1、【132】第45卷 第08期 2023-08收稿日期：2021-10-30基金项目：天水市科技重大专项计划（2022-GXJSK-4842）作者简介：石建龙（1973-），男，甘肃宁县人，高级工程师，学士，主要从事石油钻机电控系统研发工作。通讯作者：魏立鑫（1994-），男，甘肃景泰人，工程师，硕士，主要从事智能算法研究及大数据分析工作。多重自适应PID控制的负荷自动送钻策略Load automatic drilling strategy based on multi-adaptive PID control石建龙1，魏立鑫2*SHI Jian-long1，WEI Li-xin2*（1.天水天
2、传电气工程有限责任公司，天水 741020；2.天水电气传动研究所集团有限公司西安分公司，西安 710016)摘 要：针对钻机在自动送钻过程中难以克服粘滑振动的现象、钻杆与井壁摩擦力不均匀引起载荷不均衡导致控制精度下降的问题，提出一种多重自适应PID控制的负荷自动送钻策略（Load Automatic Drilling Strategy Based on Multi-adaptive PID control,MA-PID）。通过变频调速和电机扭矩调节建立耦合模型，设计闭环控制系统，并且利用MATLAB/Simulink仿真软件根据规则仿真传递函数，对传递函数进行模拟退火算法得到全局最优解，实现
3、PID参数的自整定，最后将PLC控制技术用于PROFIBUS总线和HMI人机界面实现钻速恒定及控制绞车达到钻压恒定的智能化控制目标。实验结果表明，与传统PID控制算法比较，系统自适应能力、抗干扰能力增强，同时调整时间变短，兼具更好的鲁棒性。关键词：自动送钻系统；自适应PID；模拟退火算法；PLC中图分类号：TP18 文献标志码：A 文章编号：1009-0134(2023)08-0132-040 引言石油钻机通常由提升系统、旋转系统、循环系统、动力设备、传动系统、控制系统、井架和底座、辅助设备构成。钻机自动化技术主要是由控制器控制送钻装置以达到钻头压力恒定、速度恒定钻进，可减少人为因素影响，增加
4、钻头钻进速率，减少钻头磨损1,2，事实证明，保持恒压恒速下钻能够提升平均钻速和钻进尺寸。由于钻井过程复杂、钻机数据不能实时更新、钻机输出输入呈现非线性特征，并且常见的PID控制算法依赖于其参数的选取，控制精度好坏很大程度上取决Kp,Ki,Kd的值。在打井过程中钻头、钻杆引起的外部因素不可避免，目前作业中给定的钻压值不能根据地层变化而进行钻压的自我调节，导致钻井效率、钻井成本、钻井速度等参数均不是最优值，也无法获得最优的经济价值，导致PID的参数选取需要根据现场情况不断人为调节，因此PID在很大程度上具有人为主观性，这会导致自动送钻很难达到理想的控制效果35。为了解决上述提出的问题，本文提出了一
5、种多重自适应PID控制的负荷自动送钻策略，不仅从恒钻压、恒速两个方面考量送钻效率，还利用模拟退火算法从给定值中根据梯度下降指标，逐步迭代搜索局部最优Kp,Ki,Kd的值，通过局部最优概率性跳出得到全局最优解，使得PID参数自整定，自适应调整恒钻压、恒钻速的稳定值，除去人为因素参与调解过程，最后将PLC技术应用于Siemens HMI工控机中，结合记录监视系统，实现钻机作业的智能化调节控制。1 自动化钻机控制系统1.1 耦合模型电机的本质是通过定转子两个磁场相互作用实现的电机能量转换，经过坐标变换和绕组折算得到电路和磁场的模型，不同电机结构的电磁耦合模型也不同，本文采用异步电机耦合模型，有助于明
6、确矢量变频控制方式的目的。动态调节电机输出扭矩与变频调速是一个机电耦合模型，包括机械系统、电气系统及矢量控制系统，可将机械结构抽象为如图1的模型，由电机、传动轴、绞车组成。绞车M1J122J1L2L图1 耦合模型抽象机械结构图为了便于分析，只考虑单电机的动力学方程。因此，该模型的动力学方程如式(1)式(3)所示：312()LT=(1)211132ddJLLt=(2)222322ddJLLt=(3)其中，J1,J2分别表示电机和绞车的转动惯量，T表示扭转刚度，分别表示电机和绞车的扭转角度，L1,L2,L3分第45卷 第08期 2023-08【133】别表示电机、绞车、传动轴的负载扭矩。dq坐标系
7、下该装置的电机状态方程如式(4)6：T1111112222 00()()()()dqdssmmqssmmmmrrdmmrrquuABirpLfLpLfLifLrpLfLpLpLfLrpLfLifLpLfLrpLi=+(4)其中，r1，r2分别表示电机定子阻值与转子折算阻值，p表示微分算子，f表示定子频率，Ls，Lr分别表示同轴等效二相定子与转子绕组自感，Lm表示定子与转子绕组间互感，表示电机转子角速度，ud1,uq1,id1,iq1分别表示dq坐标系下定子相电压、相电流，id2,iq2分别表示dq坐标系下转子相电流。dq坐标系与ABC坐标系间相电压、相电流的转化方式为公式(5)：1113/21
8、3/2,00dadaqssbqssbccuUiIuUiIUI=CC (5)为了保证前后转化功率不变，使得矩阵乘以23，变换矩阵满足13/23/2Tssss=CC，因此3/2ssC定子坐标转换矩阵为：3/2111222330322222222ss=C其中，Ua,Ub,Uc分别表示ABC坐标下逆变相电压，Ia,Ib,Ic分别表示ABC坐标下的逆变相电流。电机的电磁转矩方程如公式(6)：11221()mqdqdLLiiiiP=(6)变频器由整流器和逆变器组成，三相交流电经过整流后利用PWM脉冲宽度调节方式转换成特定频率的交流电，因此，根据上述公式及PWM调节方式构成电机-绞车耦合模型，如图2所示。矢
9、量变频控制系统三相电源整流器逆变器异步电机控制器电压反馈速度反馈矢量变频控制系统绞车图2 耦合模型系统图通过三相电源，再经过整流器、逆变器，使电机产生特定频率的电磁扭矩，进而使得电机运转，利用转动轴传递给绞车，并将电压、速度反馈给矢量变频控制器形成闭环控制系统。1.2 模拟退火算法(SA)模拟退火算法(Simulated Annealing,SA)是基于Monte-Carlo迭代随机寻优的一种方法，尽管该算法也是贪心算法的一种，但是由于其搜索过程引入随机因素，因此具备以一定概率跳出局部最优解的能力。简言之，SA算法与一般的组合优化问题类似，其基本思想源于物理退火现象，将固体物质从某一高温出发，
10、随着温度参数的不断下降，结合概率突跳特性在解空间随机寻找目标函数的全局最优解，即局部最优解能概率性跳出最终趋于全局最优解7。假设开始状态为A，随着迭代次数达到局部最优解B，当BA时，将B作为当前状态，采用梯度下降原则，如果B的下一状态能量上升，则会以一定概率跳出继续寻优求解。换句话说，假定当前状态为x(n)，根据梯度下降指标，状态变为x(n+1)，此时能量由原有的E(n)变为E(n+1)，定义系统中突跳接受概率P如式(7)所示：(7)从式(7)可以看出，若E(n+1)E(n)，则肯定跳出操作，否则此算法会以一定概率操作。这种概率首先会随机生成0,1区间的均匀分布数C，若CP，则跳转接受，否则拒
11、接跳转，继续下一步循环。SA算法步骤：1）初始化温度T(充分大)、初始状态解S、最大迭代次数K；2）当k=1,2,.,K重复3）6）；3）产生新的解S*；4）计算增量T=U(S*)-U(S)，其中U(S)为评价函数；5）若T0则将S*作为新解，否则以()expTT概率接受S*作为新解；6）如果满足连续若干个新解都没有突跳时则输出当前解作为最优解，终止程序。7）当T=0时，转向2）。具体流程图如图3所示。1.3 自适应PID自动送钻控制系统在自动送钻系统中，目前主流控制方式仍然是PID，其参数优化情况很大程度影响控制结果的精度。在工业控制中尽管经常采用专家控制法和形式法，但是这两种方式也存在一定
12、弊端，如对初始选取值比较敏感、过早陷入局部最优、人为因素影响较大等815，而且不同的设备所需要的参数都得进行现场验证。针对模拟退火算法对控制参数优化，在采样时间t内，选取足够多的个体，分别计算每个个体的适应度，将适应度大的个体作为控制参数进行输入。【134】第45卷 第08期 2023-08否开始初始化T、Sk=0产生新解S*计算Delta接受新解S=S*终止k=k+1k=KT减少输出解结束否否是图3 模拟退火算法流程图PID是一种线性控制器，根据输入r(t)与输出值y(t)差值构成偏差e(t)，则PID控制式如(8)所示。1d()()()()d0dpdite tu tKe te ttKKt=
13、+(8)自适应PID控制系统（Load Automatic Drilling Strategy Based on Multi-adaptive PID Control,MA-PID）框图如图4所示。其中，r(t)表示初始设定值，y(t)表示实际输出值，e和de/dt分别表示系统误差和系统误差率变化，通过SA算法优化参数Kp,Ki,Kd，通过e和ec整定PID参数以满足不同工况需求。模拟退火算法参数整定de/dtPID控制()r t被控对象()y tecepKiKdKu图4 自适应PID控制系统具体实现步骤为：1）PID参数预设定，Kp,Ki,Kd取值范围为0,70；2）设置初始温度为T=30，
14、随机生成初始解S=rand()*(max-min)+min，最大迭代次数250；3）求解适应度函数U；4）判断T是否满足参数优化需求，并是否产生新解S*；5）重复3）4）直至迭代完成或者收敛。2 实验仿真与分析仿真硬件设备：1）CPU处理器：Intel(R)Core(TM)i7 2.3 GHz。2）RAM内存：16G。3）硬盘：1TB。4）软件平台：MATLAB 2012b/Simulink。实验仿真环境在Windows10专业版中，比较传统PID算法与MA-PID算法的阶跃响应输出与阶跃响应误差结果，在实验中可将闭环控制的传递函数设定如公式(9)：1()(1)()()pdiKF sKsK s
15、G sF s+=(9)其中，F(S)=f(e(t)。钻井过程中，依据钻头尺寸、钻具、地质等条件施加适配的压力，所以根据希望钻压或钻速与实际结果之间的偏差做出一定的决策，为了仿真结果更加接近真实现场工况，拟采用5000m以下的钻机且当前悬重输入为30t(约294kN)，绞车电机约800kW，配备2个制动电阻共1200kW，绞车下放钻具，速度由司钻控制，会产生钻压波动，钻机损耗严重及司钻劳动强度大的问题。为了解决上述问题，当系统实际钻压在给定钻压的0.81.2倍时，反应为实际悬重与给定悬重的差值作为变频器模拟量前馈输入，并通过MA-PID算法对参数进行整定，实现自我调节的功能，当钻进时恒定钻压稳定
16、在10t，实现对电机四象限运动的精确控制。同时，将PLC与变频器组成的总线系统始终实时监控，避免顿钻等情况的发生，具体实现框架图如图5所示。图5 变频器配置对该系统进行实验仿真，采样时间200ms，Kp,Ki,Kd初始值分别为8.9，16.3，66.2，初始值不易过大，否则很容易提前陷入局部最优解，其他初始条件按照2.3算法步骤所设定值作为输入条件。为了使得实验结果更加直观，采用MATLAB 2012b/Simulink实验仿真图进行展示，图6和图7分别展示了MA-PID参数优化曲线及SA算法的最优适应度值。从结果中可以看出，随着迭代次数的增加，Kp,Ki,Kd值最终会趋于稳定值，最优参数值及
17、最优适应度值都在迭代约第45卷 第08期 2023-08【135】150次左右趋近最优解，并且可以看出在前50次迭代中，参数值变化最为剧烈，这是参数不断寻优迭代所导致的结果，尤其Ki值变化最为剧烈，迭代收敛速度也为最快，说明Ki值跳出局部最优解的能力出众，在本系统中，该值对整体系统的影响在前50次迭代已经明确，所以Ki初始值的确定依据其他两个参数而定且不易过大。图6 MA-PID优化曲线图7 SA算法最优适应度值根据图6及仿真结果可得出，Kp最优解4.0446，Ki最优解为0，Kd最优解为19.0903，图7及仿真结果最优适应度值为Ubest_fitness=101.6725。为了进一步观察M
18、A-PID与PID算法的优劣，采用阶跃响应时间与阶跃响应误差作为评判标准，其中rin1表示阶跃响应输出曲线标准参考值。图8 阶跃信号输出曲线图9 阶跃信号误差曲线根据图8和图9可以得出，与传统的PID算法相比，PID的响应时间为1s，MA-PID响应为600ms且误差0.1%，MA-PID响应时间更短，误差较小并能快速收敛，控制精度高。而PID算法需要平稳的时间较长，并且超调量过大，误差较大。相比较而言，MA-PID算法性能比PID算法性能更优且更有效，具有一定的应用价值。为了进一步提高算法的灵活性及通用性，在系统中设计恒速送钻、恒扭矩送钻功能，采用多重自适应PID调节方式增加系统的稳定性、可
19、靠性。恒速功能采用常规磁通矢量控制转速给定信号，而恒扭矩采用有编码器或无编码器反馈的矢量控制，使得整个自动送钻系统具备多重自适应PID调节的功能。3 结语针对石油钻机自动送钻系统设计了自适应PID控制算法，以实时整定参数，以达到精确控制的目的。仿真结果表明，本文设计能都减少传统PID算法的阶跃响应时间，减少超调量，提高控制速度，并使系统参数迅速收敛，达到最佳状态，验证了算法的有效性的、优越性，在实际工控领域中，可将其应用于石油钻机行业自动送钻系统中，验证算法的应用性。因此，该算法在钻机作业领域有着广泛的应用前景。参考文献：1 丛成.石油钻井机械钻速扭矩自动控制方法研究J.自动化与仪器仪表,20
20、20,246(4):91-94.2 陈勇刚,席志鹏,李昊,等.石油钻机自动送钻控制系统研究J.科技视界,2016,171(12):150.3 Lin L I.Adaptive PID control strategy for the drilling-rig rotary systemJ.Acta Petrolei Sinica,2011.4 刘德智,蒋洪波,李前佑.石油钻机提升系统分析与应用J.设备管理与维修,2019,456(18):111-112.5 张伟,孟祥卿.自动化控制技术在石油钻机上的应用分析J.数字化用户,2018,024(23):90.6 马加胜,马文忠.现代交流变频调速系统
21、M.山东:中国石油大学出版社,2013.【下转第163页】第45卷 第08期 2023-08【163】10-07.http:/ Roh H T,Lee J W.Residential Demand Response Sched-uling With Multiclass Appliances in the Smart GridJ.IEEE Transactions on Smart Grid,2016,7(1):94-104.8 罗琴,宋依群.售电市场环境下计及可中断负荷的营销策略J.电力系统自动化,2015,39(17):134-139.9 邹鹏,李春晖,郭静,等.考虑可中断负荷的配售电公司
22、最优购售电策略J.南方电网技术,2017,11(2):71-77.10王蓓蓓,李义荣,李扬,等.考虑响应不确定性的可中断负荷参与系统备用配置的协调优化J.电力自动化设备,2015,35(11):82-89.11王林炎,张粒子,张凡,等.售电公司购售电业务决策与风险评估J.电力系统自动化,2018,42(1):47-54,143.12Ghofrani M,Azimi R,Najafabadi F M,et al.A new day-ahead hourly electricity price forecasting frameworkC/2017:1-6.13罗运虎,薛禹胜,Gerard LED
23、 WICH,等.低电价与高赔偿2种可中断负荷的协调J.电力系统自动化,2007(11):17-21.14丁伟,袁家海,胡兆光.基于用户价格响应和满意度的峰谷分时电价决策模型J.电力系统自动化,2005(20):14-18.15Yu Qin,Zha xiaobing.Research Progress of Wind Power Grid Risk Benefit Based on VaRJ.Sustainable Develop-ment,2018,8(2):94-103.16Karandikar R G,Khaparde S A,Kulkarni S V.Strategic evaluati
24、on of bilateral contract for electricity retailer in restructured power marketJ.International Journal of Electrical Power&Energy Systems,2010,32(5):457-463.17Minjalili S.Lewis A.The whale optimization algorithmJ.Advances in engineering software,2016.95:51-67.18李玲玲,王鑫,郎永波,等.基于改进鲸鱼算法的微网复合储能系统容量优化配置J.电
25、测与仪表,2019,56(16):104-110.19朱兆霞,邹斌.PJM日前市场电价的统计分析J.电力系统自动化,2006(23):53-57.20PJM.2012 Day-ahead DEMANDLEB/OL.http:/ 代西超,南建国,黄雷,等.基于改进遗传模拟退火算法的测试优化选择J.空军工程大学学报自然科学版,2016,17(2):70-75.8 刘光星,贺刚,张毅.模糊PID控制在电机调速系统中的应用J.电子测试,2019,407(2):23-25.9 Shi F,Sha L,Lin L,et al.Adaptive PID control of rotary drilling
26、system with stick slip oscillationC.2010 2nd International Conference on Signal Processing System,July 2010,1129-1132.10Balochian S.Fractional PID controller for a high performance drilling machineJ.Advances in Mechanical Engineering&Its Applications,2012,2(4):343-351.11Hehl F.Learning from the past
27、-evaluating forecasts for canadian oil sands production with dataJ.Department of Physics&Astronomy,2013,23(22):1162-1167.12尹洪桥,易文俊,李璀璀,等.基于速度环模糊参数自适应PID算法的弹载无刷直流电机控制系统研究J.兵工学报,2020,41(S1):32-40.13顾祖成,耿小江,王永娟,等.模糊自适应PID控制在无刷直流电机调速系统中的应用J.机械设计与制造工程,2020,49(1):39-41.14Chiou J S,Tsai S H,Liu M T.A PSO-based adaptive fuzzy PID-controllersJ.Simulation Modelling Practice&Theory,2012,26(3):49-59.15王旭明,郭业才,于小兵.基于组合差分进化算法的PID参数整定优化J.组合机床与自动化加工技术,2015,11:79-82.【上接第135页】
