Технологии мониторинга динамики развития повреждений на буровых установках с использованием моментов высоких порядков помехи

Статья посвящена разработке алгоритмов вычисления моментов высоких порядков помехи зашумленных сигналов и их применению для анализа технического состояния промышленных объектов. Показано, что для мониторинга и контроля начала аварийной ситуации объектов нефтедобычи используются случайные вибрационные сигналы, которые, помимо помехи от внешних факторов в момент зарождения неисправности, также содержат дополнительную помеху. Характеристики этой помехи несут в себе определенную информацию о техническом состоянии бурильного станка. Ранее были разработаны алгоритмы вычисления дисперсии, среднего квадратического отклонения, функции плотности распределения помехи, которую невозможно отделить от зашумленного сигнала. В данной работе показано, что моменты высоких порядков помехи можно использовать как диагностический индикатор для определения наличия и степени развития повреждений буровых установок во времени в скрытом периоде зарождения. Проведен анализ возможных вариантов вычисления моментов высоких порядков помехи. Разработаны рекуррентные алгоритмы, выражающие моменты высших порядков нормально распределенной помехи через ее дисперсию. Показана возможность вычисления моментов высоких порядков помехи также через функции плотности распределения. Составлена матрица, состоящая из оценок моментов высоких порядков помехи (noise-моментов), вычисленных в различные моменты времени. Показано, что на первом этапе по значениям элементов матрицы удается определить наличие и степень зародившегося повреждения. На втором этапе находится интенсивность развития повреждения в результате сравнения значений характеристик помехи в различные моменты времени. Вычисления проводятся для всех сигналов, которые поступают от датчиков. Проводится обучение, и по значениям моментов высших порядков ставятся в соответствие определенная степень и интенсивность развития повреждения. Показана возможность использования предложенных алгоритмов и технологий в системе контроля помех (noiseконтроля) начала развития и динамики аварий на буровых установках. Отмечено, что в процессе бурения, если даже оценки моментов высоких порядков суммарных зашумленных вибросигналов меняются в большом диапазоне, их noiseмоменты высоких порядков не превышают заданной величины при отсутствии неисправности. При возникновении неисправности оценки моментов помехи становятся больше заданного порогового уровня и по мере развития дефекта их значения также изменяются. Если неблагоприятные процессы стабилизируются, измерение во времени этих оценок прекращается, причем в зависимости от степени и интенсивности стабилизации технического состояния буровой установки поочередно прекращается измерение оценок моментов, начиная от самого высокого до самого низкого или наоборот. Эта специфика оценок noise-моментов высоких порядков вибрационных сигналов позволяет определить начало и контролировать динамику развития скрытого периода аварийного состояния процесса бурения. 

1. Telman Aliev. Noise Control of the Beginning and Development Dynamics of Accidents. Springer, 2019, 201 p. DOI 10.1007/978-3-030-12512-7.

2. Aliev T. A. Digital Noise Monitoring of Defect Origin, Springer, New York, 2007, p. 223. DOI10.1007/978-0-387-71754-8.

3. Aliev T. A., Musaeva N. F., Suleymanova M. T. Density Function of Noise Distribution as an Indicator for Identifying the Degree of Fault Growth in Sucker Rod Pumping Unit (SRPU) // Journal of Automation and Information Sciences. 2017. Vol. 49. No. 4. P. 1—11. DOI: 10.1615/JAutomatInfScien.v49.i4.10.

4. Aliev T. A., Nusratov O. G., Guluev G. A., Rzaev As. G., Pashaev F. G., Rezvan M. G. Position-Binary Technology for Processing the Signals of a Load for Identification of the Technical State of Deep-Well Sucker-Rod Pumps // Measurement Techniques. Vol. 61. No. 9. 2018. P. 885—890. https://doi.org/10.1007/s11018018-1519-x.

5. Алиев Т. А., Мусаева Н. Ф., Сулейманова М. Т., Газызаде Б. И. Чувствительные алгоритмы выявления степени развития неисправности штанговой глубинной насосной установки // Мехатроника, автоматизация, управление. Т. 18. № 2. 2017. С. 94—102. DOI: 10.17587/mau.18.91-102.

6. Aliev T. A., Musaeva N. F. An algorithm for eliminating microerrors of noise in the solution of statistical dynamics problems // Automation and remote control. 1998. Vol. 59 (2). N. 5. P. 679—688.

7. Aliev T. A., Musaeva N. F., Suleymanova M. T., Gazi zade B. I. Analytic representation of the density function of normal distribution of noise. Journal of Automation and Information Sciences. 2015. Vol. 47(8). N. 4. P. 24—40. DOI: 10.1615/ JAutomatInfScien.v47.i8.30.

8. Aliev T. A., Musaeva N. F., Suleymanova M. T., Ga zizade B. I. Technology for calculating the parameters of the density function of normal distribution of the useful component in a noisy process // Journal of Automation and Information Sciences. 2016. Vol. 48. N. 4. P. 35—55. DOI: 10.1615/JAutomatInfScien.v48.i4.50.

9. Aliev T. A., Musaeva N. F., Gazizade B. I. Algorithms of building a model of the noisy process by correction of the law of its distribution // Journal of Automation and Information Sciences. 2017. Vol. 49. N. 9. P. 61—75. DOI: 10.1615/JAutomatInfScien. v49.i9.50.

10. Aliev T. A., Musaeva N. F., Suleymanova M. T. Algorithms for Indicating the Beginning of Accidents Based on the Estimate of the Density Distribution Function of the Noise of Technological Parameters // Automatic Control and Computer Science. 2018. Vol. 52, Iss. 3. P. 231—242. DOI: 10.3103/S0146411618030021.

11. Musaeva N. F. Robust method of estimation with "contaminated" coarse errors // Automatic Control and Computer Sciences. 2003. Vol. 37. N. 6. P. 50—63. https://elibrary.ru/contents.asp?id=33405883.

12. Aliev T. A., Musaeva N. F. Statistical identification with error balancing // Journal of computer and systems sciences international. 1996. Vol. 34, Iss. 5. P. 119—124.

13. Aliev T. A., Musaeva N. F. Algorithms for improving adequacy of statistical identification // Journal of computer and systems sciences International. 1997. Vol. 36, Iss. 3. P. 363—369. https://www.tib.eu/en/search/id/olc%3A1518633188/Algorithmsfor-Improving-Adequacy-of-Statistical.

14. Aliev T. A., Musaeva N. F., Gazizade B. I. Algorithm of application of high-order moments of the useful component as a diagnostic indicator of changes in the technical state // Journal of Automation and Information Sciences. Vol. 50. No. 11. 2018. P. 29—43. https:// DOI: 10.1615/JAutomatInfScien.v50.i11.30. 1

15. Aliev T. A., Musaeva N. F., Gazizade B. I. Algorithms for calculating high-order moments of the noise of noisy signals // Journal of Automation and Information Sciences. Vol. 50. No. 6. 2018. P. 1—13. https://DOI: 10.1615/JAutomatInfScien.v50.i6.10.

16. Техническая кибернетика. Книга 2 / Под ред. Солодовникова В. В. М.: Машиностроение, 1967. 682 с.

17. Вентцель Е. С., Овчаров Л. А. Теория случайных процессов и ее инженерные приложения. 5-е изд. М.: КНОРУС, 2013. 448 с.

18. Пугачев В. С. Теория вероятностей и математическая статистика. 2-е изд., М.: Физматлит, 2002. 496 с.

19. Иванова В. М., Калинина В. Н., Нешумова Л. А., Решетникова И. О. Математическая статистика. М.: Высшая Школа, 1975. 398 с.

20. Bila G. D. Identification of a Nonparametric Signal Under Strongly Dependent Random Noise // Cybernetics and Systems Analysis. 2016. Vol. 52, Iss. 1. P. 160—172.

21. Stoikova L. S. Greatest Lower Bound of System Failure Probability on a Special Time Interval Under Incomplete Information About the Distribution Function of the Time to Failure of the System // Cybernetics and Systems Analysis. 2017. Vol. 53, Iss . 2. P. 217—224.

22. Abbasov A. M., Маmеdоva М. H., Orujov G. H., Aliyev H. B. Synthesis of the methods of subjective knowledge representations in problems of fuzzy pattern recognition // Mechatronics. 2001. N. 11. P. 439—449.