[發明專利]基于機器學習的智能鉆井實時井眼軌跡測量方法及系統

有效

• 申請號: 202110455700.X
• 申請日: 2021-04-26
• 公開（公告）號: CN113090188B
• 公開（公告）日: 2022-12-20
• 發明（設計）人: 高怡;李飛;毛艷慧;楊一;陳佳;樊恒
• 申請（專利權）人: 西安石油大學
• 主分類號: E21B7/04
• 分類號: E21B7/04;E21B44/00;E21B47/022;E21B49/00;E21B47/26
• 代理公司: 西安鼎邁知識產權代理事務所(普通合伙) 61263
• 代理人: 劉喜保

1.基于機器學習的智能鉆井實時井眼軌跡測量方法，其特征在于：包括以下步驟：

步驟1、建立智能動態數據庫；

將實時鉆井數據及模擬鉆井數據錄入智能動態數據庫；

步驟2、軌跡參數采集和處理；

對當前時刻地層參數和井眼軌跡信息進行采集和測量，通過計算得到實時井眼軌跡參數，將智能動態數據庫中的信息與井下鉆具實時測量的井眼軌跡姿態參數進行對比分析，評價井下鉆具的實時狀態；

所述時井眼軌跡參數包括井斜角、方位角和工具面角數據，所述井斜角、方位角和工具面角的計算公式如下：

式(1)中，g表示當地重力加速度，G_x，G_y與G_z分別為載體沿儀器坐標系X，Y與Z軸重力加速度的分量，I表示井斜角和T表示工具面角；

方位角A計算公式如下所示：

式(2)中，B_z為載體沿儀器坐標系Z軸地磁場分量；B_N，B_W與B_S的表達式如下：

其中，α為磁偏角，即地磁北極與地理北極之間的夾角；D為磁傾角，即地球表面上任意一點總地磁場強度矢量與水平面之間的夾角，B表示地磁場的磁感應強度；

步驟3、機器學習；

采用決策樹算法對步驟2中得到的實時數據進行機器訓練，對本井已鉆作業井段的樣本進行學習，優化智能動態數據庫，同步完成機器學習；

步驟4、軌跡校正；

將智能動態數據庫中的實時井眼軌跡數據與目標軌跡數據進行比對和分析，一旦實時井眼軌跡數據不滿足目標軌跡數據，對井眼軌跡實時校正，通過分析和判斷當前狀態，產生控制指令，直接在井下實現閉環控制；

步驟5、導向控制；

根據校正后的指令對井下鉆具的導向測控系統進行控制，調整井下鉆具的導向方向和導向能力，從而控制井下鉆具的運動方向，完成后繼續重復所述步驟1-5，實現實時測量。

2.根據權利要求1所述的基于機器學習的智能鉆井實時井眼軌跡測量方法，其特征在于：所述步驟2中井下鉆具實時測量的井眼軌跡姿態參數采用自適應卡爾曼濾波降噪后，將更新后的井眼軌跡姿態參數再存儲于智能動態數據庫中。

3.應用權利要求1-2任一項所述的基于機器學習的智能鉆井實時井眼軌跡測量方法的系統，其特征在于：包括井下鉆具(4)，所述井下鉆具(4)內部分別連接有檢測傳感器模塊(1)、采集處理模塊(2)和智能控制模塊(3)；

所述檢測傳感器模塊(1)包括三軸加速度計(101)、三軸磁通門(102)和高速陀螺儀(103)，所述三軸加速度計(101)、三軸磁通門(102)和高速陀螺儀(103)按照三軸正交方式安裝于井下鉆具內部；

所述采集處理模塊(2)包括調制解調電路、AD模數轉換、Flash多媒體軟件平臺和SDRAM同步動態隨機存取內存，所述調制解調電路、AD模數轉換、Flash多媒體軟件平臺和SDRAM同步動態隨機存取內存均分別電連接于井下鉆具的電路總成單元；

所述智能控制模塊(3)包括中央處理器和智能動態數據庫，所述中央處理器安裝于井下鉆具的電路總成單元，所述智能動態數據庫嵌套于智能控制模塊內部。

4.根據權利要求3所述的基于機器學習的智能鉆井實時井眼軌跡測量方法的系統，其特征在于：所述檢測傳感器模塊(1)和電路總承單元均設置于井下鉆具(4)內部且所述檢測傳感器模塊(1)電性連接于電路總成單元。