鉆井過程中故障檢測與診斷方法的研究.pdf

1、鉆井是石油、天然氣勘探開發(fā)的重要手段。鉆井工程是一項以地下為對象、隱蔽性很強的工程，很容易發(fā)生鉆井事故，嚴重威脅鉆井過程的安全，并且很大程度上影響整個鉆井過程的進度、質(zhì)量和經(jīng)濟效益。
　　綜合錄井技術能實時監(jiān)測鉆井過程相關的工程參數(shù)、鉆井液參數(shù)、氣體組分和地層壓力等多項參數(shù)[1]，并能對其進行量化分析，這為鉆井過程實時在線的故障診斷提供了基礎，但綜合錄井技術的故障診斷模塊依然停留在閾值法和人工經(jīng)驗進行判斷，經(jīng)常造成異常情況的遲報、

2、錯報甚至漏報。在對多年來鉆井事故的統(tǒng)計分析中得知，事故的先兆發(fā)現(xiàn)不及時、事故類型判斷和處理不正確是導致嚴重事故發(fā)生的主要因素[2]。
　　針對當前綜合錄井技術中故障診斷方法的不足，本文提出基于RS-SVM（粗糙集-支持向量機）的人工智能診斷方法，將該方法應用到鉆井過程診斷中，模擬現(xiàn)場專家的判斷，大大提高故障診斷的準確性、實時性。本文主要工作如下:
　　首先，介紹鉆井工藝，研究鉆井過程故障類型及其發(fā)生機理，對故障進行特征分析，

3、并研究特征數(shù)據(jù)的數(shù)學描述方法及鉆井過程狀態(tài)識別方法。
　　其次，分析故障檢測與診斷的各類人工智能診斷方法，引出適合鉆井實際情況的粗糙集和支持向量機的方法。分別研究粗糙集及支持向量機的基本理論及在故障診斷中的應用，推出RS-SVM融合的算法。
　　最后，將RS-SVM融合方法應用到鉆井過程故障的實際診斷中，先利用粗糙集方法對故障樣本進行屬性約簡，在不改變故障分類的基礎上最大程度的去除冗余特征，降低了樣本的維數(shù)，再將經(jīng)粗糙集方法