基于PHM技术的测井设备智能管理体系的应用研究

李微微，尚景玉

（中海油田服务股份有限公司 油田技术事业部制造中心，河北 廊坊 065201）

基于PHM技术的测井设备智能管理体系的应用研究

李微微，尚景玉

（中海油田服务股份有限公司 油田技术事业部制造中心，河北 廊坊 065201）

测井设备的智能管理体系具有有效的预警和健康管理机制，能准确地预测故障并进行维修保养提醒。它是一种能够模拟人的自治性神经系统指挥身体运动的智能体系。PHM技术 （故障预测与健康管理）已成功地应用多个领域，论文讨论PHM技术应用于测井设备智能维修体系的方法与可行性，详细阐述了评估测井设备健康状态的方法。

智能管理体系；PHM技术

0 引言

故障预测与健康管理称为PHM技术，它包括两层含义，一是故障预测，即预先诊断部件或系统完成其功能的状态，确定部件正常工作的时间长度；二是健康管理，即根据诊断/预测信息、可用资源和使用需求对维修活动做出适当决策的能力。实际上，PHM技术现已广泛应用于机械结构产品中，比如核电站设备、制动装置、发动机、传动装置等。PHM系统正在成为新一代的飞机、舰船和车辆等系统设计和使用中的一个重要组成部分。

1 测井行业对PHM技术的需求

现今的石油测井行业随着国际化的势头发展迅速，作业区域不断扩大，作业设备的不断增多，技术水平日益提高，设备的维修、保养问题日益突出，寻求一种既便捷可靠又经济高效的方法提高测井设备状态的管理水平，保证测井作业的成功率已迫在眉睫。现阶段PHM技术在国内外测井行业并未得到充分开发和应用。针对海洋石油公司来说，石油测井设备现已与国际接轨，设备的技术水平稳步提高，种类多，数量大，作业区域广。预测其故障，监测其健康状态有着重要的意义和价值。

近年来因测井仪器的关键模块或元件故障而引起的灾难性事故时常发生，导致大量的人力、物力与财力的损失。现阶段测井设备实际管理存在着很大难度，海洋石油公司虽然正在使用比较先进的管理方法实现对测井仪器的检测和管理，但其使用方法复杂、操作人员工作量大，导致工作效率低下。目前还没有一个科学高效的智能系统来评价仪器实际健康状态命状态和管理设备状态。靠人为监测仪器状态与预测故障是很难实现的。现阶段需要工程师根据仪器保养规范对测井仪器进行定期保养（Ⅰ级、Ⅱ级、Ⅲ级），同时对情况进行综合分析，制定设备维修保养计划。同时，各个基地都要对仪器进行管理，包括：测井作业，仪器维修保养与仪器调拨（调配）等等。基地和基地之间仪器的信息不能够共享，管理难度较大，记录表格繁多，不能合理的分配与调配仪器。在测井设备的管理当中，将PHM技术的理念引入，可以监测影响仪器状态的各方面因素，预测故障和监测健康状态。系统利用有效信息对设备进行管理，省去人为的表格记录与监测，大幅度提高了效率。

2 评估设备健康状态和预测方法分析

在测井设备管理中，每支仪器都要建立自己的健康档案，进行健康管理。PHM智能管理体系，不仅可查阅仪器的健康状态与生命值，同时可预测故障并进行维修保养提醒。

2.1 测井设备健康状态的评估

在PHM概念中，评估健康状态方法有很多种，但对于测井设备来说，建立累积损伤的数学模型较易实现，符合测井设备现阶段发展的需要。首先要建立累积的损伤模型，基于对信息源搜集与分析，来评估产品的退化趋势。测井仪器需要通过复杂的电子控制系统和机械行动系统完成不同环境下的作业。工作环境、电子器件的生命周期对设备状态的影响巨大。电子件和机械件的可靠性直接影响设备的健康状态。需要搜集的信息源包括电子器件的生命周期、自然环境、作业情况等，总结为以下几个方面的信息：

（1）基本信息：包括电子器件的生命周期和来自生产过程的正常／故障状态的技术数据等。

电子器件的生命周期：人们在长期的生产实践中发现新制造出来的电子元器件，在刚投入使用的时候，一般失效较高，叫做早期失效。经过早期失效后，电子元器件便进入了正常的使用期阶段，在这一阶段中，电子元器件的失效率会大大降低。过了正常使用阶段，电子元器件便进入损耗老化阶段，意味着寿终正寝。这个规律，恰似一条浴盆曲线，人们称为电子器件的效能曲线。

可以将仪器的年限结合此曲线计算出仪器电子器件部分的健康值。经过老化筛选的电子器件，多处于偶然失效期，失效率近似为常数。相应地，电子设备的失效率也遵从相似的关系。失效率与平均故障间隔时间（MTBF）有如下关系：

λ=l/MTBF

图1 电子器件 “浴盆”曲线Fig.1 Electron component”bathtub”curve

技术数据：仪器在生产过程中的档案，包括质量检验记录，调试记录、FIT检查记录、下井测试记录等等数据。

（2）环境信息：在这几种信息源中，较复杂的为环境信息，其严重影响产品的可靠性。影响电子元器件可靠性的环境有单个因素和组合因素两种形式，实际上，组合环境对可靠性的危害要比单个环境的影响更大，例如温度和湿度的并存作用往往是引起电子元器件腐蚀的主要原因，清楚了解各类环境因素、组合效应以及它们对产品可靠性的影响程度是非常重要的。评估测井设备的健康状态方案除了考虑使用单个环境因素外，还必须要考虑组合的环境因素影响，因为电子元器件在运输、使用过程中有可能处在某种组合环境下。但目前环境因素的监测准确性的提高有些难度。测井设备分不同种类的仪器，如声波类，电法类，放射性类等等，仪器结构各不相同，因此影响每支仪器的环境因素也有所不同。评价作业时的健康状态要分类别，分仪器进行。

表1 为影响测井设备状态的环境因素的详细情况。同时包括影响电子件与机械件两方面的环境因素。

表1 影响测井设备健康状态的环境因素Tab.1 The environmental factors influencing the equipment health status

作业信息：从仪器的作业情况可轻而易举的分析到设备的作业时的健康情况，但单纯按照作业情况来评价仪器还较片面，需要与其它因素综合来考虑。下井作业的成功与否严重影响仪器的健康状态评估。通讯是否良好，上传数据是否正确，仪器能否正常动作等等。现场的作业情况，资料解释、曲线对比的情况均可作为仪器作业情况成功与否的依据。评价作业时的健康状态也要分类别，分仪器进行，不同仪器作业情况有所差别。

维修保养信息：在测井设备中，维修保养分三种级别（Ⅰ级、Ⅱ级、Ⅲ级），保养级别的不同，仪器所恢复的健康状态不同。例如，一级保养为更换O圈，涂抹O圈油等等简单保养，对仪器的健康状态恢复影响较小。评估健康值需分级别评价，同时也要依据不同的仪器来进行。设备经过维修后，将重新处于比较健康的状态。系统会将维修的情况和技术数据记录下来。

2.2 测井设备的健康状态分类

从健康管理角度可将航电设备的状态定义为以下几种情况：正常，错误，异常，故障和损坏。

（1）正常：设备按预定方式运行，按规定性能指标完成全部预定功能。

（2）错误：错误是设备或仪器在运行中偶发的、非预定状态，检测表现为 “未见故障”。错误可由于瞬时环境因素超限 (如外部强干扰)引起，或由连接故障引起。这是一种短时间的非稳恒的状态。

（3）异常：异常是设备偏离预定运行方式或规定功能范围的状态，表现为功能降级。异常多由于设备内部某些电路器件在某些临界外部条件（如温度）的作用下偏离预定工作状态所致，是敏感于相应条件并在该条件下会重复出现的状态。

（4）故障：故障是设备不能执行规定功能的状态，表现为功能丧失。故障虽然可能以环境因素为诱因，但其内在原因主要是设备存在设计缺陷，或运行中电子器件因不能承受外部应力而发生内部损伤。

（5）损坏：损坏是产品中故障部件不可恢复的、不能执行规定功能的状态。

根据以上定义， 认为状态 （1）和（2）属于健康，（3）属于亚健康，（4）和（5）属于病态。

2.3 累积损伤数学模型的建立

以上所述的健康状态分类是实时的健康状态，可根据作业信息进行判定。累积损伤数学模型应在设备处于某一状态的前提下进行建立，相当于设备的生命卡或健康档案，通过设备的年限与经历以分值的大小来评估仪器健康值，100分为满分。可以设定仪器出厂时的生命值，随着设备年龄的增加，设备的生命值随之变化（依据浴盆曲线）。根据基本信息计算出设备的基础生命值。然后按照以下的累积损伤数学模型，模拟出仪器的健康值：

测井设备的健康状态=设备基础生命值-下井作业损伤数值+环境因素损伤数值+维修保养恢复数值+…+…。

模型需要在逐步的实践中进行纠正，来提高评估设备健康状态的准确性。还需搜集和整理分析影响仪器健康状态的参数，逐步加入模型中，通过影响测井设备健康状态的关系来建立数学模型，得出设备健康状态值。随着对设备故障演化机理理解的逐步深入，模型可以被逐渐修正来提高其预测精度。但是，在实际的测井设备应用中要求模型具有复杂的动态特性，逐步的改进和完善预测的准确性和精度。

3 预测故障

基于以上累积损伤数学模型的建立，仪器的健康值已经得到了评估，系统接受来自状态监测模块以及健康评估模块的数据，可以产生故障诊断记录并确定故障发生的可能性。故障诊断应基于各种健康状态历史数据、工作状态以及维修历史数据等。通过对设备工作状态和工作环境实时监测，借助人工智能等先进的计算访求，诊断、预测和合理安排设备未来的维修保养时间。根据测井仪器作业时的状态与测量曲线等等做出故障预测。同时可根据信息源进行维修，根据设备的实际运行状态确定设备的最小维修保养时间。但以上所述方法的故障预测还不够全面，有些隐蔽故障很难预测，有待发现与挖掘更加符合测井设备的故障预测方法。

PHM体系中完成故障预测功能如图2所示。图中①数据采集：采集测井设备的各方面信息（基本信息、环境信息、历史信息、作业信息）；②数据预处理：接受来自人工输入的数据信息；③状态监测：其功能主要是将这些数据同预定的失效判段的依据进行比较，并且可根据预定的各种参数指标极限值；④故障诊断：接受来自状态监测模块以及健康评估模块的数据。主要评估被监测设备的健康状态，可以产生故障诊断记录并确定故障发生的可能性。故障诊断应基于各种健康状态历史数据、工作状态以及维修历史数据等；⑤故障预测：该部件由两部分组成，可综合利用前述各部分的数据信息，评估和预测被监测设备未来的健康状态，并做出维修保养的提醒。该步骤可以在被监测系统发生故障之前的提醒采取维修措施，实现了PHM系统管理的能力；⑥保障决策：状态监测模块的警告信息显示以及健康评估、预测和决策支持模块的数据信息的表

图2 故障预测流程Fig.2 Failure prediction process

示与显示等等。

4 结合PHM技术的智能管理体系预期

结合PHM技术的智能维修体系可评估设备健康状态，并对维修保养活动做出适当决策的能力。在决策和调配保障资源时，能获得一致的保障解和最佳的协调性,不需要技术人员在每个级别上频繁地决策和调度。由设备的自诊断与维修系统和其网络化、信息化、一体化的维修保障系统密切协同、高度集成。例如：通过预测仪器故障可知，设备需要进行Ⅲ级保养，系统将自动提示仪修工程师进行相应的工作。并将维修保养情况自动记录于系统中，给预测故障提供信息。仪器经过保养后的状态存入系统中，系统将此信息提供给故障预警模块，仪器的故障预警将发生变化。应用在测井仪器中可利用此系统查阅仪器的健康状态值，便于仪器管理与各基地之间的调拨。

虽然PHM技术发展迅速，但还远未成熟，在诸多方面面临巨大挑战。基于PHM技术的测井设备智能维修体系将会使测井设备有效降低生命周期的费用，提高设备出勤率和作业能力。此体系对测井领域来说有着重要的实际意义、使用价值以及广阔的发展前景。

[1]曾声奎，Michael G.Pecht，吴际.故障预测与健康管理（PHM）技术的现状与发展[J].航空学报，2005，5.

[2]姜云春，邱静，潘俊荣.装备自治性维修保障概念与体系研究[J].机械工程，2004，5.

[3]吴明强，等.飞行器故障预测与健康管理（PHM）集成工程环境研究.计算机测量与控制，2011，1.

[4]韩国泰.航空电子的故障预测与健康管理技术[J].航空电子技术，2009，3.

The Application Research of the Logging Equipment Intelligent Management Based on the PHM Technology

LI Wei-Wei，SHANG Jing-Yu
（Manufacturer and sales center of well-Tec of COSL，Lanfang Hebei 065201,China）

The logging equipment intelligent management has effective early warning and health management system,to be able to predict fault and maintenance.It is can it is a kind of intelligent system which can simulate human autonomy nerve system command body movement.PHM technology(fault prediction and health management)has been successfully used in several fields,this paper discuss method and feasibilityof the PHM technology applied in well logging equipment intelligent maintenance system,and expounded method of the evaluation logging method the health status of the equipment were introduced in detail.

intelligent management；PHM；technology

TP39

：Adoi:10.3969/j.issn.1002-6673.2014.03.057

1002－6673（2014）03－150－04

2013－12－05

李微微，2006年大庆石油学院毕业，电气工程及其自动化专业，工作于中海油田服务股份有限公司。