2）：64-67.

［3］李博，张作龙.深水防喷器组控制系统的发展［J］.流体传动与控制，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

国家高技术研究发展计划（863计划）资助项目“深水防喷器组及控制系统国产化研制”（2013AA09A220）；国家

科技重大专项“深水钻井防喷器及控制系统研制”（2011ZX05027-001-05）

刘立兵（1982-），男，河北河间人，工程师，主要从事深水防喷器控制系统研究，E-mail：liulibing51＠163.com。