地热井花岗岩地层钻进提速技术研究与应用进展

复杂多变的地质环境和恶劣的施工条件给地质钻进过程控制提出了巨大挑战,大数据、人工智能等前沿技术的蓬勃发展给钻探行业带来了全新的发展机遇。首先,从钻进过程感知与建模、钻进过程智能优化与钻进过程控制3个方面阐述地质钻进过程智能控制的国内外发展现状。在钻进过程感知与建模方面,利用多源钻进过程信息,建立地质环境模型,实现地质环境变化和钻进过程状态的感知,基于钻进信息特征进行故障诊断和预警;在钻进过程智能优化方面,建立钻速预测模型,提出适合地质钻进过程的钻速优化算法,面向多样约束条件和优化指标探索最优钻进轨迹的设计;在钻进过程控制方面,通过建立钻柱、钻进轨迹、钻井液循环模型,设计控制器来调整钻压、转速、泵量等操作参数,保障钻进过程的安全高效。其次,论述了地质钻进过程智能控制系统及其工程应用情况。最后,展望了未来需要攻克的基于工业物联网的信息物理融合与钻进过程智能控制技术,包括多目标和高维约束的优化决策与控制一体化技术以及融合大数据、云边协同技术的网络化智能管控,从而提升地质钻进这类复杂工业系统的感知深度、综合调度和全局优化能力。随着新一轮找矿突破战略行动的开展,需加快推进人工智能、新一代信息技术与地质钻探相关工艺、理论方法和技术的深度融合,突破地质钻进过程智能控制的关键科学问题,研发先进的智能地质装备,为资源勘探和开发提供技术支撑。

     

地质钻探垂钻定向纠偏控制的工程实现与实验分析

理论提出的纠偏方法需反复进行实验验证方可应用于实际工程,然而垂钻纠偏控制过程复杂,操作难度大,所需时间长、资金庞大,直接将所提方法放置现场调试是不可取的,而仅采用计算机仿真对算法进行验证也有一定局限性,因此发展和研究纠偏控制工程实现方法十分必要。本文以地质钻探钻进过程定向纠偏控制的工程实现为导向,首先分析并给出实际纠偏工艺过程以及纠偏控制的特点与目标;然后总结基于模型预测控制的纠偏控制问题与优化目标,结合笔者早期的一些纠偏控制理论研究,分别阐述不同纠偏工况下的纠偏控制方法;其次开发定向纠偏控制系统,用于集成纠偏控制算法,使得算法能够应用于实际工程;最后设计纠偏控制实验,以验证纠偏控制算法的工程适用性。实验表明,所提纠偏控制方法能够有效应用于实际纠偏过程,并应对和完成多种纠偏任务。     

基于钻进状态监测的智能工况识别

钻进过程状态监测旨在实时描述钻进工况,判断运行性能优劣程度进行非优追溯,及时指导司钻人员调整作业操作,保证钻进过程安全、高效、稳定开展。钻进工况是钻进系统运行状态的反映,因此开展面向状态监测技术的钻进工况识别研究具有重要的理论和应用价值。本文针对钻进工况识别问题,基于状态监测数据,建立基于支持向量机的钻进工况识别模型,对钻进工况进行识别。综合工况识别结果,对钻进效率进行评估,并对影响钻进效率的因素进行讨论,寻找提升钻进效率的手段。最后,采用钻进现场实钻数据进行仿真实验,验证所提方法的可行性和有效性。     

隧道钻孔机器人及其运动学分析

煤矿井下施工瓦斯抽采孔作业过程中,钻孔机器人给进系统用于钻进过程加压、减压和给进。针对复杂地层不确定性扰动影响钻孔机器人工作性能和钻孔施工质量及效率的问题,首先分析钻孔机器人的结构组成和钻进施工工艺,根据其给进系统的工作原理,建立了减压阀控制数学模型,获得了控制输入量电磁铁电流与控制输出量减压阀出口压力的映射关系,并在明确给进力驱动方式的基础上对整个给进系统进行控制建模。随后设计了钻孔机器人给进力跟踪控制系统,使用Luenburger全维状态观测器重构被控对象状态,建立基于等价输入干扰估计(EID)与补偿的控制结构,设计了状态反馈控制器、状态观测器和干扰估计器增益矩阵,实现给进力闭环控制系统稳定的同时具有满意的跟踪与扰动抑制性能。最后利用Matlab软件搭建数值仿真模型,以某煤矿井下实际钻进施工时给进系统的实测钻进数据信号为例进行仿真研究,以给进力为控制目标,实测减压阀输出压力波动为依据设计外部扰动信号,分别采用所提EID控制方法和PID控制方法进行了对比仿真。结果表明：所提方法获得了比PID方法更小的稳态跟踪误差峰峰值,且跟踪误差更小,保证了给进系统稳定运行,具有较好的跟踪与扰动抑制性能。研究结果对提高钻孔机器人适应复杂煤层负载变化,保证其工作性能和安全高效施工提供了控制理论基础。

     

煤矿坑道钻进过程智能优化与控制技术

煤矿坑道钻进施工环境恶劣、复杂的煤层结构和繁杂的操作工序造成钻进效率低、钻进成本高。开展煤矿坑道钻进过程优化与控制技术的研究势在必行。围绕煤矿坑道钻进控制过程关键技术,从含煤地层岩性智能识别、钻进参数智能优化和智能控制3方面展开。首先,为了准确判断含煤地层类型,建立基于BP-Adaboost的含煤地层岩性智能识别模型。然后,在不同含煤地层条件下,建立基于机械比能和钻速的智能优化模型,为司钻人员提供最优给进压力和转速参考值。进而,提出一种基于模糊PID的给进压力控制策略,实现给进压力的有效控制。最后,基于煤矿坑道钻机智能钻进系统在淮南矿区某煤矿井下进行了现场试验。试验结果表明：所提含煤地层岩性智能识别方法的识别准确率达到96.75%;智能优化方法显著提升现场钻速,消耗的机械比能降低,在提高钻进效率的同时降低了钻进成本;给进压力控制策略使给进压力稳定运行在最优值附近,减小给进系统超调的同时,提升系统的响应速度,使给进压力的动态响应更加平稳。煤矿坑道钻进过程智能优化与控制技术能够保障钻进过程安全高效运行,促进煤矿坑道钻进技术智能化发展。     

基于贝叶斯网络的钻进过程井漏井涌事故预警

近年来,地质钻探在钻探装备和技术领域取得了长足发展,但在钻进过程事故预警方面的研究仍较欠缺。为保证钻进过程安全高效,降低事故造成的损失,本文提出了一种钻进过程井漏、井涌事故预警方法。首先,通过事故特性分析,选取表征事故特性的钻进参数。其次,考虑事故发生时钻进参数变化的不确定性,基于贝叶斯网络建立井漏、井涌事故预警模型。再者,为从含噪声的实际钻进数据中有效提取钻进参数的变化趋势,综合利用归一化、滑动平均和最小二乘线性拟合方法进行节点状态判断。最后,利用实际钻进数据对井漏、井涌事故预警模型的有效性进行验证,并对不同趋势判断界限和滑动窗口对报警性能的影响进行探讨。实验结果表明,该预警模型可对井漏、井涌事故进行有效预警,并且合适的趋势判断界限和滑动窗口可降低报警延迟,减少误报和漏报现象。