CN106121621A - 一种智能钻井专家系统 - Google Patents

Abstract

本发明公开了一种智能钻井专家系统，包括现场传感器检测系统、通信系统、智能专家系统和操作系统；现场传感器检测系统通过通信系统连接智能专家系统；智能专家系统连接操作系统，由此形成自动闭环钻井调控系统，现场传感器检测系统采集整个钻井过程的数据；将采集得到的数据通过通信系统送入所述智能专家系统进行处理监测、预报、分析、控制和处理，最后由所述操作系统执行智能专家系统分析后发出的操作指令。本发明能够实现实时性，早发现、早预报、随解释及自动控制功能，不但为钻井工程提供准确的信息，而且，具有降低钻井成本、提高钻井速度、杜绝意外事故、精准油气发现的优点。

Description

一种智能钻井专家系统

技术领域

本发明属于钻井勘探开发技术领域，尤其涉及一种智能钻井专家系统。

背景技术

石油钻机是由提升系统、旋转系统、循环系统、动力设备、辅助设备以及钻机底座等组成，是一套庞大和复杂的钻井工厂，按照钻井工程和工艺要求完成石油勘探和开发任务。控制系统和监视检测仪表是体现石油钻机技术水平的核心系统，由于钻机是机械、液压、气控、电控以及地质学、化学、数学、几何学、材料力学、流体力学等等多专业多学科的组合体，在钻机生产配套过程中，同一套钻机多达几十个厂家的配套，各专业厂家因专业屏障，严重缺乏跨专业、跨行业的统一协调，造成整套钻机控制技术水平不高以及重复配套和浪费，并且相同数据不同专业设备检测出不同数据，司钻无法获知哪个是正确的，更不能有效指导和精准控制设备安全高效的完成钻井任务。

另外，从实际钻井工艺需求角度看，各专业局部技术都已达到了同等国际水平。如交流变频电驱动控制系统的应用，完全可以精确控制绞车转速、游车位移、转盘扭矩、钻井泵排量和泵压等；钻井仪表可实现多参数测量和显示；井下随钻测量、旋转导向、地质导向等国际先进钻井技术也得到了成功应用。

但是，无论是垂直井、斜井、水平井还是大位移井，其执行设备都是由电控系统控制钻机绞车、转盘、顶驱、泥浆泵以及固控节流井控等设备实现的，，实际施工中，同样的井身结构，由于司钻个人经验的不同，又由于各专业和技术之间在实际应用中基本上是脱节的，由此导致不同的司钻会操作出不同效果的现象发生。因此，如何从钻井工艺要求出发，加强整体方案设计和研究，特别是一体化、自动化、智能化控制系统的设计和研究，是石油机械制造业的一个重大课题。

发明内容

本发明的目的在于提供一种智能钻井专家系统，旨在解决目前智能钻井专家系统信息不全面、没有统一管理等问题。

本发明是这样实现的，一种智能钻井专家系统，所述智能钻井专家系统包括现场传感器检测系统、通信系统、智能专家系统和操作系统；所述现场传感器检测系统通过所述通信系统连接所述智能专家系统；所述智能专家系统连接所述操作系统，由此形成自动闭环钻井调控系统；所述现场传感器检测系统采集整个钻井过程的数据；然后，将采集得到的数据通过所述通信系统送入所述智能专家系统进行处理监测、预报、分析、控制和处理，最后由所述操作系统执行所述智能专家系统分析后发出的操作指令；

所述的现场传感器检测系统用于在钻井全过程中，实时采集钻井检测数据，并将采集到的钻井检测数据通过所述通信系统实时上传给所述智能专家系统；所述的现场传感器检测系统包括地面传感器检测系统和井下传感器检测系统；

所述的智能专家系统用于接收所述现场传感器检测系统上传的所述钻井检测数据，并实时对所述钻井检测数据进行智能分析，以优化钻井现场工艺为目标，生成对钻井现场设备的调控指令，并将所述调控指令下发到对应的操作系统；所述的智能专家系统包括输入装置、微处理器、专家模型、存储器、电源装置、输出装置、报警装置和全过程信息化人机显示界面；

所述的操作系统用于接收所述智能专家系统下发的所述调控指令，并向对应的现场设备发送所述调控指令，进而控制该现场设备的工作状态，从而优化钻井现场工艺过程；所述操作系统所操作的现场设备包括提升系统、旋转系统、循环系统、动力设备、传动设备、控制系统和辅助设备；

所述的地面传感器检测系统包括绞车状态传感器检测子系统、自动送钻状态传感器检测子系统、转盘状态传感器检测子系统、顶驱运行状态传感器检测子系统、泥浆泵运行状态传感器检测子系统、泥浆固相及体积趋势状态传感器检测子系统、MCC的运行监控检测子系统、井控装置检测子系统、立管压力检测子系统和环空压力检测子系统；

所述的绞车状态传感器检测子系统用于检测以下信息：绞车运行状态、报警状态、游车位置、大钩悬重和绞车电机电流；

所述的自动送钻状态传感器检测子系统用于检测以下信息：送钻运行状态、报警状态、游车位置、大钩悬重和送钻电机电流；

所述的转盘状态传感器检测子系统用于检测以下信息：转盘转速、转盘力矩限制、转盘钻井扭矩和转盘电流；

所述的顶驱运行状态传感器检测子系统用于检测以下信息：顶驱运行状态、报警状态、钻井扭矩、上扣扭矩、顶驱转速、顶驱设置参数和顶驱电流；

所述的泥浆泵运行状态传感器检测子系统用于检测以下信息：泵冲、泵压、排量和转速；

所述的泥浆固相及体积趋势状态传感器检测子系统用于检测以下信息：泥浆入口密度、泥浆出口密度、泥浆入口粘度、泥浆出口粘度、泥浆入口流量、泥浆出口流量、泥浆入口温度、泥浆出口温度、含油含气检测、泥浆池液位高度、泥浆池总体积、泥浆入口电导率和泥浆出口电导率；

所述的MCC的运行监控检测子系统用于检测以下信息：液压站泵、绞车液压源、搅拌机、灌注泵、补给泵、加重泵、混合泵、除气器、振动筛、离心泵和剪切泵；

所述的井下传感器检测系统包括钻头钻压检测子系统、钻头扭矩检测子系统、钻头转速检测子系统、井底压力检测子系统、井底温度检测子系统和钻头方位角检测子系统；

所述的输入装置用于向所述处理器和专家模型输入基础数据源；所述基础数据源包括与钻井现场相关的井身工程数据、地质环境数据、设备属性数据、邻井资料数据以及所述现场传感器检测系统实时采集并上传的所述钻井检测数据；

所述的专家模型包括钻井水力学计算模型、钻井管柱力学计算模型、井眼稳定性分析模型、钻井风险预测及诊断模型、井眼轨道计算模型、机械钻速及成本预测模型和随钻地层压力预测模型；

所述的钻井水力学计算模型用于读取所述输入装置所输入的所述基础数据源，获得钻井泵特性、钻柱结构、钻头类别、钻井液性能、钻井液在管内和环空的流动状态；并计算得到实时钻进循环流动压耗，结合流体力学基本理论，优化确定钻井水力目标参数，进而生成对钻进过程的控制指令；

所述的钻井管柱力学计算模型用于读取所述输入装置所输入的当前实际钻具组合数据，获得实际使用的钻井管柱内的钻具属性，包括钻具类别、钻具长度、钻具内径外径值、钻具抗拉抗扭值、钻具使用年限和钻具级别信息；并计算得到实时钻进时该钻具的力学数据，优化确定钻井机械极限约束保护参数，进而生成对钻进过程的控制指令；

所述的井眼稳定性分析模型用于读取所述输入装置所输入的派生数据源，获得钻井液在环空地层的实时压力平衡特性，自动计算识别地层岩性，以及不同地层和岩性的可钻性稳定性特点，优化钻进泥浆及水力参数；

所述的钻井风险预测及诊断模型用于预建立各种钻井风险模型；将所述输入装置所输入的所述基础数据源输入到所述钻井风险模型，运行所述钻井风险模型，对现场钻井工况进行风险预测；其中，所述钻井风险模型包括井涌风险模型、井喷风险模型、井漏风险模型和卡钻风险模型；

所述的井涌风险模型、所述井喷风险模型和所述井漏风险模型的运行过程为通过所述基础数据源，得到气体检测、钻时数据和钻井液参数的变化情况，通过对所述气体检测、钻时数据和钻井液参数的变化情况进行分析，预测相关风险；

所述的卡钻风险模型包括压差粘吸卡钻子风险模型、沉砂卡钻子风险模型、坍塌卡钻子风险模型、井壁掉块卡钻子风险模型、开泵憋漏卡钻子风险模型、井内落物卡钻子风险模型、缩径卡钻子风险模型、键槽卡钻子风险模型和钻头泥包卡钻子风险模型；

所述的井眼轨道计算模型用于获得真实的地层剖面完整资料，包括地层岩性和密度、储层特性及标志层、气顶、油层、夹层、油底岩性及其深度、地层流体深度和流体压力、流体性质、实钻三维井身轨迹、钻柱及其各组配件与钻头的实时工况、井下钻井动态工况；对所述地层剖面完整资料进行综合分析与整合集成，解释处理得出待钻井段优化的技术参数及决策，并与设计井身结构地质和工程模型时刻比较，生成对钻进过程的控制指令；

所述的机械钻速及成本预测模型用于预测实时钻压，并对钻压转速进行优化；具体为关联钻进过程基本规律的数学模式与既定的优化目标，建立钻进目标函数；在此基础上，运用人工智能控制理论及各种线性、非线性规划方法，在确定各种约束条件的情况下，优化目标函数的各项钻进参数，进而生成对钻进过程的控制指令；

所述的随钻地层压力预测模型用于对井底压力控制及泥浆管汇系统自动化控制；具体为实时分析计算在停泵、停钻、起钻、下钻、钻进工况下的井底压力，运用井底压力平衡理论，建立井底压力控制模型，从而优化钻进以及起下钻速度，进而生成对钻进过程的控制指令，控制井侵、溢流、井涌、井喷、井漏、井塌钻井事故的发生；

所述的电源装置用于向所述处理器和全过程信息化人机显示界面提供不间断的电源供应，所述电源装置包括电源连接装置、蓄电装置和继电保护装置；

所述的电源连接装置包括至少一个连接外部电源的电源输入电路和至少一个连接负载的负载输出电路；

所述的蓄电装置包括连接蓄电池的蓄电池充放电电路；

所述智能钻井专家系统采用以下方法进行钻井：

步骤一、根据目标储层的地震资料和地质资料的分析处理结果，确定所述目标储层中水平井段中地质突变的预测区域，当所述水平井段中的钻井钻头到达预测区域时，根据获取的随钻地质资料，确定所述地质突变在所述预测区域中的位置和所述地质突变的类型；

步骤二、基于压力波在不同含气率的钻井液中的传播速度不同判断气侵并检测气侵位置；

步骤三、基于实钻轨迹最后两测点的测斜数据，计算末测段的轨迹特征参数，所述测斜数据为井深、井斜角、方位角，所述轨迹特征参数用于表征最后测段的轨迹形状；

步骤四、基于实钻轨迹末测段的轨迹特征参数，采用外推法计算井底点的轨迹参数，所述轨迹参数包括井斜角、方位角和空间坐标；

步骤五、建立通用的靶平面方程以及靶点坐标系与井口坐标系之间的坐标转换关系，以适用于各种井型的靶平面；

步骤六、测量暂停钻井液循环状态下的静态环空压力和启动钻井液循环状态下的动态环空压力，测量地面回压，根据所述的地面回压和静态环空压力计算生成等效环空钻井液密度，根据所述的地面回压、等效环空钻井液密度和动态环空压力计算生成环空循环压耗；

步骤七、基于所述井底点的轨迹参数和井段长度，预测入靶方向并校核是否满足工程要求，所述入靶方向包括入靶井斜角和方位角；

步骤八、根据所述地质突变的位置和地质突变类型、气侵位置、环空循环压耗、预测入靶方向调整钻井钻头的钻进方向；

测量钻井液流变性能，根据所述的钻井液流变性能确定水力学模型，并根据所述的等效环空钻井液密度、环空循环压耗和水力学模型计算生成环空钻井液流量；

根据所述的等效环空钻井液密度、环空钻井液流量、地面回压以及包括井深、井眼尺寸的钻井数据计算生成全井段环空压力分布信息；

将所述的全井段环空压力分布信息输出。

进一步，所述通信系统设置有协同通信模块，所述协同通信模块的信息处理方法包括：

各个中继节点和目的节点收到的信号分别为和y_SD：

$y_{{\mathrm{SR}}_i}=\sqrt{P_s}{h}_{{\mathrm{SR}}_i}x+n_{{\mathrm{SR}}_i}---\left(1\right)$

$y_{SD}=\sqrt{P_S}{h}_{SD}x+n_{{\mathrm{SD}}_i}---\left(2\right)$

式(1)、式(2)中，x是源节点发送的信号，P_S是源节点的发射功率，是源节点到各个中继节点间的信道增益，h_SD是目的节点和源节点之间的信道增益，信道服从均值为零，源节点到各中继节点的信道符合方差为的复高斯分布，目的节点到源节点的信道符合方差为σ_SD的复高斯分布；是源节点和各中继节点间的加性高斯白噪声，n_SD为源节点和目的节点间的加性高斯白噪声，它们服从均值为零，方差分别为和N_SD的复高斯分布；

目的节点收到R₁的信息为目的节点收到R₂的信息为R₁收到R₂的信息为R₂收到R₁的信息为

$y_{R_{1}D}=\sqrt{P_{R_1}}{h}_{R_{1}D}{y}_{{\mathrm{SR}}_1}+n_{R_{1}D}---\left(3\right)$

$y_{R_{2}D}=\sqrt{P_{R_2}}{h}_{R_{2}D}{y}_{{\mathrm{SR}}_2}+n_{R_{2}D}---\left(4\right)$

$y_{R_2{R}_1}=\sqrt{P_{R_2}}{h}_{R_2{R}_1}{y}_{{\mathrm{SR}}_2}+n_{R_2{R}_1}---\left(5\right)$

$y_{R_1{R}_2}=\sqrt{P_{R_1}}{h}_{R_1{R}_2}{y}_{{\mathrm{SR}}_1}+n_{R_1{R}_2}---\left(6\right)$

式(3)、(4)、(5)、(6)中，分别为中继节点R₁和R₂接收到来自源节点S的信息，为中继节点R₁的发送功率，为中继节点R₂的发送功率，为信道增益，它满足均值为零，方差分别为的复高斯分布； 为加性高斯白噪声，满足均值为零，方差分别为 的复高斯分布；中继节点选择方法是：首先选择一个误符号率最小的中继节点为最佳中继，被选择的最佳中继节点为R₁，然后再从中继节点区域中选择一个离最佳中继节点最近的一个中继节点作为选用的第二个中继节点，假设离最佳中继节点最近的第二个中继节点为R₂；

PE_γeq(R₁)＝min(PE_γeq(i)) (15)

$d_{R_1{R}_2}=min\left(d_{R_{1}Ri}\right)---\left(16\right)$

式(15)、(16)中，PE_γeq(R₁)为最佳中继节点的等效误符号率，为中继节点R₁与R₂之间的距离，为最佳中继节点R₁与其它中继节点R_i之间的距离；

目的节点接收到R₁和R₂的信号为：

$y_{2R_{1}D}=\sqrt{P_{2R_1}}{h}_{R_{1}D}{y}_{R_2{R}_1}+n_{R_{1}D}---\left(7\right)$

$y_{2R_{2}D}=\sqrt{P_{2R_2}}{h}_{R_{2}D}{y}_{R_1{R}_2}+n_{R_{2}D}---\left(8\right)$

式(7)、(8)中，为中继节点R₁收到来自中继节点R₂的信息，为中继节点R₂收到来自中继节点R₁的信息，为中继节点R₁第二次发送功率，为中继节点R₂第二次发送功率，和表示信道增益，和表示加性高斯白噪声。

进一步，所述操作系统设置有数据压缩单元，所述数据压缩的数据压缩方法的步骤为：

步骤一、在编码时，首先根据E1_n+1＝E1_n+d_n+1式计算出E1值，再根据和式计算出拟合残差；

步骤二、当一段输入数据的拟合残差全部计算完后，就构造出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}所示的数据包，通过S-Huffman编码方法对进行熵编码，然后发送出去，接收端解码时，先将接收到的一组数据解码，还原出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}式所示的数据包，然后根据式计算并还原出所有原始数据。

技术效果

本发明提供的智能钻井专家系统通过现场传感器，采集整个钻井过程的数据，包括地面和井下的一切与钻井有关的设备和钻井工程数据，如：钻机提升系统、旋转系统、循环系统、动力设备、辅助设备等的状态和运行数据；然后，将采集得到的数据送入计算机进行处理监测、预报、分析、解释、控制等。其中，最重要的是，本发明研发的钻井水力学控制、井壁稳定性控制、摩阻和扭矩控制、钻速和成本控制、钻井复杂和事故控制等跨专业、跨行业智能和专家控制模型，能够实现实时性，早发现、早预报、随解释及自动控制功能，不但为钻井工程提供准确的信息，而且，本系统会自动的作出迅速决策，具有降低钻井成本、提高钻井速度、杜绝意外事故、精准油气发现的优点。

附图说明

图1是本发明实施例提供的智能钻井专家系统的结构示意图；

图2是本发明实施例提供的地面传感器检测系统的结构示意图；

图3是本发明实施例提供的井下传感器检测系统的结构示意图；

图4是本发明实施例提供的专家模型的结构示意图；

图5是本发明实施例提供的电源装置的结构示意图；

图6是本发明实施例提供的报警装置的结构示意图；

图7是本发明实施例提供的全过程信息化人机显示界面的结构示意图。

图中：1、现场传感器检测系统；1-1、地面传感器检测系统；1-1-1、绞车状态传感器检测子系统；1-1-2、自动送钻状态传感器检测子系统；1-1-3、转盘状态传感器检测子系统；1-1-4、顶驱运行状态传感器检测子系统；1-1-5、泥浆泵运行状态传感器检测子系统；1-1-6、泥浆固相及体积趋势状态传感器检测子系统；1-1-7、MCC的运行监控检测子系统；1-1-8、井控装置检测子系统；1-1-9、立管压力检测子系统；1-1-10、环空压力检测子系统；1-2、井下传感器检测系统；1-2-1、钻头钻压检测子系统；1-2-2、钻头扭矩检测子系统；1-2-3、钻头转速检测子系统；1-2-4、井底压力检测子系统；1-2-5、井底温度检测子系统；1-2-6、钻头方位角检测子系统；2、通信系统；3、智能专家系统；3-1、输入装置；3-2、微处理器；3-3、专家模型；3-3-1、钻井水力学计算模型；3-3-2、钻井管柱力学计算模型；3-3-3、井眼稳定性分析模型；3-3-4、钻井风险预测及诊断模型；3-3-5、井眼轨道计算模型；3-3-6、机械钻速及成本预测模型；3-3-7、随钻地层压力预测模型；3-4、存储器；3-5、电源装置；3-5-1、电源连接装置；3-5-2、蓄电装置；3-5-3、继电保护装置；3-6、输出装置；3-7、报警装置；3-7-1、收发模块；3-7-2、处理器；3-7-3、RS232接口电路；3-7-4、LED灯；3-7-5、音箱；3-8、全过程信息化人机显示界面；3-8-1、显示面板；3-8-2、单元层；3-8-3、粘接层；4、操作系统；4-1、提升系统；4-2、旋转系统；4-3、循环系统；4-4、动力设备；4-5、传动设备；4-6、控制系统；4-7、辅助设备。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图1-7及具体实施例对本发明的应用原理作进一步描述。

一种智能钻井专家系统，该智能钻井专家系统采用以下方法进行钻井：

步骤一、根据目标储层的地震资料和地质资料的分析处理结果，确定所述目标储层中水平井段中地质突变的预测区域，当所述水平井段中的钻井钻头到达预测区域时，根据获取的随钻地质资料，确定所述地质突变在所述预测区域中的位置和所述地质突变的类型；

步骤二、基于压力波在不同含气率的钻井液中的传播速度不同判断气侵并检测气侵位置；

步骤三、基于实钻轨迹最后两测点的测斜数据，计算末测段的轨迹特征参数，所述测斜数据为井深、井斜角、方位角，所述轨迹特征参数用于表征最后测段的轨迹形状；

步骤四、基于实钻轨迹末测段的轨迹特征参数，采用外推法计算井底点的轨迹参数，所述轨迹参数包括井斜角、方位角和空间坐标；

步骤五、建立通用的靶平面方程以及靶点坐标系与井口坐标系之间的坐标转换关系，以适用于各种井型的靶平面；

步骤六、测量暂停钻井液循环状态下的静态环空压力和启动钻井液循环状态下的动态环空压力，测量地面回压，根据所述的地面回压和静态环空压力计算生成等效环空钻井液密度，根据所述的地面回压、等效环空钻井液密度和动态环空压力计算生成环空循环压耗；

步骤七、基于所述井底点的轨迹参数和井段长度，预测入靶方向并校核是否满足工程要求，所述入靶方向包括入靶井斜角和方位角；

步骤八、根据所述地质突变的位置和地质突变类型、气侵位置、环空循环压耗、预测入靶方向调整钻井钻头的钻进方向。

进一步，测量钻井液流变性能，根据所述的钻井液流变性能确定水力学模型，并根据所述的等效环空钻井液密度、环空循环压耗和水力学模型计算生成环空钻井液流量；

根据所述的等效环空钻井液密度、环空钻井液流量、地面回压以及包括井深、井眼尺寸的钻井数据计算生成全井段环空压力分布信息；

将所述的全井段环空压力分布信息输出。

本发明实施例的智能钻井专家系统包括现场传感器检测系统1、通信系统2、智能专家系统3和操作系统4；所述现场传感器检测系统1通过所述通信系统2连接所述智能专家系统3；所述智能专家系统3连接所述操作系统4，由此形成自动闭环钻井调控系统。所述现场传感器检测系统1采集整个钻井过程的数据；然后，将采集得到的数据通过所述通信系统2送入所述智能专家系统3进行处理监测、预报、分析、控制和处理，最后由所述操作系统4执行所述智能专家系统3分析后发出的操作指令；

所述的现场传感器检测系统1用于在钻井全过程中，实时采集钻井检测数据，并将采集到的钻井检测数据通过所述通信系统2实时上传给所述智能专家系统3；所述的现场传感器检测系统1包括地面传感器检测系统1-1和井下传感器检测系统1-2；

所述的智能专家系统3用于接收所述现场传感器检测系统1上传的所述钻井检测数据，并实时对所述钻井检测数据进行智能分析，以优化钻井现场工艺为目标，生成对钻井现场设备的调控指令，并将所述调控指令下发到对应的操作系统4；所述的智能专家系统3包括输入装置3-1、微处理器3-2、专家模型3-3、存储器3-4、电源装置3-5、输出装置3-6、报警装置3-7和全过程信息化人机显示界面3-8；

所述的操作系统4用于接收所述智能专家系统3下发的所述调控指令，并向对应的现场设备发送所述调控指令，进而控制该现场设备的工作状态，从而优化钻井现场工艺过程；所述操作系统4所操作的现场设备包括提升系统4-1、旋转系统4-2、循环系统4-3、动力设备4-4、传动设备4-5、控制系统4-6和辅助设备4-7。

进一步，所述的地面传感器检测系统1-1包括绞车状态传感器检测子系统1-1-1、自动送钻状态传感器检测子系统1-1-2、转盘状态传感器检测子系统1-1-3、顶驱运行状态传感器检测子系统1-1-4、泥浆泵运行状态传感器检测子系统1-1-5、泥浆固相及体积趋势状态传感器检测子系统1-1-6、MCC的运行监控检测子系统1-1-7、井控装置检测子系统1-1-8、立管压力检测子系统1-1-9和环空压力检测子系统1-1-10；

所述的绞车状态传感器检测子系统1-1-1用于检测以下信息：绞车运行状态、报警状态、游车位置、大钩悬重和绞车电机电流；

所述的自动送钻状态传感器检测子系统1-1-2用于检测以下信息：送钻运行状态、报警状态、游车位置、大钩悬重和送钻电机电流；

所述的转盘状态传感器检测子系统1-1-3用于检测以下信息：转盘转速、转盘力矩限制、转盘钻井扭矩和转盘电流；

所述的顶驱运行状态传感器检测子系统1-1-4用于检测以下信息：顶驱运行状态、报警状态、钻井扭矩、上扣扭矩、顶驱转速、顶驱设置参数和顶驱电流；

所述的泥浆泵运行状态传感器检测子系统1-1-5用于检测以下信息：泵冲、泵压、排量和转速；

所述的泥浆固相及体积趋势状态传感器检测子系统1-1-6用于检测以下信息：泥浆入口密度、泥浆出口密度、泥浆入口粘度、泥浆出口粘度、泥浆入口流量、泥浆出口流量、泥浆入口温度、泥浆出口温度、含油含气检测、泥浆池液位高度、泥浆池总体积、泥浆入口电导率和泥浆出口电导率；

所述的MCC的运行监控检测子系统1-1-7用于检测以下信息：液压站泵、绞车液压源、搅拌机、灌注泵、补给泵、加重泵、混合泵、除气器、振动筛、离心泵和剪切泵。

进一步，所述的井下传感器检测系统1-2包括钻头钻压检测子系统1-2-1、钻头扭矩检测子系统1-2-2、钻头转速检测子系统1-2-3、井底压力检测子系统1-2-4、井底温度检测子系统1-2-5和钻头方位角检测子系统1-2-6。

进一步，所述的输入装置3-1用于向所述微处理器3-2和专家模型3-3输入基础数据源；所述基础数据源包括与钻井现场相关的井身工程数据、地质环境数据、设备属性数据、邻井资料数据以及所述现场传感器检测系统实时采集并上传的所述钻井检测数据。

进一步，所述的专家模型3-3包括钻井水力学计算模型3-3-1、钻井管柱力学计算模型3-3-2、井眼稳定性分析模型3-3-3、钻井风险预测及诊断模型3-3-4、井眼轨道计算模型3-3-5、机械钻速及成本预测模型3-3-6和随钻地层压力预测模型3-3-7；

所述的钻井水力学计算模型3-3-1用于读取所述输入装置所输入的所述基础数据源，获得钻井泵特性、钻柱结构、钻头类别、钻井液性能、钻井液在管内和环空的流动状态；并计算得到实时钻进循环流动压耗，结合流体力学基本理论，优化确定钻井水力目标参数，进而生成对钻进过程的控制指令；

所述的钻井管柱力学计算模型3-3-2用于读取所述输入装置所输入的当前实际钻具组合数据，获得实际使用的钻井管柱内的钻具属性，包括钻具类别、钻具长度、钻具内径外径值、钻具抗拉抗扭值、钻具使用年限和钻具级别信息；并计算得到实时钻进时该钻具的力学数据，优化确定钻井机械极限约束保护参数，进而生成对钻进过程的控制指令；

所述的井眼稳定性分析模型3-3-3用于读取所述输入装置所输入的派生数据源，获得钻井液在环空地层的实时压力平衡特性，自动计算识别地层岩性，以及不同地层和岩性的可钻性稳定性特点，优化钻进泥浆及水力参数；

所述的钻井风险预测及诊断模型3-3-4用于预建立各种钻井风险模型；将所述输入装置3-1所输入的所述基础数据源输入到所述钻井风险模型，运行所述钻井风险模型，对现场钻井工况进行风险预测；其中，所述钻井风险模型包括井涌风险模型、井喷风险模型、井漏风险模型和卡钻风险模型；

所述的井涌风险模型、所述井喷风险模型和所述井漏风险模型的运行过程为通过所述基础数据源，得到气体检测、钻时数据和钻井液参数的变化情况，通过对所述气体检测、钻时数据和钻井液参数的变化情况进行分析，预测相关风险；

所述的卡钻风险模型包括压差粘吸卡钻子风险模型、沉砂卡钻子风险模型、坍塌卡钻子风险模型、井壁掉块卡钻子风险模型、开泵憋漏卡钻子风险模型、井内落物卡钻子风险模型、缩径卡钻子风险模型、键槽卡钻子风险模型和钻头泥包卡钻子风险模型；

所述的井眼轨道计算模型3-3-5用于获得真实的地层剖面完整资料，包括地层岩性和密度、储层特性及标志层、气顶、油层、夹层、油底岩性及其深度、地层流体深度和流体压力、流体性质、实钻三维井身轨迹、钻柱及其各组配件与钻头的实时工况、井下钻井动态工况；对所述地层剖面完整资料进行综合分析与整合集成，解释处理得出待钻井段优化的技术参数及决策，并与设计井身结构地质和工程模型时刻比较，生成对钻进过程的控制指令；

所述的机械钻速及成本预测模型3-3-6用于预测实时钻压，并对钻压转速进行优化；具体为关联钻进过程基本规律的数学模式与既定的优化目标，建立钻进目标函数；在此基础上，运用人工智能控制理论及各种线性、非线性规划方法，在确定各种约束条件的情况下，优化目标函数的各项钻进参数，进而生成对钻进过程的控制指令；

所述的随钻地层压力预测模型3-3-7用于对井底压力控制及泥浆管汇系统自动化控制；具体为实时分析计算在停泵、停钻、起钻、下钻、钻进工况下的井底压力，运用井底压力平衡理论，建立井底压力控制模型，从而优化钻进以及起下钻速度，进而生成对钻进过程的控制指令，控制井侵、溢流、井涌、井喷、井漏、井塌钻井事故的发生。

进一步，所述的电源装置3-5用于向所述处理器3-2和全过程信息化人机显示界面提供不间断的电源供应，所述电源装置3-5包括电源连接装置3-5-1、蓄电装置3-5-2和继电保护装置3-5-3；

所述的电源连接装置3-5-1包括至少一个连接外部电源的电源输入电路和至少一个连接负载的负载输出电路。

所述的蓄电装置3-5-2包括连接蓄电池的蓄电池充放电电路。

进一步，所述的输出装置3-6用于输出所述专家模型所生成的对钻进过程的控制指令；还用于输出报警信息、井身结构、钻具组合、地层环境、井眼轨道、机械参数、水力参数、泥浆固相信息。

进一步，所述的报警装置3-7包括收发模块3-7-1、处理器3-7-2、RS232接口电路3-7-3、LED灯3-7-4、音箱3-7-5，所述收发模块3-7-1发送报警信息，所述处理器3-7-2用于进行数据对比处理，所述RS232接口电路3-7-3进行数据传输，所述收发模块3-7-1与所述处理器3-7-2电连接，所述处理器3-7-2与所述RS232接口电路3-7-3和LED灯3-7-4电连接，所述RS232接口电路3-7-3与所述音箱3-7-5电连接。

进一步，所述的全过程信息化人机显示界面3-8用于显示钻进过程的实时模拟画面以及各种钻井风险提示；所述的全过程信息化人机显示界面3-8包含显示面板3-8-1、单元层3-8-2、粘接层3-8-3，所述单元层3-8-2设置在所述显示面板3-8-1的外侧，所述粘接层3-8-3设置在所述显示面板3-8-1和所述单元层3-8-2之间，其中，所述粘接层3-8-3的粘接于所述显示面板3-8-1的粘接面的第一边缘和所述粘接层3-8-3的粘接于所述单元层3-8-2的粘接面的第二边缘沿粘接面方向相互移位。

进一步，所述的提升系统4-1包括绞车、自动送钻绞车、游动系统、井口工具、井口机械设备；

所述的旋转系统4-2包括转盘、水龙头及顶部驱动设备；

所述的循环系统4-3包括钻井泵、高压管汇、循环罐、固控设备、钻井液处理及储存设备；

所述的动力设备4-4包括柴油发电机组、燃气机组及电动机；

所述的传动设备4-5包括减速、并车、分动、转向、倒转、变速、变矩机械传动、液力传动、液压传动及电气传动设备；

所述的控制系统4-6包括SCR/VFD电驱动控制系统、液控系统及气控系统；

所述的辅助设备4-7包括供气供水设备、辅助发电设备、辅助起重设备及防喷设备。

进一步，所述通信系统设置有协同通信模块，所述协同通信模块的信息处理方法包括：

各个中继节点和目的节点收到的信号分别为和y_SD：

$y_{{\mathrm{SR}}_i}=\sqrt{P_s}{h}_{{\mathrm{SR}}_i}x+n_{{\mathrm{SR}}_i}---\left(1\right)$

$y_{SD}=\sqrt{P_S}{h}_{SD}x+n_{{\mathrm{SD}}_i}---\left(2\right)$

式(1)、式(2)中，x是源节点发送的信号，P_S是源节点的发射功率，是源节点到各个中继节点间的信道增益，h_SD是目的节点和源节点之间的信道增益，信道服从均值为零，源节点到各中继节点的信道符合方差为的复高斯分布，目的节点到源节点的信道符合方差为σ_SD的复高斯分布；是源节点和各中继节点间的加性高斯白噪声，n_SD为源节点和目的节点间的加性高斯白噪声，它们服从均值为零，方差分别为和N_SD的复高斯分布；

目的节点收到R₁的信息为目的节点收到R₂的信息为R₁收到R₂的信息为R₂收到R₁的信息为

$y_{R_{1}D}=\sqrt{P_{R_1}}{h}_{R_{1}D}{y}_{{\mathrm{SR}}_1}+n_{R_{1}D}---\left(3\right)$

$y_{R_{2}D}=\sqrt{P_{R_2}}{h}_{R_{2}D}{y}_{{\mathrm{SR}}_2}+n_{R_{2}D}---\left(4\right)$

$y_{R_2{R}_1}=\sqrt{P_{R_2}}{h}_{R_2{R}_1}{y}_{{\mathrm{SR}}_2}+n_{R_2{R}_1}---\left(5\right)$

$y_{R_1{R}_2}=\sqrt{P_{R_1}}{h}_{R_1{R}_2}{y}_{{\mathrm{SR}}_1}+n_{R_1{R}_2}---\left(6\right)$

式(3)、(4)、(5)、(6)中，分别为中继节点R₁和R₂接收到来自源节点S的信息，为中继节点R₁的发送功率，为中继节点R₂的发送功率，为信道增益，它满足均值为零，方差分别为的复高斯分布； 为加性高斯白噪声，满足均值为零，方差分别为 的复高斯分布；中继节点选择方法是：首先选择一个误符号率最小的中继节点为最佳中继，被选择的最佳中继节点为R₁，然后再从中继节点区域中选择一个离最佳中继节点最近的一个中继节点作为选用的第二个中继节点，假设离最佳中继节点最近的第二个中继节点为R₂；

PE_γeq(R₁)＝min(PE_γeq(i)) (15)

$d_{R_1{R}_2}=min\left(d_{R_{1}Ri}\right)---\left(16\right)$

式(15)、(16)中，PE_γeq(R₁)为最佳中继节点的等效误符号率，为中继节点R₁与R₂之间的距离，为最佳中继节点R₁与其它中继节点R_i之间的距离；

目的节点接收到R₁和R₂的信号为：

$y_{2R_{1}D}=\sqrt{P_{2R_1}}{h}_{R_{1}D}{y}_{R_2{R}_1}+n_{R_{1}D}---\left(7\right)$

$y_{2R_{2}D}=\sqrt{P_{2R_2}}{h}_{R_{2}D}{y}_{R_1{R}_2}+n_{R_{2}D}---\left(8\right)$

式(7)、(8)中，为中继节点R₁收到来自中继节点R₂的信息，为中继节点R₂收到来自中继节点R₁的信息，为中继节点R₁第二次发送功率，为中继节点R₂第二次发送功率，和表示信道增益，和表示加性高斯白噪声。

进一步，所述操作系统设置有数据压缩单元，所述数据压缩的数据压缩方法的步骤为：

步骤一、在编码时，首先根据E1_n+1＝E1_n+d_n+1式计算出E1值，再根据和式计算出拟合残差；

步骤二、当一段输入数据的拟合残差全部计算完后，就构造出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}所示的数据包，通过S-Huffman编码方法对进行熵编码，然后发送出去，接收端解码时，先将接收到的一组数据解码，还原出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}式所示的数据包，然后根据式计算并还原出所有原始数据。

本发明提供的智能钻井专家系统的应用，能使钻井全过程完全杜绝了误操作、误判断、瞎指挥等人为影响，使得钻井工程安全和高效的完成。同时，钻井现场的钻井工程数据组成现场级的多级工业网络，供工程技术人员、钻井监督人员、井队管理人员以及上级负责人员了解钻井全过程信息，随时参与和协同工作，并通过Internet或无线网络实时远程传送到公司总部随钻设计井眼轨道、调整钻井措施、确定完井策略等，提出专家会诊决策指令意见，反馈到钻井队，实现实时最优化钻井施工，还可使钻井和油藏地质人员“透视”地层图像实时监督正钻井和待钻井的井眼轨迹，并直接控制钻井设备精准命中目标层靶点，为油气发现提供了更新换代的技术保障。

以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种智能钻井专家系统，其特征在于，所述智能钻井专家系统包括现场传感器检测系统、通信系统、智能专家系统和操作系统；所述现场传感器检测系统通过所述通信系统连接所述智能专家系统；所述智能专家系统连接所述操作系统，由此形成自动闭环钻井调控系统；所述现场传感器检测系统采集整个钻井过程的数据；然后，将采集得到的数据通过所述通信系统送入所述智能专家系统进行处理监测、预报、分析、控制和处理，最后由所述操作系统执行所述智能专家系统分析后发出的操作指令；

所述的现场传感器检测系统用于在钻井全过程中，实时采集钻井检测数据，并将采集到的钻井检测数据通过所述通信系统实时上传给所述智能专家系统；所述的现场传感器检测系统包括地面传感器检测系统和井下传感器检测系统；

所述的智能专家系统用于接收所述现场传感器检测系统上传的所述钻井检测数据，并实时对所述钻井检测数据进行智能分析，以优化钻井现场工艺为目标，生成对钻井现场设备的调控指令，并将所述调控指令下发到对应的操作系统；所述的智能专家系统包括输入装置、微处理器、专家模型、存储器、电源装置、输出装置、报警装置和全过程信息化人机显示界面；

所述的操作系统用于接收所述智能专家系统下发的所述调控指令，并向对应的现场设备发送所述调控指令，进而控制该现场设备的工作状态，从而优化钻井现场工艺过程；所述操作系统所操作的现场设备包括提升系统、旋转系统、循环系统、动力设备、传动设备、控制系统和辅助设备；

所述的地面传感器检测系统包括绞车状态传感器检测子系统、自动送钻状态传感器检测子系统、转盘状态传感器检测子系统、顶驱运行状态传感器检测子系统、泥浆泵运行状态传感器检测子系统、泥浆固相及体积趋势状态传感器检测子系统、MCC的运行监控检测子系统、井控装置检测子系统、立管压力检测子系统和环空压力检测子系统；

所述的绞车状态传感器检测子系统用于检测以下信息：绞车运行状态、报警状态、游车位置、大钩悬重和绞车电机电流；

所述的自动送钻状态传感器检测子系统用于检测以下信息：送钻运行状态、报警状态、游车位置、大钩悬重和送钻电机电流；

所述的转盘状态传感器检测子系统用于检测以下信息：转盘转速、转盘力矩限制、转盘钻井扭矩和转盘电流；

所述的顶驱运行状态传感器检测子系统用于检测以下信息：顶驱运行状态、报警状态、钻井扭矩、上扣扭矩、顶驱转速、顶驱设置参数和顶驱电流；

所述的泥浆泵运行状态传感器检测子系统用于检测以下信息：泵冲、泵压、排量和转速；

所述的泥浆固相及体积趋势状态传感器检测子系统用于检测以下信息：泥浆入口密度、泥浆出口密度、泥浆入口粘度、泥浆出口粘度、泥浆入口流量、泥浆出口流量、泥浆入口温度、泥浆出口温度、含油含气检测、泥浆池液位高度、泥浆池总体积、泥浆入口电导率和泥浆出口电导率；

所述的MCC的运行监控检测子系统用于检测以下信息：液压站泵、绞车液压源、搅拌机、灌注泵、补给泵、加重泵、混合泵、除气器、振动筛、离心泵和剪切泵；

所述的井下传感器检测系统包括钻头钻压检测子系统、钻头扭矩检测子系统、钻头转速检测子系统、井底压力检测子系统、井底温度检测子系统和钻头方位角检测子系统；

所述的输入装置用于向所述处理器和专家模型输入基础数据源；所述基础数据源包括与钻井现场相关的井身工程数据、地质环境数据、设备属性数据、邻井资料数据以及所述现场传感器检测系统实时采集并上传的所述钻井检测数据；

所述的专家模型包括钻井水力学计算模型、钻井管柱力学计算模型、井眼稳定性分析模型、钻井风险预测及诊断模型、井眼轨道计算模型、机械钻速及成本预测模型和随钻地层压力预测模型；

所述的钻井水力学计算模型用于读取所述输入装置所输入的所述基础数据源，获得钻井泵特性、钻柱结构、钻头类别、钻井液性能、钻井液在管内和环空的流动状态；并计算得到实时钻进循环流动压耗，结合流体力学基本理论，优化确定钻井水力目标参数，进而生成对钻进过程的控制指令；

所述的钻井管柱力学计算模型用于读取所述输入装置所输入的当前实际钻具组合数据，获得实际使用的钻井管柱内的钻具属性，包括钻具类别、钻具长度、钻具内径外径值、钻具抗拉抗扭值、钻具使用年限和钻具级别信息；并计算得到实时钻进时该钻具的力学数据，优化确定钻井机械极限约束保护参数，进而生成对钻进过程的控制指令；

所述的井眼稳定性分析模型用于读取所述输入装置所输入的派生数据源，获得钻井液在环空地层的实时压力平衡特性，自动计算识别地层岩性，以及不同地层和岩性的可钻性稳定性特点，优化钻进泥浆及水力参数；

所述的钻井风险预测及诊断模型用于预建立各种钻井风险模型；将所述输入装置所输入的所述基础数据源输入到所述钻井风险模型，运行所述钻井风险模型，对现场钻井工况进行风险预测；其中，所述钻井风险模型包括井涌风险模型、井喷风险模型、井漏风险模型和卡钻风险模型；

所述的井涌风险模型、所述井喷风险模型和所述井漏风险模型的运行过程为通过所述基础数据源，得到气体检测、钻时数据和钻井液参数的变化情况，通过对所述气体检测、钻时数据和钻井液参数的变化情况进行分析，预测相关风险；

所述的卡钻风险模型包括压差粘吸卡钻子风险模型、沉砂卡钻子风险模型、坍塌卡钻子风险模型、井壁掉块卡钻子风险模型、开泵憋漏卡钻子风险模型、井内落物卡钻子风险模型、缩径卡钻子风险模型、键槽卡钻子风险模型和钻头泥包卡钻子风险模型；

所述的井眼轨道计算模型用于获得真实的地层剖面完整资料，包括地层岩性和密度、储层特性及标志层、气顶、油层、夹层、油底岩性及其深度、地层流体深度和流体压力、流体性质、实钻三维井身轨迹、钻柱及其各组配件与钻头的实时工况、井下钻井动态工况；对所述地层剖面完整资料进行综合分析与整合集成，解释处理得出待钻井段优化的技术参数及决策，并与设计井身结构地质和工程模型时刻比较，生成对钻进过程的控制指令；

所述的机械钻速及成本预测模型用于预测实时钻压，并对钻压转速进行优化；具体为关联钻进过程基本规律的数学模式与既定的优化目标，建立钻进目标函数；在此基础上，运用人工智能控制理论及各种线性、非线性规划方法，在确定各种约束条件的情况下，优化目标函数的各项钻进参数，进而生成对钻进过程的控制指令；

所述的随钻地层压力预测模型用于对井底压力控制及泥浆管汇系统自动化控制；具体为实时分析计算在停泵、停钻、起钻、下钻、钻进工况下的井底压力，运用井底压力平衡理论，建立井底压力控制模型，从而优化钻进以及起下钻速度，进而生成对钻进过程的控制指令，控制井侵、溢流、井涌、井喷、井漏、井塌钻井事故的发生；

所述的电源装置用于向所述处理器和全过程信息化人机显示界面提供不间断的电源供应，所述电源装置包括电源连接装置、蓄电装置和继电保护装置；

所述的电源连接装置包括至少一个连接外部电源的电源输入电路和至少一个连接负载的负载输出电路；

所述的蓄电装置包括连接蓄电池的蓄电池充放电电路；

所述智能钻井专家系统采用以下方法进行钻井：

步骤一、根据目标储层的地震资料和地质资料的分析处理结果，确定所述目标储层中水平井段中地质突变的预测区域，当所述水平井段中的钻井钻头到达预测区域时，根据获取的随钻地质资料，确定所述地质突变在所述预测区域中的位置和所述地质突变的类型；

步骤二、基于压力波在不同含气率的钻井液中的传播速度不同判断气侵并检测气侵位置；

步骤三、基于实钻轨迹最后两测点的测斜数据，计算末测段的轨迹特征参数，所述测斜数据为井深、井斜角、方位角，所述轨迹特征参数用于表征最后测段的轨迹形状；

步骤四、基于实钻轨迹末测段的轨迹特征参数，采用外推法计算井底点的轨迹参数，所述轨迹参数包括井斜角、方位角和空间坐标；

步骤五、建立通用的靶平面方程以及靶点坐标系与井口坐标系之间的坐标转换关系，以适用于各种井型的靶平面；

步骤六、测量暂停钻井液循环状态下的静态环空压力和启动钻井液循环状态下的动态环空压力，测量地面回压，根据所述的地面回压和静态环空压力计算生成等效环空钻井液密度，根据所述的地面回压、等效环空钻井液密度和动态环空压力计算生成环空循环压耗；

步骤七、基于所述井底点的轨迹参数和井段长度，预测入靶方向并校核是否满足工程要求，所述入靶方向包括入靶井斜角和方位角；

步骤八、根据所述地质突变的位置和地质突变类型、气侵位置、环空循环压耗、预测入靶方向调整钻井钻头的钻进方向；

测量钻井液流变性能，根据所述的钻井液流变性能确定水力学模型，并根据所述的等效环空钻井液密度、环空循环压耗和水力学模型计算生成环空钻井液流量；

根据所述的等效环空钻井液密度、环空钻井液流量、地面回压以及包括井深、井眼尺寸的钻井数据计算生成全井段环空压力分布信息；

将所述的全井段环空压力分布信息输出。

2.如权利要求1所述的智能钻井专家系统，其特征在于，所述通信系统设置有协同通信模块，所述协同通信模块的信息处理方法包括：

各个中继节点和目的节点收到的信号分别为和y_SD：

$y_{{\mathrm{SR}}_i}=\sqrt{P_s}{h}_{{\mathrm{SR}}_i}x+n_{{\mathrm{SR}}_i}---\left(1\right)$

$y_{SD}=\sqrt{P_S}{h}_{SD}x+n_{{\mathrm{SD}}_i}---\left(2\right)$

式(1)、式(2)中，x是源节点发送的信号，P_S是源节点的发射功率，是源节点到各个中继节点间的信道增益，h_SD是目的节点和源节点之间的信道增益，信道服从均值为零，源节点到各中继节点的信道符合方差为的复高斯分布，目的节点到源节点的信道符合方差为σ_SD的复高斯分布；是源节点和各中继节点间的加性高斯白噪声，n_SD为源节点和目的节点间的加性高斯白噪声，它们服从均值为零，方差分别为和N_SD的复高斯分布；

目的节点收到R₁的信息为目的节点收到R₂的信息为R₁收到R₂的信息为R₂收到R₁的信息为

$y_{R_{1}D}=\sqrt{P_{R_1}}{h}_{R_{1}D}{y}_{{\mathrm{SR}}_1}+n_{R_{1}D}---\left(3\right)$

$y_{R_{2}D}=\sqrt{P_{R_2}}{h}_{R_{2}D}{y}_{{\mathrm{SR}}_2}+n_{R_{2}D}---\left(4\right)$

$y_{R_2{R}_1}=\sqrt{P_{R_2}}{h}_{R_2{R}_1}{y}_{{\mathrm{SR}}_2}+n_{R_2{R}_1}---\left(5\right)$

$y_{R_1{R}_2}=\sqrt{P_{R_1}}{h}_{R_1{R}_2}{y}_{{\mathrm{SR}}_1}+n_{R_1{R}_2}---\left(6\right)$

式(3)、(4)、(5)、(6)中，分别为中继节点R₁和R₂接收到来自源节点S的信息，为中继节点R₁的发送功率，为中继节点R₂的发送功率，为信道增益，它满足均值为零，方差分别为的复高斯分布； 为加性高斯白噪声，满足均值为零，方差分别为 的复高斯分布；中继节点选择方法是：首先选择一个误符号率最小的中继节点为最佳中继，被选择的最佳中继节点为R₁，然后再从中继节点区域中选择一个离最佳中继节点最近的一个中继节点作为选用的第二个中继节点，假设离最佳中继节点最近的第二个中继节点为R₂；

PE_γeq(R₁)＝min(PE_γeq(i)) (15)

$d_{R_1{R}_2}=min\left(d_{R_{1}Ri}\right)---\left(16\right)$

式(15)、(16)中，PE_γeq(R₁)为最佳中继节点的等效误符号率，为中继节点R₁与R₂之间的距离，为最佳中继节点R₁与其它中继节点R_i之间的距离；

目的节点接收到R₁和R₂的信号为：

$y_{2R_{1}D}=\sqrt{P_{2R_1}}{h}_{R_{1}D}{y}_{R_2{R}_1}+n_{R_{1}D}---\left(7\right)$

$y_{2R_{2}D}=\sqrt{P_{2R_2}}{h}_{R_{2}D}{y}_{R_1{R}_2}+n_{R_{2}D}---\left(8\right)$

式(7)、(8)中，为中继节点R₁收到来自中继节点R₂的信息，为中继节点R₂收到来自中继节点R₁的信息，为中继节点R₁第二次发送功率，为中继节点R₂第二次发送功率，和表示信道增益，和表示加性高斯白噪声。

3.如权利要求1所述的智能钻井专家系统，其特征在于，所述操作系统设置有数据压缩单元，所述数据压缩的数据压缩方法的步骤为：

步骤一、在编码时，首先根据E1_n+1＝E1_n+d_n+1式计算出E1值，再根据和式计算出拟合残差；步骤二、当一段输入数据的拟合残差全部计算完后，就构造出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}所示的数据包，通过S-Huffman编码方法对进行熵编码，然后发送出去，接收端解码时，先将接收到的一组数据解码，还原出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}式所示的数据包，然后根据式计算并还原出所有原始数据。