海底复杂环境下深水采油树系统失效机理及故障诊断方法研究

A deepwater Christmas tree system is one of the most significant equipment of offshore oil subsea production systems. In submarine complex environment, the faults of deepwater Christmas tree systems would cause marine ecological environment destruction and enormous economic losses. Given this situation, types, modes, failure mechanism and dynamic development law of faults of deepwater Christmas tree systems in submarine complex environment are investigated, a state transition modelling methodology of transient, intermittent and permanent faults is proposed, and effects of non-permanent faults on system failure are analyzed. A method of fusion of finite element analysis models and Bayesian networks is studied, a method of mapping from control flow charts to Bayesian networks is also proposed, and fault diagnosis models of deepwater Christmas tree systems are established. Fault decision rules, fault propagation path search method, fault localization method, and conflict analysis method of evidence are researched. A reliability-centered repair and preventive maintenance decision-making model of deepwater Christmas tree systems taking account of remaining useful life, cost, downtime, and operating risk are developed. It can provide scientific basis of decision making for rational repair and maintenance. Therefore, this study contributes to the theories of Bayesian networks and fault diagnosis, improves the safety of offshore oil exploration and exploitation, and is of great significance in theory and practical value in engineering.

深水采油树系统是海洋石油水下生产系统最重要的设备之一，在海底复杂环境下，其故障的发生在破环海洋生态环境的同时，给生产方造成难以估计的经济损失。本项目研究海底复杂环境下深水采油树系统故障发生的类型、模式、失效机理和动态演变规律，提出瞬态故障、间歇故障和永久故障状态转移的理论建模新方法，研究揭示非永久故障对系统失效的影响规律；研究有限元分析模型与贝叶斯网络的融合方法，提出控制流程向贝叶斯网络映射的新思路，建立深水采油树系统的故障诊断模型，探明故障判定规则、传播路径、定位和证据冲突分析等问题；考虑剩余寿命、费用、停机时间和操作风险等关键因素，建立以可靠性为中心的维修与预防性维护多属性决策模型，为操作人员制定最佳维修与预防性维护方案提供科学合理的依据。本项目的研究成果不仅可以丰富贝叶斯网络和故障诊断的理论和内容，还能为我国海洋石油勘探开发保驾护航，具有重要的理论意义和工程应用价值。

深水采油树系统是海洋石油水下生产系统最重要的设备之一，在海底复杂环境下，其故障的发生在破环海洋生态环境的同时，给生产方造成难以估计的经济损失。本项目研究了海底复杂环境下深水采油树系统瞬态、间歇和永久故障发生的模式和动态演变规律，设计了多应力下采油树关键电控部件的加速可靠性试验方法，提出了融合贝叶斯网络、差分进化算法和样本趋势方法的人工智能增强的可靠性评价方法，揭示了电控系统的失效机理与薄弱环节。研究了知识驱动深水采油树多重冗余闭环控制系统故障诊断方法。利用闭环控制系统的故障与系统性能及监测信息的因果关系，建立了动态贝叶斯网络故障诊断模型，可对系统系统性能作动态评估并结合多源监测信息实现采油树故障的精确诊断，研究获得了闭环控制算法、瞬态、间歇与永久故障、监测数据不完整度、故障节点的预分配先验概率对故障诊断效能的影响规律。研究了基于剩余使用寿命的深水采油树多组件系统的视情维修方法。考虑不完全维修和组件备件的影响，揭示了单位时间备件存储与保养费用、单位时间停机损失、维修准备花费、预测误差系数等对维修决策变量和单位时间维修花费的影响，结果表明，深水采油树多组件系统的备件总数为7时可较好地满足系统组件的更换需求。研究了深水采油树系统传感器布置优化方法，建立了系统故障传播模型和传感器响应时间模型，构建了传感器布置的离散优化模型，基于蒙特卡洛仿真进行了粒子的优选比对，采用粒子群优化算法求解了传感器优化布置的最优解，研究表明，优化在迭代至80时达到最优解区间，在迭代至100-300时收敛于最优解。研究了故障诊断与维修决策软件的高可靠模块化设计方法，以及基于OPC接口和Netica软件的系统接口设计方法，基于Cimplicity 组态软件研发了深水采油树故障诊断与维修决策系统。本项目的研究成果不仅可以丰富贝叶斯网络和故障诊断的理论和内容，还能为我国海洋石油勘探开发保驾护航，具有重要的理论意义和工程应用价值。