王德亮

(川慶鉆探工程有限公司 長慶鉆井總公司，西安 710021)

基于D-S證據理論的石油鉆機安全信息融合模型研究

王德亮

(川慶鉆探工程有限公司 長慶鉆井總公司，西安 710021)

為提高石油鉆機安全監(jiān)控系統(tǒng)的可靠性和準確性，提出了一種基于D-S證據理論的鉆機安全信息融合模型。首先對石油鉆機的多種運行狀態(tài)進行模型化和數字化處理，并建立多源信息融合模型。其次根據融合信息結果和專家決策規(guī)則，利用D-S證據理論信息融合算法對鉆機設備的安全狀態(tài)進行實時判斷。最后通過實際油井數據建立仿真算例，驗證了該信息融合模型的可行性和有效性。

石油鉆機；安全監(jiān)控；信息融合；證據理論

隨著社會經濟的快速發(fā)展，石油供給量不斷增大，安全、可靠、高效的勘探開發(fā)石油顯得尤為重要[1]。而對于石油勘探過程中的石油鉆機而言，具有極為復雜的作業(yè)程序，且現(xiàn)場作業(yè)環(huán)境十分惡劣，存在一定的設備故障率以及安全隱患，為保證石油鉆機的安全穩(wěn)定運行，有必要對石油鉆機的工作狀態(tài)實時監(jiān)控。傳統(tǒng)的石油鉆機監(jiān)控系統(tǒng)具有較低的自動化程度以及較差的鉆機參數傳輸性能，具有一定的局限性[2-3]。隨著計算機網絡技術的發(fā)展，數字化的石油鉆機安全監(jiān)控系統(tǒng)逐漸被提出，有效提高了監(jiān)控系統(tǒng)中的數據采集和傳輸效率[4-5]，同時為提高石油鉆機安全監(jiān)測系統(tǒng)的精度，一般使用多種傳感器進行狀態(tài)信息的采集，對采集來的多種類型信息需要進行綜合的處理，數據的精確融合是安全監(jiān)測系統(tǒng)的重要環(huán)節(jié)，對石油鉆機的安全狀態(tài)信息融合精度提出了更大的挑戰(zhàn)[6-7]。

針對上述問題，本文提出了一種基于基于D-S證據理論的石油鉆機安全信息融合模型，D-S證據理論是采用“區(qū)間估計”的方法來描述不確定的信息，能夠很大程度上減小不確定的信息對融合結果產生的不利影響[8]，非常適合于石油鉆機安全信息融合。首先處理石油鉆機的多種運行狀態(tài)并構建多源信息融合模型，其次利用D-S證據理論信息融合算法來判斷石油鉆機設備的安全狀態(tài)，最后通過實際算例驗證了所提模型的可行性和有效性。

1 石油鉆機信息融合模型

石油鉆機由多種設備共同組成，主要的區(qū)域分布有絞車區(qū)域、鉆井泵區(qū)域、轉盤區(qū)域、電控設備以及井口設備。為了對每個區(qū)域的設備信息進行準確的分析，可采用多源信息融合算法，而在構建多源信息融合模型之前，需要采集石油鉆機各設備的多類型運行狀態(tài)，并對這些不同的狀態(tài)信息進行模型化以及數字化分析和處理，進而找出不同傳感器采集數據信息所反映的安全狀態(tài)之間的關聯(lián)關系，為數據融合模型提供一定的基礎。

石油鉆機信息融合模型的本質是將多元信息按照由低到高的不同層次進行抽象化處理。采用D-S證據理論來構建信息融合模型時，其先驗條件的概率是未知的，假設集合在證據不斷積累的基礎上逐漸縮小，最終提煉多源信息的一致性并排除存在矛盾的信息，從而能夠很好地處理不確定性的問題。文中的石油鉆機信息融合模型如圖1所示。

來自石油鉆機不同傳感器的數據信息在經過預處理之后，送至D-S證據理論進行處理，再根據數據庫的專家決策規(guī)則進行實時的判斷，從而確定石油鉆機設備的安全狀態(tài)。

圖1 石油鉆機信息融合模型

2 石油鉆機安全融合算法

在石油鉆機安全融合模型中，當融合算法采用D-S證據理論時，對應的石油鉆信息融合的算法流程如圖2所示。

1) 安全監(jiān)控信息來源。

根據石油鉆機信息融合模型中提及的安全監(jiān)測區(qū)域，分別確定各區(qū)域的信息來源。絞車區(qū)域的信息來源為絞車的大鉤高度和快繩拉力，分別記為m1和m2；鉆井泵區(qū)域的信息來源選為泵沖、泵壓以及對應的出口流量，分別記為m3、m4和m5；轉盤區(qū)域的信息來源選為轉盤轉速、振動以及轉矩信號，分別記為m6、m7和m8；電控設備的信息來源選為軸承和繞組溫度，分別記為m9和m10；井口設備的信息來源選為機械潤滑油油壓油溫、工作鉗油壓以及安全鉗油壓，分別記為m11、m12、m13和m14。

圖2 石油鉆機信息融合流程

2) 安全狀態(tài)辨識框。

確立完石油鉆機的安全信息來源之后，需要建立安全監(jiān)控的識別集合，該集合表示的是信息安全狀態(tài)的的分類，記為Θ={危險，臨界，安全}，且分別用A1、A2和A3表示。

3) 傳感器信息數據采集。

多種不同類型的傳感器在石油鉆機設備的多區(qū)域進行不同類型的數據采集。

4) 構造證據體。

信息融合中的證據體表示的是事件Ai在證據mk下所發(fā)生的程度，并將Ai的基本支持度記為mk(Ai)，表示的含義是Ai發(fā)生的概率取值。以鉆井泵區(qū)的泵壓為例來進行說明，對應的證據體為m4(Ai)=[m4(A1)，m4(A2)，m4(A3)]，其中m4(A1)是指泵壓支持事件“A1=危險”的概率取值，m4(A2)是指泵壓支持事件“A2=臨界”的概率取值，m4(A3)是指泵壓支持事件“A3=安全”的概率取值，并且滿足下式：

m4(A1)+m4(A2)+m4(A3)=1

(1)

同樣的，另外的其他區(qū)域信息的證據體均滿足概率值之和為1的條件，即：

Θ={A1,A2,A3}

(2)

(3)

對于不同安全信息的基本支持度mk(Ai)是采用數據統(tǒng)計的方法所求出的，具體的實施過程是基于滑動窗口方法對樣本數據進行任意的采集，設樣本的長度為T，則將該時間段內的所有采集的監(jiān)控數據作為樣本。

5) 融合證據體基本支持度。

首先需要對基本支持度的常數進行歸一化計算，以確定不同證據體之間是否具有沖突。歸一化常數定義為K，其計算式為

(4)

對K的取值大小進行判斷，若K的取值為0，則表示的是mk是互相矛盾的，則此規(guī)則不能融合證據體概率值。若K的取值大于0，則繼續(xù)進行融合，融合計算表達式為

(5)

式中：φ是空命題。

對于證據體較多的場景，采用的是兩兩分別融合方法，可計算出最終安全狀態(tài)Ai的支持度取值。

6) 融合結果判斷。

經過上述證據體基本支持度融合方法，可以求出融合之后的最終的支持度，記為：

M(Ai)=[M(A1),M(A2),M(A3)]

(6)

根據融合結果即可判斷監(jiān)測區(qū)域的安全程度，融合結果的判定標準為：

Mmax(Ap)>ε1

(7)

Mmax(Ap)-Mmax2(Aq)>ε2

(8)

式中：Mmax(Ap)是最終支持度M(Ai)的最大取值；Mmax2(Aq)是最終支持度M(Ai)的第二大取值；ε1的取值0.45～0.75；ε2的取值0.15～0.25。

3 算例分析

以某石油區(qū)域的鉆機轉盤信息為例進行分析驗證。轉盤轉速的基本支持度分別記為m6(A1)、m6(A2)和m6(A3)，轉盤振動的基本支持度分別記為m7(A1)、m7(A2)和m7(A3)，轉盤轉矩的基本支持度分別記為m8(A1)、m8(A2)和m8(A3)，這三類支持度表示的含義分別是轉盤轉速、振動和轉矩分別處于危險、臨界和安全的狀態(tài)?，F(xiàn)場實測了6組基本支持度參數，分別為：

第1組：m6(A1)=0.48，m6(A2)=0.45，m6(A3)=0.07；m7(A1)=0.57，m7(A2)=0.32，m7(A3)=0.2；m8(A1)=0.61，m8(A2)=0.23，m8(A3)=0.16。

第2組：m6(A1)=0.51，m6(A2)=0.46，m6(A3)=0.03；m7(A1)=0.54，m7(A2)=0.42，m7(A3)=0.04；m8(A1)=0.57，m8(A2)=0.37，m8(A3)=0.06。

第3組：m6(A1)=0.55，m6(A2)=0.37，m6(A3)=0.08；m7(A1)=0.57，m7(A2)=0.29，m7(A3)=0.14；m8(A1)=0.49，m8(A2)=0.37，m8(A3)=0.14。

第4組：m6(A1)=0.47，m6(A2)=0.05，m6(A3)=0.48；m7(A1)=0.46，m7(A2)=0.11，m7(A3)=0.43；m8(A1)=0.43，m8(A2)=0.05，m8(A3)=0.52。

第5組：m6(A1)=0.68，m6(A2)=0.29，m6(A3)=0.03；m7(A1)=0.63，m7(A2)=0.25，m7(A3)=0.12；m8(A1)=0.59，m8(A2)=0.34，m8(A3)=0.07。

第6組：m6(A1)=0.52，m6(A2)=0.34，m6(A3)=0.14；m7(A1)=0.45，m7(A2)=0.43，m7(A3)=0.12；m8(A1)=0.48，m8(A2)=0.41，m8(A3)=0.11。

根據式(4)和式(5)，對石油鉆機轉盤的安全信息進行融合，融合后的結果分別為：

第1組：K=0.206 4，M(A1)=0.85，M(A2)=0.15，M(A3)=0；

第2組：K=0.225 9，M(A1)=0.67，M(A2)=0.33，M(A3)=0；

第3組：K=0.199 1，M(A1)=0.79，M(A2)=0.21，M(A3)=0.01；

第4組：K=0.198 7，M(A1)=0.46，M(A2)=0，M(A3)=0.54；

第5組：K=0.272 4，M(A1)=0.91，M(A2)=0.09，M(A3)=0；

第6組：K=0.171 0，M(A1)=0.64，M(A2)=0.34，M(A3)=0.01。

石油鉆機轉盤振動信息數據融合之前和融合之后的對比結果如表1和圖3所示，可以看出，采樣的數據經過融合之后，其危險程度的支持度有所增大，能夠有效反應石油鉆機的安全狀態(tài)信息。

表1 石油鉆機轉盤信息融合結果

圖3 石油鉆機轉盤信息融合結果

4 結論

文中提出了一種基于D-S證據理論的鉆機安全信息融合模型。對石油鉆機的多種安全運行狀態(tài)進行分析和處理，建立多源信息融合模型，利用D-S證據理論信息融合算法，設計了數據信息融合的步驟流程，完成鉆機設備的安全狀態(tài)判斷。根據實際油井數據對所建立的信息融合模型進行了仿真驗證，結果表明，所建立的信息融合模型能夠有效反應石油鉆機的安全運行狀態(tài)。

[1] 樊俊，楊軍，瞿輝.節(jié)能減排背景下我國化石能源勘探開發(fā)利用的科技應對策略[J].中國礦業(yè)，2015(5)：58-64.

[2] 譚慧敏.石油鉆機系統(tǒng)檢測存在的問題與對策研究[J].石油和化工設備，2015(4)：68-70.

[3] 劉立兵.深水防噴器狀態(tài)監(jiān)控系統(tǒng)研究進展[J].石油礦場機械，2016，45(7)：96-99.

[4] 李傳偉，常關羽，于振興.基于無線傳感器網絡的石油鉆機設備遠程監(jiān)控系統(tǒng)的設計與實現(xiàn)[J].西北工業(yè)大學學報，2013，31(2)：159-165.

[5] 石林，汪海閣，紀國棟.中石油鉆井工程技術現(xiàn)狀、挑戰(zhàn)及發(fā)展趨勢[J].天然氣工業(yè)，2013，33(10)：1-10.

[6] 吳遠方.基于RS-SVM數據融合的全液壓鉆機智能故障診斷研究[D].成都：成都理工大學，2016.

[7] 易高翔，潘長城，郭建中，等.基于多源數據融合的石油罐區(qū)安全監(jiān)控模型[J].中國安全生產科學技術，2014，10(3)：90-94.

[8] 胡嘉驥.基于D-S證據理論的數據融合算法的研究[D].南京：東南大學，2016.

Research on Safety Information Fusion Model of Oil Rig Based on D-S Evidence Theory

WANG Deliang

(Changqing Drilling Company，CCDC，Xian 710021，China)

In order to improve the reliability and accuracy of the oil rig safety monitoring system，a safety information fusion model of drilling rig based on D-S evidence theory is proposed.Firstly，the operation state of the oil rig is modeled and mathematically processed，and a multi-source information fusion model is established.Secondly，according to the result of fusion information and expert decision rule，the D-S evidence theory information fusion algorithm is used to judge the safety status of drilling rig equipment in real time.Finally，the simulation model is established by the actual mine data，and the feasibility and validity of the information fusion model are verified.

oil rig；security monitoring；information fusion；evidence theory

1001-3482(2017)04-0074-04

2017-01-21

王德亮 (1979-)，男，青?；ブ?，工程師，主要從事鉆井設備的技術管理工作。

TE928

A

10.3969/j.issn.1001-3482.2017.04.018