CN114499317A - 应用于主动绞车升沉补偿的预测控制方法及系统 - Google Patents

应用于主动绞车升沉补偿的预测控制方法及系统 Download PDF

Info

Publication number
CN114499317A
CN114499317A CN202210024501.8A CN202210024501A CN114499317A CN 114499317 A CN114499317 A CN 114499317A CN 202210024501 A CN202210024501 A CN 202210024501A CN 114499317 A CN114499317 A CN 114499317A
Authority
CN
China
Prior art keywords
heave
frequency
motor
prediction
platform
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210024501.8A
Other languages
English (en)
Inventor
朱季童
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inspur Cloud Information Technology Co Ltd
Original Assignee
Inspur Cloud Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Inspur Cloud Information Technology Co Ltd filed Critical Inspur Cloud Information Technology Co Ltd
Priority to CN202210024501.8A priority Critical patent/CN114499317A/zh
Publication of CN114499317A publication Critical patent/CN114499317A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H02P21/18—Estimation of position or speed
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H02P21/20—Estimation of torque
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/22—Current control, e.g. using a current control loop
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
    • H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P27/00—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage
    • H02P27/04—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage
    • H02P27/06—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters
    • H02P27/08—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters with pulse width modulation
    • H02P27/12—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters with pulse width modulation pulsing by guiding the flux vector, current vector or voltage vector on a circle or a closed curve, e.g. for direct torque control

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了应用于主动绞车升沉补偿的预测控制方法及系统，属于升沉补偿控制技术领域，要解决的技术问题为如何对升沉补偿系统的滞后性进行校正。包括如下步骤：内环速度控制器通过矢量变频控制系统闭环控制电机转速；配置外环位移控制器的预测模型，用于以电机频率为输入、预测输出大钩位移；构建并训练外环位移控制器的平台升沉预测模型，用于以平台升沉运动数据为输入、预测并输出平台升沉位移预测值；以平台升沉运动数据为参考输入，以预测模型的输出的大钩位移为参考轨迹，将大钩位移和平台升沉位移相比较，通过求解QP问题获得电机频率的局部最优控制策略；基于电机频率计算值，内环速度控制器通过矢量变频控制系统闭环控制电机转速。

Description

应用于主动绞车升沉补偿的预测控制方法及系统
技术领域
本发明涉及升沉补偿控制技术领域，具体地说是应用于主动绞车升沉补偿的预测控制方法及系统。
背景技术
石油作为“工业的血液”是我国持续发展必不可少的资源，海洋油气资源储量丰富，所以对我国来说加快研制和发展海上石油钻采设备变得尤为重要。
在较深的海域进行钻井作业，只能使用浮式钻井平台，平台在海流的冲击下发生升沉等不同形式的运动，影响海洋钻井作业正常进行。因此，在海洋钻井过程中需要对平台运动进行升沉补偿，以保证隔水管系统的稳定和钻柱的持续钻进，从而使浮式钻井平台能够正常工作并改善其工作效率
应用于海洋钻井平台的升沉补偿装置类型众多，近些年兴起的绞车升沉补偿技术，与已有的多种升沉补偿装置相比较，具有快速响应、设备重心低且重量小、控制效果好、结构紧凑所占空间小，补偿行程大的特点，因其优点被广泛的应用于深海采矿、船舶起重机、水下拖曳装置和深海石油开发等领域。
电驱动海洋钻井补偿绞车控制系统存在大惯性滞后和纯滞后，是非线性时变系统，单纯采用传统的闭环PID控制很难保证良好的全局性能，尤其是当控制器效果的需求不仅是调节而是向优化发展时，非动态的简单反馈控制难以满足要求，并且钻井补偿绞车还存在着补偿功率大、送钻运动和补偿运动存在耦合的问题。
基于上述分析，如何对升沉补偿系统的滞后性进行校正，是需要解决的技术问题。
发明内容
本发明的技术任务是针对以上不足，提供应用于主动绞车升沉补偿的预测控制方法及系统，来解决如何对升沉补偿系统的滞后性进行校正的技术问题。
本发明的应用于主动绞车升沉补偿的预测控制方法，基于外环位移控制器和内环速度控制器进行双层控制，所述方法包括如下步骤：
以三相异步电动机动态数学模型为基础，构建矢量变频控制系统，内环速度控制器通过矢量变频控制系统闭环控制电机转速；
配置外环位移控制器的预测模型，所述预测模型用于以电机频率为输入、预测输出大钩位移；
构建并训练外环位移控制器的平台升沉预测模型，所述平台升沉预测模型用于以平台升沉运动数据为输入、预测并输出平台升沉位移预测值；
以平台升沉运动数据为参考输入，以预测模型的输出的大钩位移为参考轨迹，将大钩位移和平台升沉位移相比较，通过求解QP问题获得电机频率的局部最优控制策略，并输出电机频率计算值；
基于所述电机频率计算值，内环速度控制器通过矢量变频控制系统闭环控制电机转速。
作为优选，所述矢量变频控制系统的输入量为电机的参考转速nref和转子磁链ψr，所述参考转速nref采用双闭环控制，外环为转速PI调节器，内环为定子电流转速分量PI调节器；转子磁链ψr外环采用开环控制，其产生的定子电流励磁分量由一个PI调节器实现闭环控制。
作为优选，在变频器性能理想的情况下，对于矢量变频控制系统，电机电磁转矩和转速的关系式如下：
Figure BDA0003463766150000021
式中，Tn为变频器输入频率,K为压频转换系数，nn为电机实际转速，np为电机极对数，R’r为转子每相电阻。
作为优选，外环位移控制器只是通过电机频率控制大钩运动，所述预测模型为钻机起升系统模型，为非线性系统，所述非线性系统的离散状态空间表达形式描述为：
Figure BDA0003463766150000031
所述非线性系统在工作点处线性化，得到线性系统的线性状态空间表达式如下：
Figure BDA0003463766150000032
其中，A为3×3的矩阵，B为3×1的矩阵；
当前时刻系统状态量为
Figure BDA0003463766150000033
当前时刻系统控制量为变频器设定频率f；
所述预测模型输出为大钩位移xg。
作为优选，基于P-M谱建立海浪谱描述形式，表示为：
Figure BDA0003463766150000034
式中，a＝0.0081，g为重力加速度，B参数由风速和海况等级决定；
基于线性叠加原理，得到海浪运动的表达式如下：
Figure BDA0003463766150000035
Figure BDA0003463766150000036
式中，ai为第i个组成谐波的幅值，
Figure BDA0003463766150000037
为(0,2π)之间的随机值，表示随机的初始相位
将区间等分成M段，每一段的增量为Δωi＝ωi-ωi-1，将区间内的M个线性波叠加起来得到模拟的海浪运动波形；
基于上述方法建立平台升沉运动预测模型，所述平台升沉运动预测模型通过如下方法预测平台升沉运动。
作为优选，所述平台升沉运动预测模型通过如下方法进行预测：
通过小波分解算法对获取的海洋钻机升沉运动数据进行处理，得到海洋钻机升沉运动数据在一定分解尺度下的低频序列和高频序列；
构建并训练各序列LSTM预测模型，通过所述各序列LSTM预测模型对分解得到的各序列数据进行特征学习；
对于各序列的LSTM预测模型输出的预测结果，通过小波重构算法进行合并，得到平台升沉运动的预测结果。
作为优选，通过Mallat算法对获取的海洋钻机升沉运动数据进行处理；
对于各序列的LSTM预测模型输出的预测结果，通过Mallat算法进行合并，得到平台升沉运动的预测结果。
第二方面，本发明的应用于主动绞车升沉补偿的预测控制系统，通过如第一方面任一项所述的应用于主动绞车升沉补偿的预测控制进行双层控制，所述系统包括：
内环速度控制器，所述内环速度控制器内以三相异步电动机动态数学模型为基础、构建有矢量变频控制系统；
外环位移控制器，所述外环位移控制器内配置有预测模型和平台升沉预测模型，所述预测模型用于以电机频率为输入、预测输出大钩位移，所述平台升沉预测模型用于以平台升沉运动数据为输入、预测并输出平台升沉位移预测值；
所述外环位移控制器用于以平台升沉运动数据为参考输入，以预测模型的输出的大钩位移为参考轨迹，将大钩位移和平台升沉位移相比较，通过求解QP问题获得电机频率的局部最优控制策略，并输出电机频率计算值；
所述内环速度控制器用于基于所述电机频率计算值，通过矢量变频控制系统闭环控制电机转速。
作为优选，所述矢量变频控制系统的输入量为电机的参考转速nref和转子磁链ψr，所述参考转速nref采用双闭环控制，外环为转速PI调节器，内环为定子电流转速分量PI调节器；转子磁链ψr外环采用开环控制，其产生的定子电流励磁分量由一个PI调节器实现闭环控制；
在变频器性能理想的情况下，对于矢量变频控制系统，电机电磁转矩和转速的关系式如下：
Figure BDA0003463766150000051
式中，Tn为变频器输入频率,K为压频转换系数，nn为电机实际转速，np为电机极对数，R’r为转子每相电阻。
作为优选，外环位移控制器只是通过电机频率控制大钩运动，所述预测模型为钻机起升系统模型，为非线性系统，所述非线性系统的离散状态空间表达形式描述为：
Figure BDA0003463766150000052
所述非线性系统在工作点处线性化，得到线性系统的线性状态空间表达式如下：
Figure BDA0003463766150000053
其中，A为3×3的矩阵，B为3×1的矩阵；
当前时刻系统状态量为
Figure BDA0003463766150000061
当前时刻系统控制量为变频器设定频率f；
所述预测模型输出为大钩位移xg；
基于P-M谱建立海浪谱描述形式，表示为：
Figure BDA0003463766150000062
式中，a＝0.0081，g为重力加速度，B参数由风速和海况等级决定；
基于线性叠加原理，得到海浪运动的表达式如下：
Figure BDA0003463766150000063
Figure BDA0003463766150000064
式中，ai为第i个组成谐波的幅值，
Figure BDA0003463766150000065
为(0,2π)之间的随机值，表示随机的初始相位
将区间等分成M段，每一段的增量为Δωi＝ωi-ωi-1，将区间内的M个线性波叠加起来得到模拟的海浪运动波形；
基于上述方法建立平台升沉运动预测模型，所述平台升沉运动预测模型通过如下方法预测平台升沉运动；
所述平台升沉运动预测模型用于通过如下方法进行预测：
通过小波分解算法对获取的海洋钻机升沉运动数据进行处理，得到海洋钻机升沉运动数据在一定分解尺度下的低频序列和高频序列；
构建并训练各序列LSTM预测模型，通过所述各序列LSTM预测模型对分解得到的各序列数据进行特征学习；
对于各序列的LSTM预测模型输出的预测结果，通过小波重构算法进行合并，得到平台升沉运动的预测结果。
本发明的应用于主动绞车升沉补偿的预测控制方法及系统具有以下优点：
1、外环控制器中模型预测控制算法与平台升沉预测算法结合，平台升沉运动预测值作为升沉补偿预测控制系统的输入参考轨迹，利用这部分输入的规律性及预测功能构成前馈控制，有效补偿由平台未来的升沉运动引起的误差；
2、基于模型预测控制的绞车升沉补偿系统具有较好的补偿效果，且随着平台升沉运动幅值的增大，即海况等级的提高，双绞车升沉补偿预测控制系统的补偿率有一定的增加。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
下面结合附图对本发明进一步说明。
图1为实施例1应用于主动绞车升沉补偿的预测控制方法的流程框图；
图2为实施例1应用于主动绞车升沉补偿的预测控制方法中电机驱动系统 理想矢量控制模型；
图3为实施例1应用于主动绞车升沉补偿的预测控制方法中MPC跟踪控 制器工作流程图；
图4为实施例1应用于主动绞车升沉补偿的预测控制方法中LSTM神经元 结构图；
图5为实施例1应用于主动绞车升沉补偿的预测控制方法中小波LSTM模 型平台升沉运动预测结果；
图6为实施例1应用于主动绞车升沉补偿的预测控制方法中绞车升沉补偿 预测控制系统仿真模型；
图7为实施例1应用于主动绞车升沉补偿的预测控制方法中五级海况输入 时的升沉补偿位移曲线；
图8为实施例1应用于主动绞车升沉补偿的预测控制方法中六级海况输入 时的升沉补偿位移曲线；
图9为实施例1应用于主动绞车升沉补偿的预测控制方法中实测数据输入 时的升沉补偿位移曲线；
图10为实施例2应用于主动绞车升沉补偿的预测控制的原理框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互结合。
本发明实施例提供应用于主动绞车升沉补偿的预测控制方法及系统，用于解决如何对升沉补偿系统的滞后性进行校正的技术问题。
实施例1：
本发明应用于主动绞车升沉补偿的预测控制方法，基于外环位移控制器和内环速度控制器进行双层控制，该方法包括如下步骤：
S100、以三相异步电动机动态数学模型为基础，构建矢量变频控制系统，内环速度控制器通过矢量变频控制系统闭环控制电机转速；
S200、配置外环位移控制器的预测模型，预测模型用于以电机频率为输入、预测输出大钩位移；
S300、构建并训练外环位移控制器的平台升沉预测模型，平台升沉预测模型用于以平台升沉运动数据为输入、预测并输出平台升沉位移预测值；
S400、以平台升沉运动数据为参考输入，以预测模型的输出的大钩位移为参考轨迹，将大钩位移和平台升沉位移相比较，通过求解QP问题获得电机频率的局部最优控制策略，并输出电机频率计算值；
S500、基于电机频率计算值，内环速度控制器通过矢量变频控制系统闭环控制电机转速。
本实施例中控制系统内环电机输出转速跟随目标转速的能力主要受矢量控制效果的影响，其内环速度控制器以三相异步电动机动态数学模型为基础，建立矢量变频控制系统。该矢量变频控制系统工作过程中通过传感器得到电机的输入电流和实际转速，转速与转速参考值比较构成闭环控制，对静止的定子三相绕组和旋转的转子三相绕组进行Clark变换得到静止正交坐标系αβ和以角速度ω进行逆时针转动的两相正交坐标系α'β'，再通过两相静止-旋转正交变换把定子绕组和转子绕组都变换到同一个旋转正交坐标系dq，从而将三相电流转换得到电流值isd和isq构成闭环控制，两个电流调节器输出的给定电压经过 2r/2s变换得到给定电压Uα和Uβ，将该电压矢量经SVPWM技术控制逆变器输出三相电压产生圆形旋转磁场，实现对电机的矢量控制。
Clark变换式：
Figure BDA0003463766150000091
两相静止-旋转正交变换：
Figure BDA0003463766150000092
外环位移控制器主要通过计算电机输入频率实现对大钩对平台升沉位移的跟随控制，故在应用MPC算法时为了提高运算速度和确定控制目标，应对电机驱动系统的模型进行适当简化，将简化后的整体模型作为MPC预测模型。在变频器控制性能理想的情况下，对于矢量变频控制系统，可以得到电机电磁转矩和转速的关系式如下：
Figure BDA0003463766150000101
式中，为变频器输入频率,K为压频转换系数，nn为电机实际转速，np为电机极对数，R’r为转子每相电阻。基于上式搭建电机驱动系统的理想矢量控制模型，如图2所示。
由于外环位移控制器只是通过电机频率来控制大钩运动，故预测模型为钻机起升系统模型，该非线性系统的离散状态空间表达形式可以描述为式如下：
Figure BDA0003463766150000102
将该系统在工作点处线性化，得到系统的线性状态空间表达式如下：
Figure BDA0003463766150000103
其中，A为3×3的矩阵，B为3×1的矩阵；
当前时刻系统状态量为
Figure BDA0003463766150000104
当前时刻系统控制量为变频器设定频率f；
预测模型输出为大钩位移xg。
通过系统的线性状态空间表达式可以计算下一时刻的系统状态和输出，将该预测模型作为外环位移控制器的预测模型，通过该预测模型计算给定电机频率下的大钩位移，用于和预测时域内的平台升沉位移相比较，通过求解QP问题获得频率的局部最优控制策略。
然后设置外环位移控制器的采样时间为0.05秒，设置其它参数包括权重矩阵、约束条件、预测时域和控制时域，由于升沉补偿系统的主要目标是补偿平台的升沉位移，所以将系统输出和参考轨迹的偏差作为主要优化控制目标，设置偏差的权重为1，控制输入频率f的变化率权重为0.01；设置输入频率和补偿位移的约束条件；调整预测时域p和控制时域m的大小分别为20和6，采样时间为0.05s，为了提高控制器每个采样周期的计算速度，在控制效果较好的情况下应使p和m尽可能小，当p和m增大的一定程度后，继续增加对控制效果的改善效果不明显，且控制时域m应该小于预测时域p。
外环位移控制器的工作流程如图3所示。在外环位移控制器中，将预测模型与平台升沉预测算模型结合，平台升沉运动预测值作为外环位移位移控制器的输入参考轨迹，利用这部分输入的规律性及预测功能构成前馈控制，有效补偿由平台未来的升沉运动引起的误差。
本实施例中基平台升沉预测算法构建平台升沉预测模型，升沉运动谐波幅值与波浪谐波幅值的比例关系μ如式下：
Figure BDA0003463766150000111
式中，ρ为海水密度，1026kg/m3；g为重力加速度，9.8m/s2；A为钻井平台与海水在吃水线处的接触面积；M为平台的质量。
由于海浪运动具有随机性，可以看作无限多个幅值、初相位和周期不同的线性波叠加，基于波浪谱和线性叠加法建立海浪随机运动模型，本文选用的海浪谱描述方式为P-M谱，P-M谱为经验谱，可以有效应用于充分成长的海浪，目前大部分的海浪谱描述形式是基于P-M谱建立的，其表达式见下式：
Figure BDA0003463766150000112
式中，a＝0.0081，g为重力加速度，B参数由风速和海况等级决定。
同时基于线性叠加原理，可以得到海浪运动的表达式如下。
Figure BDA0003463766150000121
Figure BDA0003463766150000122
式中，ai为第i个组成谐波的幅值，
Figure BDA0003463766150000123
为(0,2π)之间的随机值，表示随机的初始相位。由于海浪谱的能量大多分布在一定的频率区间范围内，所以可以忽略其他频率的谐波，将区间等分成M段，每一段的增量为Δωi＝ωi-ωi-1，则将区间内的M个线性波叠加起来可以得到模拟的海浪运动波形。
将上述方法得到的平台生产运动模拟数据用于建立，平台升沉运动预测模型，过程分为三步，第一步是通过小波分解算法对海洋钻机升沉运动数据进行处理，得到信号在一定分解尺度下的低频序列和高频序列；第二步是对分解得到的各序列数据进行特征学习，建立各部分的LSTM预测模型；第三步是将各序列预测模型的预测结果通过小波重构算法合并，得到平台升沉运动的预测结果。
采用Mallat算法对原始数据进行分解，Mallat算法以小波多分辨率分析为基础，通过小波基函数构成的滤波器组对信号进行处理，以H(k)和G(k)分别表示低通滤波器和高通滤波器的冲激相应，J＝j+1表示小波分解层数，以hj和gj表示原信号在频率分辨率j尺度下的近似系数和细节系数j＝J-1,J-2,...,0，则 Mallat算法的分解公式如下。
Figure BDA0003463766150000124
以H'(k)和G'(k)分别表示重构低通滤波器和高通滤波器的冲激相应，得到Mallat算法的重构公式如下。
Figure BDA0003463766150000131
通过Mallat算法分解得到的数据作为LSTM模型的训练数据和输入数据，本文提出的LSTM预测模型有四层结构，由序列输入层、LSTM层、全连接层和一个预测输出层构成，其中LSTM层和全连接层为隐藏层。
LSTM通过在隐藏层神经元增加一个单元状态来保存长期状态，用“门”控制长期状态对输出的影响，解决了RNN对短期输入敏感的问题。LSTM 使用三个“门”分别负责控制是否继续保存长期状态，是否将当前状态保存到长期状态和是否把长期状态作为隐藏层的输出，标准的LSTM神经元结构如图4，其中ct为t时刻的单元状态，ht为神经元的最终输出，ht与ct还会作为下一时刻神经元的输入。将LSTM模型的预测结果通过Mallat算法重构，得到最终的平台升沉运动预测效果如图5。
将设计完成的外环位移控制器加入如图6所示的仿真模型作为外环位移控制器，采用平台升沉运动数据作为模型的参考输入，平台升沉运动预测模型预测结果作为参考轨迹，得到仿真结果如图7到9所示，经计算计算得到五级、六级海况和实际海况下的补偿率分别为92.09％、93.59％和91.00％，可以看出对于不同海况下随机海浪波形输入的海洋钻井平台模型，基于模型预测控制的绞车升沉补偿系统都具有较好的补偿效果，且随着平台升沉运动幅值的增大，即海况等级的提高，双绞车升沉补偿预测控制系统的补偿率有一定的增加。
在海洋钻井绞车主动升沉补偿工作进行时，平台通过MRU实时采集的数据经过处理与传输到系统控制器的过程，整体使系统表现出了固有的时间滞后，故为了获得理想的升沉补偿效果需要对升沉补偿系统的滞后进行校正，同时为了满足预测控制的实现要求，需要在工作过程中实时获得平台升沉运动的短时预测数据，本发明应用于主动绞车升沉补偿的预测控制方法采用双层控制，内环采用矢量变频控制器闭环控制电机转速，外环位移控制应用预测控制算法，以钻井平台每个控制周期采集的升沉位移值作为被控系统的跟随值，同时还会参考未来一段时间内的预测平台升沉位移。
外环位移预测控制器采用基于状态方程的模型预测控制(MPC)算法，实际工作过程中在每一个采样时刻，MPC通过测量值和状态估计获得当前时刻系统的状态量，外环位移预测控制器以当前时刻的系统状态作为初始状态，使用内置的预测模型对控制系统的输出进行有限时域的预测，并使用动态优化算法计算在一段时间内令由性能指标确定的代价函数最小的且满足约束条件的一组最优控制序列U，将计算得到的最优控制序列U的当前时刻即第一个控制量输入给被控制对象，进而完成一次控制周期。
为了获得未来一段时间内的平台预测升沉位移，提出了一种方法，根据海上钻井平台升沉运动数据，建立平台升沉运动预测模型，用于对平台升沉运动进行短时间预测，以帮助纠正平台实际运动与传感器测量值之间的传输延迟。依据P-M海浪谱平台响应模拟海洋钻井平台升沉运动数据，然后基于长短时记忆网络(Long Short-Term Memory，LSTM)建立平台升沉运动预测模型，将LSTM与小波分析相结合，建立基于小波分解与重构的LSTM 平台升沉运动预测模型，该预测模型的建立分为三个部分，第一部分是通过小波分解算法对海洋钻机升沉运动数据进行处理，得到信号在一定分解尺度下的低频序列和高频序列；第二部分是对分解得到的各序列数据进行特征学习，建立各部分的LSTM预测模型；第三部分是将各序列预测模型的预测结果通过小波重构算法合并，得到平台升沉运动的预测结果。
最终将模型预测控制算法与平台升沉预测算法结合，平台升沉运动预测值作为升沉补偿预测控制系统的输入参考轨迹，利用这部分输入的规律性及预测功能构成前馈控制，有效补偿由平台未来的升沉运动引起的误差。
实施例2：
本发明应用于主动绞车升沉补偿的预测控制系统，该系统包括内环速度控制器和外环位移控制器，内环速度控制器内以三相异步电动机动态数学模型为基础、构建有矢量变频控制系统；外环位移控制器内配置有预测模型和平台升沉预测模型，预测模型用于以电机频率为输入、预测输出大钩位移，平台升沉预测模型用于以平台升沉运动数据为输入、预测并输出平台升沉位移预测值；外环位移控制器用于以平台升沉运动数据为参考输入，以预测模型的输出的大钩位移为参考轨迹，将大钩位移和平台升沉位移相比较，通过求解QP问题获得电机频率的局部最优控制策略，并输出电机频率计算值；内环速度控制器用于基于电机频率计算值，通过矢量变频控制系统闭环控制电机转速。
其中，内环电机输出转速跟随目标转速的能力主要受矢量控制效果的影响，其内环速度控制器以三相异步电动机动态数学模型为基础，建立矢量变频控制系统。该矢量变频控制系统工作过程中通过传感器得到电机的输入电流和实际转速，转速与转速参考值比较构成闭环控制，对静止的定子三相绕组和旋转的转子三相绕组进行Clark变换得到静止正交坐标系αβ和以角速度ω进行逆时针转动的两相正交坐标系α'β'，再通过两相静止-旋转正交变换把定子绕组和转子绕组都变换到同一个旋转正交坐标系dq，从而将三相电流转换得到电流值isd和isq构成闭环控制，两个电流调节器输出的给定电压经过2r/2s变换得到给定电压Uα和Uβ，将该电压矢量经SVPWM技术控制逆变器输出三相电压产生圆形旋转磁场，实现对电机的矢量控制。
外环位移控制器主要通过计算电机输入频率实现对大钩对平台升沉位移的跟随控制，故在应用MPC算法时为了提高运算速度和确定控制目标，应对电机驱动系统的模型进行适当简化，将简化后的整体模型作为MPC预测模型。在变频器控制性能理想的情况下，对于矢量变频控制系统，可以得到电机电磁转矩和转速的关系式如下：
Figure BDA0003463766150000161
式中，为变频器输入频率,K为压频转换系数，nn为电机实际转速，np为电机极对数，R’r为转子每相电阻。基于上式搭建电机驱动系统的理想矢量控制模型。
由于外环位移控制器只是通过电机频率来控制大钩运动，故预测模型为钻机起升系统模型，该非线性系统的离散状态空间表达形式可以描述为式如下：
Figure BDA0003463766150000162
将该系统在工作点处线性化，得到系统的线性状态空间表达式如下：
Figure BDA0003463766150000163
其中，A为3×3的矩阵，B为3×1的矩阵；
当前时刻系统状态量为
Figure BDA0003463766150000164
当前时刻系统控制量为变频器设定频率f；
预测模型输出为大钩位移xg。
通过系统的线性状态空间表达式可以计算下一时刻的系统状态和输出，将该预测模型作为外环位移控制器的预测模型，通过该预测模型计算给定电机频率下的大钩位移，用于和预测时域内的平台升沉位移相比较，通过求解QP问题获得频率的局部最优控制策略。
然后设置外环位移控制器的采样时间为0.05秒，设置其它参数包括权重矩阵、约束条件、预测时域和控制时域，由于升沉补偿系统的主要目标是补偿平台的升沉位移，所以将系统输出和参考轨迹的偏差作为主要优化控制目标，设置偏差的权重为1，控制输入频率f的变化率权重为0.01；设置输入频率和补偿位移的约束条件；调整预测时域p和控制时域m的大小分别为20和6，采样时间为0.05s，为了提高控制器每个采样周期的计算速度，在控制效果较好的情况下应使p和m尽可能小，当p和m增大的一定程度后，继续增加对控制效果的改善效果不明显，且控制时域m应该小于预测时域p。
本实施例中基平台升沉预测算法构建平台升沉预测模型，升沉运动谐波幅值与波浪谐波幅值的比例关系μ如式下：
Figure BDA0003463766150000171
式中，ρ为海水密度，1026kg/m3；g为重力加速度，9.8m/s2；A为钻井平台与海水在吃水线处的接触面积；M为平台的质量。
由于海浪运动具有随机性，可以看作无限多个幅值、初相位和周期不同的线性波叠加，基于波浪谱和线性叠加法建立海浪随机运动模型，本文选用的海浪谱描述方式为P-M谱，P-M谱为经验谱，可以有效应用于充分成长的海浪，目前大部分的海浪谱描述形式是基于P-M谱建立的，其表达式见下式：
Figure BDA0003463766150000172
式中，a＝0.0081，g为重力加速度，B参数由风速和海况等级决定。
同时基于线性叠加原理，可以得到海浪运动的表达式如下。
Figure BDA0003463766150000173
Figure BDA0003463766150000174
式中，ai为第i个组成谐波的幅值，
Figure BDA0003463766150000175
为(0,2π)之间的随机值，表示随机的初始相位。由于海浪谱的能量大多分布在一定的频率区间范围内，所以可以忽略其他频率的谐波，将区间等分成M段，每一段的增量为Δωi＝ωi-ωi-1，则将区间内的M个线性波叠加起来可以得到模拟的海浪运动波形。
将上述方法得到的平台生产运动模拟数据用于建立，平台升沉运动预测模型，过程分为三步，第一步是通过小波分解算法对海洋钻机升沉运动数据进行处理，得到信号在一定分解尺度下的低频序列和高频序列；第二步是对分解得到的各序列数据进行特征学习，建立各部分的LSTM预测模型；第三步是将各序列预测模型的预测结果通过小波重构算法合并，得到平台升沉运动的预测结果。
采用Mallat算法对原始数据进行分解，Mallat算法以小波多分辨率分析为基础，通过小波基函数构成的滤波器组对信号进行处理，以H(k)和G(k)分别表示低通滤波器和高通滤波器的冲激相应，J＝j+1表示小波分解层数，以hj和gj表示原信号在频率分辨率j尺度下的近似系数和细节系数j＝J-1,J-2,...,0，则 Mallat算法的分解公式如下。
Figure BDA0003463766150000181
以H'(k)和G'(k)分别表示重构低通滤波器和高通滤波器的冲激相应，得到Mallat算法的重构公式如下。
Figure BDA0003463766150000182
通过Mallat算法分解得到的数据作为LSTM模型的训练数据和输入数据，本文提出的LSTM预测模型有四层结构，由序列输入层、LSTM层、全连接层和一个预测输出层构成，其中LSTM层和全连接层为隐藏层。
LSTM通过在隐藏层神经元增加一个单元状态来保存长期状态，用“门”控制长期状态对输出的影响，解决了RNN对短期输入敏感的问题。LSTM 使用三个“门”分别负责控制是否继续保存长期状态，是否将当前状态保存到长期状态和是否把长期状态作为隐藏层的输出，标准的LSTM神经元结构如图4，其中ct为t时刻的单元状态，ht为神经元的最终输出，ht与ct还会作为下一时刻神经元的输入。将LSTM模型的预测结果通过Mallat算法重构，得到最终的平台升沉运动预测效果如图5。
将设计完成的外环位移控制器加入如图6所示的仿真模型作为外环位移控制器，采用平台升沉运动数据作为模型的参考输入，平台升沉运动预测模型预测结果作为参考轨迹，得到仿真结果如图7到9所示，经计算计算得到五级、六级海况和实际海况下的补偿率分别为92.09％、93.59％和91.00％，可以看出对于不同海况下随机海浪波形输入的海洋钻井平台模型，基于模型预测控制的绞车升沉补偿系统都具有较好的补偿效果，且随着平台升沉运动幅值的增大，即海况等级的提高，双绞车升沉补偿预测控制系统的补偿率有一定的增加。
本实施例的预测控制系统，为执行实施例1公开的应用于主动绞车升沉补偿的预测控制方法过程中构建的系统，通过该系统可实现主动绞车升沉补偿的双层控制，内环采用矢量变频控制器闭环控制电机转速，外环位移控制应用预测控制算法，以钻井平台每个控制周期采集的升沉位移值作为被控系统的跟随值，同时还会参考未来一段时间内的预测平台升沉位移。
上文通过附图和优选实施例对本发明进行了详细展示和说明，然而本发明不限于这些已揭示的实施例，基与上述多个实施例本领域技术人员可以知晓，可以组合上述不同实施例中的代码审核手段得到本发明更多的实施例，这些实施例也在本发明的保护范围之内。

Claims (10)

1.应用于主动绞车升沉补偿的预测控制方法，其特征在于基于外环位移控制器和内环速度控制器进行双层控制，所述方法包括如下步骤：
以三相异步电动机动态数学模型为基础，构建矢量变频控制系统，内环速度控制器通过矢量变频控制系统闭环控制电机转速；
配置外环位移控制器的预测模型，所述预测模型用于以电机频率为输入、预测输出大钩位移；
构建并训练外环位移控制器的平台升沉预测模型，所述平台升沉预测模型用于以平台升沉运动数据为输入、预测并输出平台升沉位移预测值；
以平台升沉运动数据为参考输入，以预测模型的输出的大钩位移为参考轨迹，将大钩位移和平台升沉位移相比较，通过求解QP问题获得电机频率的局部最优控制策略，并输出电机频率计算值；
基于所述电机频率计算值，内环速度控制器通过矢量变频控制系统闭环控制电机转速。
2.根据权利要求1所述的应用于主动绞车升沉补偿的预测控制方法，其特征在于所述矢量变频控制系统的输入量为电机的参考转速nref和转子磁链ψr，所述参考转速nref采用双闭环控制，外环为转速PI调节器，内环为定子电流转速分量PI调节器；转子磁链ψr外环采用开环控制，其产生的定子电流励磁分量由一个PI调节器实现闭环控制。
3.根据权利要求1所述的应用于主动绞车升沉补偿的预测控制方法，其特征在于在变频器性能理想的情况下，对于矢量变频控制系统，电机电磁转矩和转速的关系式如下：
Figure FDA0003463766140000011
式中，Tn为变频器输入频率,K为压频转换系数，nn为电机实际转速，np为电机极对数，R′r为转子每相电阻。
4.根据权利要求1所述的应用于主动绞车升沉补偿的预测控制方法，其特征在于外环位移控制器只是通过电机频率控制大钩运动，所述预测模型为钻机起升系统模型，为非线性系统，所述非线性系统的离散状态空间表达形式描述为：
Figure FDA0003463766140000021
所述非线性系统在工作点处线性化，得到线性系统的线性状态空间表达式如下：
Figure FDA0003463766140000022
其中，A为3×3的矩阵，B为3×1的矩阵；
当前时刻系统状态量为
Figure FDA0003463766140000023
当前时刻系统控制量为变频器设定频率f；
所述预测模型输出为大钩位移xg。
5.根据权利要求1所述的应用于主动绞车升沉补偿的预测控制方法，其特征在于基于P-M谱建立海浪谱描述形式，表示为：
Figure FDA0003463766140000024
式中，a＝0.0081，g为重力加速度，B参数由风速和海况等级决定；
基于线性叠加原理，得到海浪运动的表达式如下：
Figure FDA0003463766140000025
Figure FDA0003463766140000031
式中，ai为第i个组成谐波的幅值，
Figure FDA0003463766140000032
为(0,2π)之间的随机值，表示随机的初始相位
将区间等分成M段，每一段的增量为Δωi＝ωi-ωi-1，将区间内的M个线性波叠加起来得到模拟的海浪运动波形；
基于上述方法建立平台升沉运动预测模型，所述平台升沉运动预测模型通过如下方法预测平台升沉运动。
6.根据权利要求5所述的应用于主动绞车升沉补偿的预测控制方法，其特征在于所述平台升沉运动预测模型通过如下方法进行预测：
通过小波分解算法对获取的海洋钻机升沉运动数据进行处理，得到海洋钻机升沉运动数据在一定分解尺度下的低频序列和高频序列；
构建并训练各序列LSTM预测模型，通过所述各序列LSTM预测模型对分解得到的各序列数据进行特征学习；
对于各序列的LSTM预测模型输出的预测结果，通过小波重构算法进行合并，得到平台升沉运动的预测结果。
7.根据权利要求6所述的应用于主动绞车升沉补偿的预测控制方法，其特征在于通过Mallat算法对获取的海洋钻机升沉运动数据进行处理；
对于各序列的LSTM预测模型输出的预测结果，通过Mallat算法进行合并，得到平台升沉运动的预测结果。
8.应用于主动绞车升沉补偿的预测控制系统，其特征在于通过包括：
内环速度控制器，所述内环速度控制器内以三相异步电动机动态数学模型为基础、构建有矢量变频控制系统；
外环位移控制器，所述外环位移控制器内配置有预测模型和平台升沉预测模型，所述预测模型用于以电机频率为输入、预测输出大钩位移，所述平台升沉预测模型用于以平台升沉运动数据为输入、预测并输出平台升沉位移预测值；
所述外环位移控制器用于以平台升沉运动数据为参考输入，以预测模型的输出的大钩位移为参考轨迹，将大钩位移和平台升沉位移相比较，通过求解QP问题获得电机频率的局部最优控制策略，并输出电机频率计算值；
所述内环速度控制器用于基于所述电机频率计算值，通过矢量变频控制系统闭环控制电机转速。
9.根据权利要求8所述的应用于主动绞车升沉补偿的预测控制系统，其特征在于所述矢量变频控制系统的输入量为电机的参考转速nref和转子磁链ψr，所述参考转速nref采用双闭环控制，外环为转速PI调节器，内环为定子电流转速分量PI调节器；转子磁链ψr外环采用开环控制，其产生的定子电流励磁分量由一个PI调节器实现闭环控制；
在变频器性能理想的情况下，对于矢量变频控制系统，电机电磁转矩和转速的关系式如下：
Figure FDA0003463766140000041
式中，Tn为变频器输入频率,K为压频转换系数，nn为电机实际转速，np为电机极对数，R′r为转子每相电阻。
10.根据权利要求8或9所述的应用于主动绞车升沉补偿的预测控制系统，其特征在于外环位移控制器只是通过电机频率控制大钩运动，所述预测模型为钻机起升系统模型，为非线性系统，所述非线性系统的离散状态空间表达形式描述为：
Figure FDA0003463766140000051
所述非线性系统在工作点处线性化，得到线性系统的线性状态空间表达式如下：
Figure FDA0003463766140000052
其中，A为3×3的矩阵，B为3×1的矩阵；
当前时刻系统状态量为
Figure FDA0003463766140000053
当前时刻系统控制量为变频器设定频率f；
所述预测模型输出为大钩位移xg；
基于P-M谱建立海浪谱描述形式，表示为：
Figure FDA0003463766140000054
式中，a＝0.0081，g为重力加速度，B参数由风速和海况等级决定；
基于线性叠加原理，得到海浪运动的表达式如下：
Figure FDA0003463766140000055
Figure FDA0003463766140000056
式中，ai为第i个组成谐波的幅值，
Figure FDA0003463766140000057
为(0,2π)之间的随机值，表示随机的初始相位
将区间等分成M段，每一段的增量为Δωi＝ωi-ωi-1，将区间内的M个线性波叠加起来得到模拟的海浪运动波形；
基于上述方法建立平台升沉运动预测模型，所述平台升沉运动预测模型通过如下方法预测平台升沉运动；
所述平台升沉运动预测模型用于通过如下方法进行预测：
通过小波分解算法对获取的海洋钻机升沉运动数据进行处理，得到海洋钻机升沉运动数据在一定分解尺度下的低频序列和高频序列；
构建并训练各序列LSTM预测模型，通过所述各序列LSTM预测模型对分解得到的各序列数据进行特征学习；
对于各序列的LSTM预测模型输出的预测结果，通过小波重构算法进行合并，得到平台升沉运动的预测结果。
CN202210024501.8A 2022-01-11 2022-01-11 应用于主动绞车升沉补偿的预测控制方法及系统 Pending CN114499317A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210024501.8A CN114499317A (zh) 2022-01-11 2022-01-11 应用于主动绞车升沉补偿的预测控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210024501.8A CN114499317A (zh) 2022-01-11 2022-01-11 应用于主动绞车升沉补偿的预测控制方法及系统

Publications (1)

Publication Number Publication Date
CN114499317A true CN114499317A (zh) 2022-05-13

Family

ID=81509333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210024501.8A Pending CN114499317A (zh) 2022-01-11 2022-01-11 应用于主动绞车升沉补偿的预测控制方法及系统

Country Status (1)

Country Link
CN (1) CN114499317A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118642353A (zh) * 2024-08-14 2024-09-13 深圳市嘉力电气技术有限公司 变频电源的控制建模方法、装置、计算机设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1050247A (zh) * 1989-09-14 1991-03-27 北京市西城新开通用试验厂 机电一体化石油勘探钻井综合采录装置
WO2008068445A1 (en) * 2006-12-06 2008-06-12 National Oilwell Varco, L.P. Method and apparatus for active heave compensation
CN104495672A (zh) * 2015-01-04 2015-04-08 湖南科技大学 海洋船载交流变频绞车主动升沉补偿控制系统及控制方法
CN106744308A (zh) * 2017-02-27 2017-05-31 广州文冲船厂有限责任公司 波浪补偿装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1050247A (zh) * 1989-09-14 1991-03-27 北京市西城新开通用试验厂 机电一体化石油勘探钻井综合采录装置
WO2008068445A1 (en) * 2006-12-06 2008-06-12 National Oilwell Varco, L.P. Method and apparatus for active heave compensation
CN104495672A (zh) * 2015-01-04 2015-04-08 湖南科技大学 海洋船载交流变频绞车主动升沉补偿控制系统及控制方法
CN106744308A (zh) * 2017-02-27 2017-05-31 广州文冲船厂有限责任公司 波浪补偿装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄鲁蒙;张彦廷;张磊;刘美英;: "半主动式钻井绞车升沉补偿系统", 石油勘探与开发, vol. 40, no. 05, pages 620 - 624 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118642353A (zh) * 2024-08-14 2024-09-13 深圳市嘉力电气技术有限公司 变频电源的控制建模方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
Woodacre et al. Hydraulic valve-based active-heave compensation using a model-predictive controller with non-linear valve compensations
CN104817019B (zh) 一种基于吊物升沉运动预报的船用起重机升沉补偿方法
CN104876145A (zh) 电动主动升沉补偿绞车系统
CN103558854A (zh) 一种风帆助航船舶航向控制方法及系统
CN114014179B (zh) 一种电驱动海洋绞车主动升沉补偿系统滑模控制方法
CN110568814A (zh) 一种适用于主动升沉补偿的波浪信号模拟装置
CN114499317A (zh) 应用于主动绞车升沉补偿的预测控制方法及系统
Zhou et al. Hierarchical NMPC–ISMC of active heave motion compensation system for TMS–ROV recovery
Wu et al. Impedance control of secondary regulated hydraulic crane in the water entry phase
Tuan et al. Observer-based nonlinear robust control of floating container cranes subject to output hysteresis
CN114137826B (zh) 一种基于灰狼算法的船舶动力定位自抗扰控制方法
Pasta et al. A model-free control strategy based on artificial neural networks for pewec
Xu et al. Review of Heave Compensation Systems: Design and Control Strategies
CN117698949A (zh) 船舶波浪模拟及补偿控制仿真方法、装置、设备及介质
CN210864401U (zh) 一种适用于主动升沉补偿的波浪信号模拟装置
Zong Marine resource exploration streamer control model based on artificial neural network
Zhang et al. Wave heave compensation based on an optimized backstepping control method
Blanco et al. Dual multivector model predictive control for the power converters of a floating OWC WEC
CN114879504B (zh) 一种四自由度船用旋转起重机的自适应非线性控制方法
CN115711196A (zh) 一种基于自增速波浪发电装置的波浪能捕获优化方法
Vervaet et al. System identification and centralised causal impedance matching control of a row of two heaving point absorber wave energy converters
CN114879488A (zh) 一种船舶动力定位推进系统的无模型自适应同步控制方法
CN110837254B (zh) 一种水翼艇纵向运动控制方法
Hassani et al. Evaluation of three dynamic ship positioning controllers: from calm to extreme conditions
Yuan Actively damped heave compensation (ADHC) system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20220513

WD01 Invention patent application deemed withdrawn after publication