一种基于动态优化的地质钻进过程钻速智能控制系统的制作方法

1.本发明涉及复杂地质钻进过程智能控制领域，尤其涉及一种基于动态优化的地质钻进过程钻速智能控制系统。


背景技术：

2.资源能源安全是国家安全的重要组成部分，也是国家经济可持续发展的关键之一。保障资源能源安全应立足于国内。随着浅层矿产资源的日益枯竭、深部成矿理论的发展以及国内外大量深部矿产资源的探明使得深部地质勘探和开发成为必然。但是深部地质钻进过程中存在“三高一扰动”的复杂地质力学环境，非线性、强耦合、强干扰等特性突出，导致地质钻进过程效率低、安全性差。因此，钻速智能控制是实现复杂地质钻进过程安全高效目标的重要基础。


技术实现要素：

3.为了解决上述问题，本发明提供了一种基于动态优化的地质钻进过程钻速智能控制系统，能够适应不同的地层条件，在线智能优化钻进过程参数参数(钻压、转速)，并下发给基础自动化层分别进行闭环控制，有效提升钻进过程效率。该地质钻进过程钻速智能控制系统主要包括：两层：智能优化层和基础自动化层，智能优化层为上层，基础自动化层为下层；
4.所述智能优化层，用于根据钻进过程数据建立钻速与钻进过程参数之间的钻速动态关系模型和对钻速及钻压进行优化操作，进而实现钻速智能优化计算，并将优化后的钻压和钻速作为设定值下发至下层；
5.所述基础自动化层，用于分别对钻压和转速进行闭环控制，并将采集的各类钻进过程数据发送至上层。
6.进一步地，所述钻进过程数据包括：当前时刻的钻速、钻压和深度。
7.进一步地，所述智能优化层包括钻速建模阶段和钻速优化阶段。
8.进一步地，在所述钻速建模阶段，采用滑动窗口、极限学习机方法和十折交叉验证方法，利用钻进过程数据建立钻速与钻进过程参数之间的动态关系模型，该动态关系模型的输入为当前钻速、当前钻压和当前深度，输出为下一刻钻速。
9.进一步地，在所述钻速优化阶段，首先是对钻进过程数据进行预处理，然后再利用混合蝙蝠算法，得到优化的转速和钻压。
10.进一步地，建立所述钻速动态关系模型包括以下过程：
11.1)运用极限学习机方法建立当前时刻钻压、当前时刻转速、当前时刻深度与下一时刻钻速之间的关系模型，该关系模型公式如下：
[0012][0013]
β＝h

t
[0014]
式中，h是隐含层矩阵，h

是h的moore-penrose逆，t是输出向量，β是隐含层到输出层的权值，g()是激活函数，xi是输入参数，k为隐含层节点数，ωi是输入层到隐含层的权值，bi是隐含层偏置，i＝1,2,...,n；
[0015]
2)在所述关系模型中，引入滑动窗口和十折交叉验证方法，建立钻速动态关系模型；
[0016]
3)在利用样本数据集对钻速动态关系模型进行训练时，需要对所述样本数据集进行归一化处理；
[0017][0018]
其中，x
norm
是归一化后的数据集，x是真实的数据集，x
min
是数据集中最小的数据，x
max
是数据集中最大的数据；
[0019]
4)利用测试集对训练后的钻速动态关系模型进行测试时的验证指标如下：
[0020][0021][0022]
式中，rmse是均方根误差，nrmse是归一化均方根误差，yi是测量数据，是预测数据。
[0023]
进一步地，对钻速和钻压进行优化的过程如下：
[0024]
1)对钻进过程数据进行预处理，然后基于钻速动态关系模型和钻进约束条件，建立钻速动态优化模型；
[0025][0026][0027]
式中，y是下一时刻钻速，h是隐含层矩阵，g()是激活函数，xn是输入数据集合，xi是输入参数，k为隐含层节点数，h

是h的moore-penrose逆，t
t
,ω
t
,b
t
是t时刻的权值、偏置和输出向量，x
1min
,x
1max
,x
2min
,x
2max
分别是钻压和转速的下界和上界数值；
[0028]
2)基于钻速动态优化模型，利用混合蝙蝠算法，对钻进操作参数进行优化操作，所述钻进操作参数包括钻压和转速。
[0029]
本发明提供的技术方案带来的有益效果是：
[0030]
(1)本发明的一种基于动态优化的地质钻进过程钻速智能控制系统及系统，分两层(智能优化层、基础自动化层)建立钻速智能控制框架，能够为后面的钻速智能控制工作奠定良好的基础；
[0031]
(2)本发明的一种基于动态优化的地质钻进过程钻速智能控制系统及系统，运用混合蝙蝠算法优化钻进操作参数(钻压、转速)，能够极大程度跳出局部最优，有效提升钻进过程效率。
附图说明
[0032]
下面将结合附图及实施例对本发明作进一步说明，附图中：
[0033]
图1是本发明实施例中钻速智能控制系统的结构图。
[0034]
图2是本发明实施例中钻速智能控制对比结果图。
[0035]
图3是本发明实施例中算法迭代运行对比结果图。
具体实施方式
[0036]
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
[0037]
本发明的实施例提供了一种基于动态优化的地质钻进过程钻速智能控制系统，主要解决了现有地质钻进过程钻速优化方法大多采用离线优化方式难以在地层环境多变的条件下，推荐合适的操作参数(钻压设定值、转速设定值)给司钻，导致钻速优化效率不高的问题。
[0038]
请参考图1，图1是本发明实施例中钻速智能控制系统的结构图，该钻速智能控制系统的框架分为两层：智能优化层和基础自动化层。在智能优化层，包括钻速建模阶段和钻速优化阶段(或钻速实施阶段)，在所述钻速优化阶段，首先是对钻进过程数据进行预处理，然后再利用混合蝙蝠算法，得到优化的转速和钻压。钻速建模阶段和钻速优化阶段是随着钻进过程开展依次交替进行，滑动窗口、极限学习机和十折交叉验证等多种技术被运用于此，建立钻速与井深、钻压、转速之间的钻速动态关系模型，该动态关系模型的输入为当前钻速、当前钻压和当前深度，输出为下一刻钻速。
[0039]
建立所述钻速动态关系模型包括以下过程：
[0040]
1)运用极限学习机方法建立当前时刻钻压、当前时刻转速、当前时刻深度与下一时刻钻速之间的关系模型，该关系模型公式如下：
[0041][0042]
β＝h

t
[0043]
式中，h是隐含层矩阵，h

是h的moore-penrose逆，t是输出向量，β是隐含层到输出
层的权值，g()是激活函数，xi是输入参数，k为隐含层节点数，ωi是输入层到隐含层的权值，bi是隐含层偏置，i＝1,2,...,n；
[0044]
2)在所述关系模型中，引入滑动窗口和十折交叉验证方法，建立钻速动态关系模型；
[0045]
3)在利用样本数据集对钻速动态关系模型进行训练时，需要对所述样本数据集进行归一化处理；
[0046][0047]
其中，x
norm
是归一化后的数据集，x是真实的数据集，x
min
是数据集中最小的数据，x
max
是数据集中最大的数据；
[0048]
4)利用测试集对训练后的钻速动态关系模型进行测试时的验证指标如下：
[0049][0050][0051]
式中，rmse是均方根误差，nrmse是归一化均方根误差，yi是测量数据，是预测数据。
[0052]
对钻速和钻压进行优化的过程如下：
[0053]
1)对钻进过程数据进行预处理，然后基于钻速动态关系模型和钻进约束条件(即下列钻压x
10
和转速x
20
的取值范围)，建立钻速动态优化模型；
[0054][0055][0056]
式中，y是下一时刻钻速，h是隐含层矩阵，g()是激活函数，xn是输入数据集合，xi是输入参数，k为隐含层节点数，h

是h的moore-penrose逆，t
t
,ω
t
,b
t
是t时刻的权值、偏置和输出向量，x
1min
,x
1max
,x
2min
,x
2max
分别是钻压x
10
和转速x
20
的下界和上界数值；
[0057]
2)基于钻速动态优化模型，利用混合蝙蝠算法，对钻进操作参数(钻压、转速)进行优化操作来提升钻速。优化后的钻压和转速会作为设定值下发到基础自动化层进行闭环控制。
[0058]
优化后的钻速和优化后的钻压分别输入至下层的基础自动化层的转速控制系统和钻压控制系统，然后对应的执行机构执行该优化后的钻速和优化后的钻压，通过各类检测仪表检测各类过程信息，即各类钻进过程数据，这各类钻进过程数据传输至上层的智能
优化层。
[0059]
运用图1中所述智能优化层中的钻速建模和钻速优化/实施方法进行计算，并将钻进操作参数(钻压、转速)下发至基础自动化层，得到如图2所示的钻速智能控制对比结果，所提方法提升钻速28.37％，在对比方法中最高。七种对比方法包括：滑动窗口-极限学习机-蝙蝠算法(mw-elm-ba)、滑动窗口-极限学习机-粒子群算法(mw-elm-pso)、支持向量回归-混合蝙蝠算法(svr-hba)、支持向量回归-单纯形算法(svr-nm)、支持向量回归-粒子群算法(svr-pso)、支持向量回归-模拟退火算法(svr-sa)、支持向量回归-混合蛙跳算法(svr-sfla)。与7种知名钻速优化方法的对比结果，验证了所提方法的有效性。
[0060]
算法迭代运行对比结果如图3所示，可知所提方法能够较快的跳出局部最优并收敛。
[0061]
本发明的有益效果是：
[0062]
(1)本发明的一种基于动态优化的地质钻进过程钻速智能控制系统及系统，分两层(智能优化层、基础自动化层)建立钻速智能控制框架，能够为后面的钻速智能控制工作奠定良好的基础；
[0063]
(2)本发明的一种基于动态优化的地质钻进过程钻速智能控制系统及系统，运用混合蝙蝠算法优化钻进操作参数(钻压、转速)，能够极大程度跳出局部最优，有效提升钻进过程效率。
[0064]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。