基于模糊神经网络PID控制在机械手自动排管系统中的应用.docx

基于模糊神经网络PID控制在机械手自动排管系统中的应用基于模糊神经网络PID控制在机械手自动排管系统中的应用韩红敏导语：为了减轻钻井工人的劳动强度，进步起下钻的作业效率和平安性，研制了钻台机械手自动化控制系统。本文根据钻台自动排管系统存在的非线性特性和保证排放运动速度的平稳性。0前言：近年来，国内石油钻井装备整体技术程度有了很大进步，但在钻井管柱自动化操纵装置方面落后国际程度甚远，如从地面到钻台的管柱输送装置和钻台机械手等井口装置技术的缺乏，影响了国内钻机的自动化进程。目前，石油钻井现场起下钻作业时钻杆的排放以人工操纵为主。钻井工人付出的劳动强度非常大，起下钻速度慢、效率低并且带来很多不平安因素。随着对油气资源的需求,各国已将留意力逐渐转向深海。随着作业水深的增加,钻井所需的钻杆数目相应增加,钻井作业时间和作业费用随之也相应增加。传统钻杆操纵方法现已无法解决所遇问题,唯采用机械化、自动化钻杆操纵系统。目前,钻杆自动排放系统。已在深海钻机中得到广泛应用，在改良钻井作业的平安性和经济性等方面获得了宏大成功。在钻井经过中，需要将钻杆从平台甲板传送到二层平台上，并不断地将单根钻杆接成立根并将立根接到钻柱上，使钻进经过持续进展。为了更换钻头和在钻柱底部安装测试或者其他设备，需频繁地将钻柱从井眼中提出来，安装完新钻头或其他设备后，需要将钻杆下放到井眼中。上述经过中伴随着频繁的钻杆排放操纵，这是一个重复性高并且劳动强度大的经过。在20世纪40年代，人们就开场探究起下钻操纵的机械化方法，于是产生了钻杆自动排放系统。目前，该系统已在深水及超深水海洋钻机中得到广泛应用，在改良钻井作业的平安性和经济性等方面获得了宏大成功。在起下钻经过中需要将钻杆从井口移送到钻杆排放架或者从排放架移送到井口，即钻杆的排放操纵。此操纵的特点具有危险性，是一个重复性高且劳动强度大的经过，需花费大量时间，并需多人合作共同完成。因在海上钻井作业中常遇风浪，工作环境恶劣，平安情况更为突出。同时，海上钻井本钱很高。因此，加快钻井速度，缩短钻井周期显得尤为重要。1机械手自动排管系统介绍海洋平台机械手实际系统存在严重的非线性，对系统的参数变化比拟敏感，难以做到准确定位；另外由于机械精度方面的原因还存在和一定的死区，使得控制精度降低，存在超调。模糊神经网络PID控制器，采用动态递归神经网络(即ELman网络)对系统的模型进展辨识，将模糊控制与神经网络相结合，通过神经网络来实现模糊逻辑，同时利用了神经网络的自学习才能，可动态调整隶属度函数、在线优化控制规那么，并利用模糊神经网络在线调整PID控制参数,使控制器既能具有模糊神经网络的自学习才能，又能充分利用PID的控制上风。机械手自动排管控制系统主要分为；逻辑控制局部和闭环控制局部。其工作经过分为钻杆甲板操纵、钻杆传送操纵、钻杆上下钻台操纵、钻杆钻台排放操纵和钻杆单根接立根操纵五个局部。其主要工作原理为由上位机输入位置信号给电液伺服系统，然后通过电液伺服系统控制机械手的位置定位、抓取、下方并由传感器实时传输机械手位置信号。其机械手自动排管控制闭环控制局部工作原理图如图1所示。图1机械手自动排管控制系统闭环控制原理图2模糊神经网络PID控制2.1模糊神经网络的构造该模糊神经网络为4层，如图2所示。第l层为输入层；第2层为模糊化层；第3层为模糊推理层；第4层为输出层。模糊神经网络构造为2663。图2模糊RBF神经网络的构造 (l)输入层。该层将输入误差e和系统实际输出y(k)作为下一层的输入。活化函数为：因此本层的输出为e和y(k) (2)模糊化层。活化函数即为该隶属度函数。因此，输出为：其中，i=l，2;j=l，2，.6。cij和bij分别为高斯函数第i个输入变量的第j个模糊集合的隶属函数的均差和标准差。3模糊推理层。将上层中的模糊量经过两两相乘，得到这一层的输出值。因此，本层的活化函数，即输出为：其中，i=l，2;j=l，2，.6。cij和bij分别为高斯函数第i个输入变量的第j个模糊集合的隶属函数的均差和标准差。3模糊推理层。将上层中的模糊量经过两两相乘，得到这一层的输出值。因此，本层的活化函数，即输出为：这里k=l，2，3，4，5，6。 (4)输出层。这一层要输出的就是PID控制器的参数，本层的输出值就是将权值以矩阵乘的方式，乘以第3层的输出。因此，本层的输出为：增量式PID控制的控制量为目的函数为：其中r(k)为期望输出。