石油机械
CHINA PETROLEUM MACHINERY
2021年第49卷第6期—51 —
V 海洋石油装备A
*基金项目：国家自然科学基金项目“海底油气管道封堵致振机理及气动减振控制方法研究”（51575528）°
苗兴园赵弘
(中国石油大学(北京)机械与储运工程学院)
苗兴园，赵弘.管内智能封堵器气动减振系统主动控制.石油机械，2021，49 (6) : 51-60.
摘要：管内智能封堵器可以在不停输的情况下进行管内高压封堵作业，无需在管道上开孔， 工作效率高。为进一步提高封堵器在流场中的稳定性，通过对气动控制系统进行分析，利用Mat- lab/Simulink 软件建立了气动系统的数学模型；利用RBF 神经网络建立了封堵器尾部压力和涡量
与扰流板角度之间的非线性映射关系，并与气动系统和扰流板运动相关联，采用主动控制方式对
管内流场压力和涡量进行控制，同时为提高系统控制精度，引入了 PID 控制器，并采用遗传算法
在线调整PID 参数，对管内流场进行了仿真。仿真结果表明：改进PID 控制相比于传统PID 控制
超调量小，可以保证压力和涡量快速准确地下降到目标值，实现对管内流场的精确控制，降低封
堵器所受的冲击；使压力和涡量达到最佳状态的时间为1.7 s ，此时对应的扰流板翻转角度大约为 32°，对应的压力为13.9 MPa ，涡量为355. 4 s -1。所得结论对保证管内智能封堵器作业的稳定性
有重要意义。
关键词：智能封堵器；气动减振；扰流板；RBF 神经网络；PID 控制；遗传算法；主动控制
中图分类号：TE832 文献标识码：A DOI ： 10. 16082/j. cnki. issn. 1001-4578. 2021. 06. 008
Active Control of Pneumatic Damping System for Intelligent Pipeline Plug
Miao Xingyuan Zhao Hong
(College of Mechanical and Transportation Engineering ，China University of Petroleum ( Bei/ing ) )
Abstract ： The internal intelligent plug can carry out high-pressure plugging operation in pipeline without
rs232和ttl
stopping transportation ； without opening hole in pipe , the work efficiency is high. In order to further improve the
stability of the plug in the flow field , by means of analyzing the pneumatic control system , the Matlab/Simulink software was used to build the mathematical model of pneumatic system. The RBF neural network was used to estab
lish the nonlinear mapping relationship between the tail pressure and vorticity of the plug and the angle of the inter
ceptor , which is correlated with the pneumatic system and the motion of the interceptor. Active control mode was used to control the flow field pressure and vorticity in the pipe. In order to improve the control accuracy of the sys
改锥头
tem , the PID controller was introduced , and the genetic algorithm was used to adjust the PID parameters on line to simulate the flow field in the pipeline. The simulation results show that the overshoot of the improved PID control is smaller than that of the traditional PID control , which can ensure the pressure and vorticity to decrease rapidly and
accurately to the target value , realize the accurate control of the flow field in the pipeline and reduce the impact re
磨球ceived by the plug; the time to make the pressure and vorticity reach the optimal state is 1. 7 s , the corresponding interceptor turning angle is about 32°, the corresponding pressure is 13. 9 MPa , and the vorticity is 355. 4 s -1. The
conclusions are of great significance to ensuring the stability of the plugging operation.
Keywords ： intelligent plug ； pneumatic damping ； interceptor ； RBF neural network ； PID control ； genetic al-
gorithm ； active control
—52—石油机械2021年第49卷第6期
0引言到此状态下，提高封堵器的减振效果。所得结论对保证封堵器作业的稳定性有重要意义。
近年来，管道腐蚀和泄漏事故时有发生，对环境造成了严重污染，甚至引发重大安全事故，迫使人们对管道维抢修技术的需求逐渐提高。开孔封堵方法在国内发展较为成熟，但这种技术所需时间较长，工作量大，对管道输送效率有影响，自动化程度有待提高，尤其对于恶劣的海洋环境，开孔圭寸堵方法已不能满足要求［1-3］o管内智能封堵技术是一种新兴技术，这种技术可以在不停输的情况下进行管内高压封堵作业，而且无需在管道上开孔，避免了对管道的损害，工作效率高，因此被大量投入使用。美国TDW公司对管内智能封堵技术的研究居于世界前列，该公司研发的管内智能封堵器已经顺利完成120多次的高压封堵作业［4］o国内张仕民课题组完成了管内智能封堵器的结构设计和分析，并对重要零部件进行了优化，使封堵器功能更加完备［5-7］。李振北等［8-10］对封堵器的密封性能和锚定性能进行了研究，设计出了双封型封堵器，并对橡胶筒和卡瓦等零部件进行了尺寸优化，有效提高了封堵器的工作性能。笔者所在课题组对封堵器周围流场进行了分析，研究了不同封堵状态下管内流场［11］，并对封堵器端面形状以及尺寸参数和封堵速度等进行了优化［12-16］，使管内流场环境得到了改善。
笔者在前期的研究中，为了保证封堵作业的顺利进行，在封堵器尾部设计了3块可折叠的扰流板机构，在封堵过程中，由气动系统控制扰流板的翻转运动，以降低管内流场的压力和涡量。但流场中仍然存在压力脉动现象，对封堵器的减振效果有影响。为进一步提高封堵器在流场中的稳定性，笔者通
过对气动控制系统进行分析，利用Matlab/Simu-link软件建立了气动系统的数学模型。考虑到封堵器尾部区域对封堵过程的影响比较明显，选择封堵器尾部截面的平均压力和平均涡量来衡量管内流场状态；利用RBF神经网络建立了封堵器尾部压力、涡量与扰流板角度之间的非线性映射关系，并与气动系统和扰流板运动相关联，采用主动控制方式对管内流场压力和涡量进行控制，以保证封堵平稳进行；同时为提高系统控制精度，引入PID控制器，并采用遗传算法在线调整PID参数，对管内流场进行精确控制，使压力和涡量可以准确地降低到目标值。保证流场的控制精度后，得出管内流场压力和涡量的最佳状态，通过主动控制将管内流场调节1封堵器气动减振系统模型
1.1减振系统结构模型
管内智能封堵器减振系统主要包括智能封堵器机械结构部分和气动系统部分，如图1所示。机械部分作为整个系统的执行机构，主要有滑块、挤压碗、密封圈、承压头、执行器盘、推筒、底盘和扰流板等。封堵开始时，气缸带动推筒向左移动，使滑块沿挤压碗斜面向上滑动，滑块表面螺纹刺入管壁，使整个封堵器固定在相应管段；密封圈受到轴向挤压而径向膨胀，与管壁形成高压接触，完成管道封堵。同时，气缸带动底盘压缩弹簧，扰流板在支撑杆的作用下翻转。随着封堵的不断进行，气动系统控制扰流板的翻转，以改善管内流场环境。气动系统为整个减振系统提供动力，安装在气动系统安装箱中，主要包括微型空气压缩机、电气比例阀和气动三联件等。除气动系统以外，密封舱中还包括电磁信号控制单元，以及为系统提供能量的电池组。为消除管道中杂质的影响，在系统中安装皮碗来清
理管内杂质。封堵器与气动控制系统部分通过万向节进行连接，并支撑整个机构在管道中前进和转弯。
1
\
丄
9
主视图
23456781011
a.侧视图
1一扰流板；2一底盘；3一承压头；4一密封圈；
5—挤压碗；6—滑块；7—执行器盘；8—推筒；
硫化床
9—支撑机构；10—气动系统安装箱；11—电池仓。
图1管内智能封堵器气动减振系统结构模型
Fig.1Structural model of pneumatic damping
system for intelligent pipeline plug
2021年第49卷第6期苗兴园，等：管内智能封堵器气动减振系统主动控制—53—
1.2管内智能封堵器周围流场模型
在封堵过程中，管内智能封堵器周围流场会发生剧烈变化，出现压力脉动现象，使封堵器受到冲击而产生振动。为了观察管内流场的演化规律，笔者利用数值模拟的方法进行流场分析。随着封堵的进行，管内流场的压力和涡量逐渐增大，对封堵器工作的影响越来越大，因此选择封堵即将结束时的状态进行研究。
管内智能封堵器周围流场模型（见图2）选取一段直管段，管道长度2000mm，其中上游管道长度a二1000mm，下游管道长度b二525mm。圭寸堵器长度c=475mm，直径D=455mm，且圭寸堵器与管道同轴线。本次数值模拟针对外径为508mm、内径为488mm的管道进行研究，以液态水为介质。管道入口边界条件采用速度入口边界，入口速度为10m/s，管道出口边界条件采用压力出口边界。管壁和封堵器表面选择无滑移壁面边界条件，水力直径为管道内径。（见图4）可知，管道上游部分流速比
较稳定，在封堵器与管壁之间的缝隙有流体质点高速通过，封堵器尾部区域有明显的漩涡和回流现象。该区域速度较低且出现了驻点，这会对封堵器产生一定阻碍，尾部平均涡量为370.63s-1，尾部涡量仍然较大，这会导致封堵器尾部流场内漩涡发展更为剧烈，加剧流体对封堵器的冲击，影响封堵过程的正常进行。以上结论说明，只针对扰流板角度进行控制对管内流场的改善作用有限，应采用主动控制的方式直接控制流场的压力和涡量，从而使减振效果更加明显。
单位：Pa
1.282e+008
1.119e+008
9.564e+007
7.934e+007
6.304e+007
4.674e+007
3.043e+007
1.413e+007
-2.168e+006
-1.847e+007
-3.477e+007
图2管内智能封堵器周围流场模型
Fig.2Flow field model around intelligent pipeline plug
图3管道中心截面压力云图
Fig.3Pressure cloud chart of central section of pipeline
单位:m/s
5.380e+001
4.842e+001
紧急呼叫
4.304e+001
3.766e+001
3.228e+001
2.690e+001
2.152e+001
1.076e+001
5.380e+000
1.614e+001
0.000e+000
为保证数值模拟时的收敛性，采用四面体网格对封堵器周围流场进行网格划分，网格数量设为106数量级，既满足求解精度和收敛标准，又能确保合适的计算速度，使计算过程快速收敛。对封堵器减振模型进行网格无关性验证，当网格数量超过1X106个时，封堵器表面受力基本无变化，说明网格数量
对数值模拟结果没有明显的影响。
将扰流板角度设置为150°，选择封堵即将结束时的状态进行观察，即封堵进程为99%。由此时管道中心截面压力分布（见图3）可知，封堵即将结束时封堵器前端面受力较大，在封堵器与管壁之间的缝隙处呈现梯度分布，封堵器尾部也受到回流液体的冲击，尾部截面平均压力为15.3MPa。这说明管内流场对封堵器的冲击仍然较大，影响封堵作业的平稳进行，需要对流场进行控制，以改善封堵器周围流场环境。
由封堵即将结束时管道中心截面速度分布
图4管道中心截面速度云图
Fig.4Velocity cloud chart of central section of pipeline 1.3RBF神经网络模型
径向基神经网络（Radial Basis Function, RBF）是一种前向型神经网络，包括输入层、隐含层和输出层，对非线性连续函数具有较强的一致逼近功能［17］。RBF神经网络结构简单，具有良好的自适应能力和学习能力，收敛速度较快，能够逼近任意非线性函数［18］，适用于非线性映射关系的建立。
为了建立管内流场的压力和涡量与扰流板角度之间的函数关系，笔者分别对不同扰流板角度下的封堵器流场进行数值模拟，共得到51组试验数据。以扰流板角度作为RBF神经网络的输入，封堵器尾部截
面的平均压力和平均涡量作为神经网络的输出，隐含层包含51个节点，分别建立压力、涡量与扰流板角度之间的神经网络模型，如图5所示
。
—54—石油机械2021年第49卷第6期
将扰流板角度作为网络的输入参数，运用Matlab工具箱分别建立封堵器尾部平均压力和平均涡量与扰流板角度的网络模型，隐含层采用径向基函数作为基函数，输出层采用线性函数，网络类型选择严格的径向基网络（Radial Basis（exact fit）），网络的扩散速度设为1°RBF神经网络创建完成后不需要训练，可以直接进行函数预测和仿真。由压力和涡量网络模型的预测精度（见图6）可以看出，经过仿真验证后，管内智能封堵器减振系统的神经网络模型对于压力和涡量的预测误差分别控制在10-8和10-13数量级，这表明模型的预测精度较高，可以实现压力和涡量的精准预测°
0102030405060
迭代次数
a.压力预测精度
2.4
2.2
2.02封堵器气动减振控制系统建模
气动控制系统主要为扰流板的翻转运动提供动力，并针对扰流板的翻转角度进行控制。气动控制系统采用的是气动伺服原理，通过对气缸活塞位置的检测来间接控制扰流板角度，将位移传感器检测到的信号反馈到输入端，与输入信号进行比较，调整比例阀的开口度[19]，控制气缸活塞的运动，如此循环，直到输入信号与输出信号偏差为0，实现气动系统的位置伺服控制。图7为管内智能封堵器气动控制系统原理图°
图7管内智能封堵器气动控制系统原理图
Fig.7Schematic diagram of pneumatic control
system for intelligent pipeline plug
为了气动控制系统建模方便，假设工作介质为理想均匀气体，比例阀和气缸与外界无气体泄漏，同一腔体内气体压力和温度不变，气体流经阀口时为等熵绝热过程，动态过程中各参量变化符合小扰动假设，且在每一瞬时各点参数相等[20]°
气缸活塞力平衡方程为：
0.8-J
0.6」
q4------------------------------------------------------------------------------------------------------------------
'0102030405060
迭代次数钢格板压焊机
b.涡量预测精度
图6RBF神经网络模型预测精度
Fig.6Prediction accuracy of RBF neural network model
A1P1-A2P2=M+B dt+尸L+F f(1)
式中：M为活塞及负载质量，kg；B为黏性阻尼系数，（N・s）/m；/「l为负载力，N；/「为摩擦力，N；A1为气缸无杆腔有效面积，m2；A2为气缸有杆腔面积，m2；p1为气缸无杆腔绝对压力，Pa；p2为气缸有杆腔绝对压力，Pa；y为气缸活塞位移，m°比例阀的压力-流量方程为
：
2021 年 第 49 卷 第 6 期苗兴园，等：管内智能封堵器气动减振系统主动控制
— 55 —
X
> C t W C t
式中：C q 为流量系数，取0.628； Q m1为比例阀的
流量，m 3/s ； 4(、)为节流孔最小截面积，与阀芯
(2)
气缸流量连续性方程为：
的位移有关,4(、)=nd 、； T 为热力学温度，K ； /丿s
为气源压力，Pa ； C t 为临界压力比，取0.528，当
C t >0. 528时为亚声速流动，当C t <0. 528时为超声
速流动[21];、为比例阀阀芯位移，m ； d 为比例阀阀
芯直径，mm ； k 为空气绝热系数；R 为气体常数。
图8管内智能封堵器气动控制系统模型
Fig. 8 Model of pneumatic control system for intelligent pipeline plug
减振系统气缸直径为 125 mm ， 活塞杆直径为 50 mm，气源压力为0.7 MPa，将温度设置为293 K，外界载荷为8 130 No 由于气缸存在摩擦力、
气体本身的可压缩性以及阀口流动的非线性，气动 控制系统的非线性程度很高，若要求出系统的传递
函数，需要将系统线性化处理。非线性系统的局部 特征，可以通过将某一工作点附近的邻域近似线性
化来获得。
将系统参数代入到建立的模型中，利用Simu- link 软件中的trim()函数求解系统在指定输入下
的工作点。确定了工作点后，可以采用Simulink 软 件中的linmod()函数进行模型的线性化。对活塞 位于气缸行程中点时的系统进行线性化， 系统经过
线性化后，通过ss()函数转化为数组对象形式,Q _ 1 ( dF 1 叫 d p 1) Q m 1 _^T 1 [P 1 山 + k dj
(3)
式中：气缸流量与比例阀流量相等，所以也用Q m1 表示；F 1为进气腔气体体积，m 3； T 1为进气腔温
度， K 。
根据气动控制系统方程，利用Matlab/Simulink
软件搭建数学模型(见图8)o 将气缸活塞力平衡
模型、进气腔和排气腔流量方程模型以及比例阀进 气口和排气口流量方程模型分别作为子系统，并根 据参数之间的关系联系起来。为了使模型简化[22],
将摩擦力模型简化为人二A j + k 「丫，其中"j 为最大
静摩擦力，k v 为黏性摩擦因数。
最后用tf()函数得出系统的传递函数，即有:
s (52 + 71.37$ + 113.3)
3封堵器减振系统主动控制
为了保证封堵器在流场中平稳工作， 需要对管
内流场进行主动控制。图9为管内智能封堵器气动
减振系统控制原理图。将设定好的压力和涡量目标 值进行换算，使其转化为电信号输入到气动控制系
统，利用位移传感器实时检测活塞位移并反馈给输 入信号，构成闭环控制系统。气缸带动扰流板进行 翻转， 作用到管内流场， 实现对管内流场压力和涡
量的控制
。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议