ТЕХНИЧЕСКАЯ ДИАГНОСТИКА ОБОРУДОВАНИЯ БУРОВОЙ ЛЕБЕДКИ ВРЕМЯ-ВЕРОЯТНОСТНЫМ МЕТОДОМ С ПРИМЕНЕНИЕМ МИКРОПРОЦЕССОРНЫХ СРЕДСТВ

T.A. Funk; A.E. Bychkov; D.J. Khriukin; E.O. Volkov

doi:10.14529/power210112

Authors

T.A. Funk South Ural State University
A.E. Bychkov South Ural State University
D.J. Khriukin South Ural State University
E.O. Volkov South Ural State University

DOI:

https://doi.org/10.14529/power210112

Keywords:

diagnosis, condition monitoring, troubleshooting algorithms, temporal probabilistic method, drilling rig, drawworks, automated electric drive

Abstract

The paper dwells upon diagnosing drilling rig electrics with material, time, and labor costs reduction in mind. SciVal analytics and overview of literature on equipment diagnosis reinforce the relevance of this research. To create an automatic fault detection system, it is proposed to combine mathematical models of Boolean objects of diagnosis with the microprocessor capabilities. The research team used an Uralmash 6500/450 BMCh drilling rig to develop electrical equipment diagnosis flowcharts and a drawworks logical model; then the researchers estimated the costs of checking the model elements and compiled a table of a fault functions. The proposal was to program the fault location algorithm in the controller programming language following the author-developed troubleshooting graph which uses a temporal probabilistic method. To visualize the solution, the paper presents an original method that diagnoses faults of individual drilling rig components; case study herein analyzes an inductive sensor as such a component. The method consists in using additional feedback and implementing an algorithm for automatic fault detection in a high-level programming language.

Downloads

Download data is not yet available.

Author Biographies

T.A. Funk, South Ural State University

A.E. Bychkov, South Ural State University

канд. техн. наук, доцент кафедры «Автоматизированный электропривод»

D.J. Khriukin, South Ural State University

аспирант, кафедра «Автоматизированный электропривод»

E.O. Volkov, South Ural State University

магистрант, кафедра «Автоматизированный электропривод»

References

Дзюбенко, О.Л. Методы обнаружения неисправностей и операции проведения ремонта комбинированных электроизмерительных приборов / О.Л. Дзюбенко, С.В. Подстреха, Е.В. Чмутин // Современные научные исследования и инновации. – 2017. – № 10. – С. 165–169.

Самородов, А.В. Разработка программно-аппаратного комплекса для оценки технического состояния машинных агрегатов с электрическим приводом / А.В. Самородов, М.Г. Баширов, Д.Г. Чурагулов, А.А. Абдуллин // Электронный научный журнал «Нефтегазовое дело». – 2012. – № 6. – С. 10–20.

Петухов, В. Диагностика электродвигателей. Спектральный анализ модулей векторов Парка тока и напряжения / В. Петухов // Новости электротехники. – 2008. – № 1 (49).

SciVal. Research performance insights on thousands of institutions, worldwide. – https://www.scival.com (дата обращения: 08.02.2021).

Абрамов, Б.И. Асинхронные электродвигатели для частотно регулируемых электроприводов буровых установок / Б.И. Абрамов, Л.Н. Макаров, Б.М. Бреслав, В.М. Пономарёв, Б.М. Парфёнов // Электротехника. – 2009. – № 1. – С. 13–18.

Advances in Diagnostic Techniques for Induction Machines / A. Bellini, F. Filippetti, C. Tassoni, G.-A. Capolino // IEEE Transactions on Industrial Electronics. – 2008. – No. 55. – P. 4109–4126. DOI: 10.1109/tie.2008.2007527

Isermann, R. Fault diagnosis of machines via parameter estimation and knowledge processing – Tutorial paper / R. Isermann // Automatica. – 1993. – No. 29. – P. 815–835. DOI: 10.1016/0005-1098(93)90088-b

Ge, Z. Online monitoring of nonlinear multiple mode processes based on adaptive local model approach / Z. Ge, Z. Song // Control Engineering Practice. – 2008. – No. 16. – P. 1427–1437. DOI: 10.1016/j.conengprac.2008.04.004

Isermann, R. Fault-Diagnosis Systems. An Introduction from Fault Detection to Fault Tolerance / R. Isermann. – Springer-Verlag Berlin Heidelberg, 2006. – 478 p. DOI: 10.1007/3-540-30368-5

Diagnosing multiple faults in oil rig motor pumps using support vector machine classifier ensembles / E. Wandekokem, E. Mendel, F. Fabris et al. // Integrated Computer-Aided Engineering. – 2011. – No. 18. – P. 61–74. DOI: 10.3233/ica-2011-0361

Герике, П.Б. Контроль технического состояния буровых установок серии DML по параметрам механических колебаний / П.Б. Герике // Вестник научного центра по безопасности работ в угольной промышленности. – 2014. – № 1. – С. 28–32.

Осипов, О.И. Техническая диагностика автоматизированных электроприводов / О.И. Осипов, Ю.С. Усынин. – М.: Энергоатомиздат, 1991.– 160 с.

Стационарные буровые установки // Нефтегазовые установки «Уралмаш НГО Холдинг». – http://www.uralmash-ngo.com/shop/statsionarnye-burovye-ustanovki/#1575541623761-51016d4a-43227e97-cfca (дата обращения: 19.01.2021).

Лебедев, Л.С. Модернизированный метод поиска неисправностей на основе П-алгоритма / Л.С. Лебедев // Вестник ИрГТУ. – 2014. – Т. 1, № 84. – C. 100–107.

Осипов, О.И. Диагностирование непрерывных последовательностных объектов электропривода / О.И. Осипов, С.М. Бутаков // Электротехнические системы и комплексы: межвуз. сб. науч. тр. – Магнитогорск: МГМА, 1996. – Вып. 1. – С. 65–75.

Основы технической диагностики. В 2 кн. Кн. 1: Модели объектов, методы и алгоритмы диагноза / В.В. Карибский, П.П. Пархоменко, Е.С. Согомонян, В.Ф. Халчев; под ред. П.П. Пархоменко. – М.: Энергия, 1976. – 464 с.

Науменко, А.П. Методы технической диагностики: материалы лекций. – Омск: ОмГТУ, 2016. – 125 с.

Прахов, И.В. Разработка интеллектуальной системы диагностики насосных агрегатов с электрическим приводом. / И.В. Прахов, А.В. Самородов, М.Г. Баширов // Современные наукоемкие технологии. – 2017. – № 10. – С. 58–62.

Ghosh Eshaan. Machine learning based early fault diagnosis of induction motor for electric vehicle. PhD. Diss. / Ghosh Eshaan. – Windsor, 2018. – 168 p.