CN106169004A - 一种自动防碰钻井系统 - Google Patents

Abstract

本发明公开了一种自动防碰钻井系统，该自动防碰钻井系统包括振动传感器模块、数据采集分析器模块、钻头控制模块、数据信号发射器模块，所述数据采集分析器模块与所述振动传感器模块相连接，所述数据信号发射器模块与所述数据采集分析器模块和所述钻头控制模块相连接，所述钻头控制模块设置在钻头上，用于控制钻头的行进方向。本发明不需要增加高精尖设备，不影响其它钻井工序的实施；可在不影响随钻测量的前提下精确、快速、直接的控制钻头行为，从而保障快速及时的对邻井防碰做出反应及调整，增大了钻井作业的安全性。

Description

一种自动防碰钻井系统

技术领域

本发明属于钻井平台管理技术领域，尤其涉及一种自动防碰钻井系统。

背景技术

目前，海洋大组丛式井及陆地老井区加密调整井的钻探数量呈现大幅度增加趋势，在钻此类井的过程中，直井段施工打碰邻井套管及斜井段发生两井相碰的问题变得日益突出。井眼交碰导致报废进尺并重复施工及两井同时作废的现象影响了施工的进度，也增加了成本。随着油田开发需求的日益增长，很多油田的钻井数量呈现大幅度增长趋势。因此，很多油田，尤其是井网面积的油田面临着较大的井眼碰撞风险。在钻井过程中，如果没有及时发现钻头已经接近邻井的套管，就有可能发生钻头与邻井套管碰撞的事故。一旦发生碰撞，钻头往往会钻穿邻井套管，不仅会报废新钻井进尺并重复施工，还会耽误邻井生产，进行邻井套管修补，造成巨额的经济损失。现有技术中，钻井过程中观察钻头是否钻遇邻井的一般方法是在振动筛处观察是否有邻井固井水泥或铁屑返出。如果发现邻井固井水泥或铁屑返出，确定已经碰撞到邻井套管，停止施工。

发明内容

本发明的目的在于提供一种自动防碰钻井系统，旨在解决目前自动防碰钻井系统结构复杂、容易发生钻头碰撞邻井套管事故的问题。

本发明是这样实现的，一种自动防碰钻井系统，该自动防碰钻井系统采用以下方法实现防碰：

步骤一、采用三维动画的建模方法建立三维钻井图形实体模型库；

步骤二、输入老井的轨道及新井的轨道数据，生成三角网数字地面模型，三角网数字地面模型与老井的轨道及新井的轨道数据结合生成具有约束条件的地面模型及钻井轨道模型；

步骤三、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；

步骤四、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；

步骤五、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；

步骤六、确定对新井产生影响的直径范围，将新井周围影响区域外的井位剔除；

步骤七、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；

步骤八、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；

步骤九、监测邻井套管端口的振动，并采集振动信号，根据所述振动信号的强度，计算钻井钻头与领井套管的最近距离；

步骤十、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；

步骤十一、进行轨道碰撞扫描，并求出碰撞结果；

先确定预设安全井距然后进行轨道碰撞扫描，采用水平扫描法、法面扫描法和最小距离法，在新井轨道的直井段采用水平扫描法，在新井轨道的斜井段与同方向井之间采用法面扫描法，与异方向井之间采用水平面扫描法，当上述扫描结果井间距离小于安全井距的1.5倍时换用最小距离法进行计算，得出井间最小距离，当扫描到的井间最小距离在安全井距的1.5倍以上时再换回用平面扫描法或法面扫描法进行扫描，对扫描结果小于安全井距的轨道距离进行显示；

所述自动防碰钻井系统包括振动传感器模块、数据采集分析器模块、钻头控制模块、数据信号发射器模块，所述数据采集分析器模块与所述振动传感器模块相连接，所述数据信号发射器模块与所述数据采集分析器模块和所述钻头控制模块相连接，所述钻头控制模块设置在钻头上，用于控制钻头的行进方向。所述振动传感器模块用于监测邻井套管端口的振动，并将采集到的振动信号传递至所述数据采集分析器模块，所述数据采集分析器模块用于根据所述振动信号的强度，计算钻井钻头与领井套管的最近距离，所述数据信号发射器模块在所述最近距离小于安全距离时，发射预警信号至所述钻头控制模块，所述钻头控制模块控制钻头自动避开障碍，开启自动防碰功能；

所述的振动传感器模块安装于邻井井口的套管端口，所述的振动传感器模块包括压电式加速度传感器；

所述的数据采集分析器模块包括放大器、减法器、积分器、比较器、数模转换器和滤波器，所述放大器的输出端与减法器的正输入端连接，所述数模转换器的输出端与所述减法器的负输入端连接，所述减法器的输出端与积分器的输入端连接，所述积分器的输出端与所述比较器的输入端连接，所述比较器的输出端与数模转换器的输入端以及滤波器的输入端相连接；

所述的钻头控制模块包括信号接收装置、控制主机、显示屏、电源装置和报警装置；

所述的显示屏包含显示面板、单元层、粘接层，所述单元层设置在所述显示板的外侧，所述粘接层设置在所述显示面板和所述单元层之间，其中，所述粘接层的粘接于所述显示面板的粘接面的第一边缘和所述粘接层的粘接于所述单元层的粘接面的第二边缘沿粘接面方向相互移位。

进一步，所述数据采集分析器模块设置有数据聚类集成单元，所述数据聚类集成单元的数据处理方法包括：

步骤一，先对XML文档集中的每一个XML大数据进行清洗、划分和抽取预处理，即通过规模和内容的划分方法，从每个XML大数据中提取所有节点及节点的子集，计算节点在数据中的频度，根据节点的频繁频度尽可能地把属于同一主题内容的节点及子孙划分在同一子集，不同主题内容的节点划分在不同子集，并从划分的子集中按照关键词的频繁频度抽取n个子树，求出抽取的每一个子树从根节点到叶子节点的所有路径，并以路径作为消歧的输入源对歧义词进行消歧处理，求取每个关键词的语义相关度及上下文语义相关相似度；

步骤二，把消歧处理后的每一个子树中所有的关键词看成是该数据点的特征描述，这样所有的数据点组成的XML文档集就是n个n×n维特征空间向量；

步骤三，借鉴聚类集成的基本思想，用随机子空间分类器作为基聚类器构建k个分类器，k个分类器并行地从n个n×n特征向量空间中随机抽取m个样本数据来进行训练以求得分类，方法是对新样本集建立一个无向图，每个样本点是图的一个顶点，图的边是顶点间的连线，它表示文档之间的相似度，相似度采用标记语义树的方法求得，并按照它们组成的边的权重最小、一条路径的加权之和最大的原则把图划分成不同的路径，路径的划分采用K-邻近法，这样把划分的每一条路径组成一个类别，所有不同的划分路径组成K个初始分类；

步骤四：从初始的簇集结果出发，按照簇集、簇和数据点三者之间的相互关系来构建内联相似度矩阵，通过设计的并行的LANCZOS—QR算法求解其特征值对应的特征向量来获得低维向量的嵌入。

进一步，所述数据信号发射器模块设置有信息保护单元，所述信息保护单元的数据处理方法包括：

步骤一，定义一个在F_P上的椭圆曲线E，其中p是一个大素数，设置P是E上阶为素数q的一个点，P是循环群<P>的生成元，且在<P>上的离散对数问题是难处理的；从Z_q中随机选取一个值x，并计算Q＝xP，生成基于椭圆曲线的变型签名算法公钥K＝{(p,q,E,P,x,Q):Q＝xP}，签名私钥为x；产生一个轻量级对称密码算法f，对称密钥为τ，τ为用户和可信审计者所共有；系统再随机产生一个轻量级签名算法的公私钥对(spk,ssk)，并设置一个安全的哈希函数h:<P>→Z_q。

步骤二，用户首先对数据文件F＝(m₁,m₂,...，m_n)的身份id计算文件标签t＝id||SSig_ssk(id)，接着采用基于椭圆曲线的变型签名算法，对每一个数据块m_i计算签名σ_i＝(R_i,r_i,s_i)(i＝1,...,n),其中R_i＝k_iP＝(u_i,v_i)，r_i＝u_imodq，以及s_i＝(r_ik_i+m_ix)mod q，这n个签名的集合为Φ＝{σ_i}_1≤i≤n，用户再调用对称密码算法f将每一个数据块m_i加密为m_i'＝m_i+f_τ(id||i)这样数据文件F＝(m₁,m₂,...，m_n)被加密为F'＝(m₁',m₂',...，m_n').最后用户将{F',t,Φ}发送给服务器，并且将原来的数据文件F＝(m₁,m₂,...，m_n)、签名Φ＝{σ_i}_1≤i≤n和文件标签t删除；

步骤三，可信审计者首先取回数据文件标签t，并用spk验证SSig_ssk(id)，如果验证失败，则TPA停止运行.若验证通过，则TPA产生相应的审计挑战信息chal如下:可信审计者在集合{1,2,...,n}中随机选取含有c个元素的集合C＝{l₁,...,l_c}；对于每一个j∈C，用户产生一个相应的随机值c_i，比特长度应小于q的比特长度；然后，TPA向云服务器发送审计挑战信息chal＝{(j,c_j)}_j∈C；当云服务器接收到chal＝{(j,c_j)}_j∈C，云服务器查询数据库中的相关信息{F',t,Φ}并计算如下：计算计算计算云服务器再选择一个随机数η←Z_q，计算W＝ηQ，并且盲化μ'为μ＝μ'+ηh(W)；最后云服务器发送审计响应信息{R,s,μ,W}给可信审计者。

进一步，所述滤波器设置有坏点检测及校正单元，所述坏点检测及校正单元的滤波坏点检测及校正方法包括：

步骤一，求出水平方向梯度绝对值的中值median_Dh＝median(Dh1,Dh2,Dh3)，同理求出竖直方向梯度绝对值的中值median_Dv＝median(Dv1,Dv2,Dv3)，对角线方向梯度绝对值的中值median_D45＝median(D45_1,D45_2,D45_3)，反对角线方向梯度绝对值的中值median_D135＝median(D135_1,D135_2,D135_3)；

步骤二，求出这四个中值梯度的最小值min_grad，即min_grad＝min(median_Dh，median_Dv，median_D45，median_D135)，将该方向作为边缘方向进行坏点滤波；

步骤三，对于中心像素值大于230和小于50的情况，当中心像素点C₅的值小于15时，C₅都比C₁，C₂，C₃，C₄，C₆，C₇，C₈，C₉小，且小于某个阈值时，则判为坏点；否则当中心像素点C₅的值大于230时，C₅都比C₁，C₂，C₃，C₄，C₆，C₇，C₈，C₉大，且大于某个阈值时，则判为坏点，在50与230之间的点仍用后面的步骤进行坏点滤波；

步骤四，对于最小梯度方向为水平方向和竖直方向的情况，过中心像素点的那个梯度的绝对值大于同方向的另两个梯度绝对值和的某正整数倍，对于最小梯度时水平方向的情况，即当Dh2>4×(Dh1+Dh3)时，则将中心像素点判为坏点，校正并输出，否则为正常像素点；最小梯度为竖直的情况与之类似；

步骤五，对于最小梯度方向为对角线方向的情况，此时反对角线的三个梯度绝对值两两之差的绝对值的和小于某个阈值，此时D45_2>4×(D45_1+D45_3)且D135_2>4×(D135_1+D135_3)，则判为坏点，校正并输出，否则为正常点；否则，此时D45_2>4×(D45_1+D45_3)，则判为坏点，校正并输出，否则为正常点；

步骤六，对于最小梯度方向为反对角线方向的情况，此时对角线的三个梯度绝对值两两之差的绝对值的和小于某个阈值，此时D135_2>4×(D135_1+D135_3)且D45_2>4×(D45_1+D45_3)，则判为坏点，校正并输出，否则为正常点；否则，此时D135_2>4×(D135_1+D135_3)，则判为坏点，校正并输出，否则为正常点；当中心像素被确认为坏点时，对最小梯度方向，用较接近中心像素点的像素值来求得校正值，校正过程如下：

中心像素点C₅已被判为坏点，且最小梯度方向min_grad是median_Dh即水平方向；此时用水平方向的值校正之，过程如下：|C₄-C₅|<|C₅-C₆|，则由C₅-C₄＝C₈-C₇＝C₂-C₁，得output＝C₄+(C₈+C₂-C₁-C₇)/2，否则，output＝C₄+(C₈+C₂-C₃-C₉)/2，用output代替原来的C₅输出即可；同理，C₅被判为坏点且min_grad是median_Dv，即最小梯度方向是竖直方向，|C₅-C₂|<|C₅-C₈|，则由C₅-C₂＝C₄-C₁＝C₆-C₃，得output＝C₂+(C₄+C₆-C₁-C₃)/2，否则，output＝C₈+(C₄+C₆-C₇-C₉)/2，用output代替原来的C₅输出即可；同理，C₅被判为坏点且min_grad是median_D45，即最小梯度方向是对角线方向，|C₅-C₃|<|C₅-C₇|，则由C₅-C₃＝C₄-C₂＝C₈-C₆，得output＝C₃+(C₄+C₈-C₂-C₆)/2，否则，output＝C₇+(C₂+C₆-C₄-C₈)/2，用output代替原来的C₅输出即可；同理，C₅被判为坏点且min_grad是median_D135，即最小梯度方向是反对角线方向，|C₅-C₁|<|C₅-C₉|，则由C₅-C₁＝C₈-C₄＝C₆-C₂，得output＝C₁+(C₆+C₈-C₂-C₄)/2，否则，output＝C₉+(C₂+C₄-C₆-C₈)/2，用output代替原来的C₅输出即可；

梯度绝对值的计算公式如下：

Dh1＝|C₁+C₃-2×C₂|，Dh2＝|C₄+C₆-2×C₅|，Dh2＝|C₇+C₉-2×C₈|，

Dv1＝|C₁+C₇-2×C₄|，Dv2＝|C₂+C₈-2×C₅|，Dv3＝|C₃+C₉-2×C₆|，

D45_1＝2×|C₂-C₄|，D45_2＝|C₃+C₇-2×C₅|，D45_3＝2×|C₆-C₈|

D135_1＝2×|C₄-C₈|，D135_2＝|C₁+C₉-2×C₅|，D135_3＝2×|C₂-C₆|；

对角线的三个梯度绝对值两两之差的绝对值的和的计算公式如下：D45_sum＝|D45_1-D45_2|+|D45_1-D45_3|+|D45_2-D45_3|；

反对角线的三个梯度绝对值两两之差的绝对值的和的计算公式如下：

D135_sum＝|D135_1-D135_2|+|D135_1-D135_3|+|D135_2-D135_3|。

本发明提供的自动防碰钻井系统结构简单，操作方便，可以通过检测邻井套管端口振动信号的强弱，从而计算出钻井钻头距邻井的最小距离，当所述最小距离小于安全距离时，所述装置发出预警信号。这样，克服了现有技术中钻井存在的穿透邻井套管的风险，增大了钻井作业的安全性。另外，当存在多个风险邻井时，所述装置还可以通过一台数据采集分析器计算出钻头距离每个邻井的最小距离，并将预警信号发送至每个邻井的终端，保证了在复杂的钻井系统中同样实现钻井防碰预警功能。该系统还能进行自动监测，提供报警装置，在很大程度上提高了使用的安全性。本发明通过基于椭圆曲线数字签名(ECDSA)的变型签名算法，安全性依赖于椭圆曲线的有限群上的离散对数问题，与基于RSA的数字签名和基于有限域离散对数的数字签名相比，在相同的安全强度条件下，具有签名长度短，存储空间小，计算速度快的优势，

附图说明

图1是本发明实施例提供的计算机信息管理控制系统的结构示意图；

图2是本发明实施例提供的显示屏的结构示意图；

图3是本发明实施例提供的电源装置的结构示意图；

图4是本发明实施例提供的报警装置的结构示意图；

图中：1、振动传感器模块；1-1、压电式加速度传感器；2、数据采集分析器模块；2-1、放大器；2-2、减法器；2-3、积分器；2-4、比较器；2-5、数模转换器；2-6、滤波器；2-7、多通道数据采集分析器；3、钻头控制模块；3-1、信号接收装置；3-2、控制主机；3-3、显示屏；3-3-1、显示面板；3-3-2、单元层；3-3-3、粘接层；3-4、电源装置；3-4-1、电源连接装置；3-4-2、蓄电装置；3-4-3、继电保护装置；3-5、报警装置；3-5-1、收发模块；3-5-2、处理器；3-5-3、RS232接口电路；3-5-4、LED灯；3-5-5、音箱；4、数据信号发射器模块。

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1-4及具体实施例对本发明的应用原理作进一步描述。

一种自动防碰钻井系统，该自动防碰钻井系统采用以下方法实现防碰：

步骤一、采用三维动画的建模方法建立三维钻井图形实体模型库；

步骤二、输入老井的轨道及新井的轨道数据，生成三角网数字地面模型，三角网数字地面模型与老井的轨道及新井的轨道数据结合生成具有约束条件的地面模型及钻井轨道模型；

步骤三、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；

步骤四、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；

步骤五、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；

步骤六、确定对新井产生影响的直径范围，将新井周围影响区域外的井位剔除；

步骤七、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；

步骤八、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；

步骤九、监测邻井套管端口的振动，并采集振动信号，根据所述振动信号的强度，计算钻井钻头与领井套管的最近距离；

步骤十、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；

步骤十一、进行轨道碰撞扫描，并求出碰撞结果。

进一步，先确定预设安全井距然后进行轨道碰撞扫描，采用水平扫描法、法面扫描法和最小距离法，在新井轨道的直井段采用水平扫描法，在新井轨道的斜井段与同方向井之间采用法面扫描法，与异方向井之间采用水平面扫描法，当上述扫描结果井间距离小于安全井距的1.5倍时换用最小距离法进行计算，得出井间最小距离，当扫描到的井间最小距离在安全井距的1.5倍以上时再换回用平面扫描法或法面扫描法进行扫描，对扫描结果小于安全井距的轨道距离进行显示。

本发明实施例的自动防碰钻井系统包括振动传感器模块1、数据采集分析器模块2、钻头控制模块3、数据信号发射器模块4，所述数据采集分析器模块2与所述振动传感器模块1相连接，所述数据信号发射器模块4与所述数据采集分析器模块2和所述钻头控制模块3相连接，所述钻头控制模块3设置在钻头上，用于控制钻头的行进方向。所述振动传感器模块1用于监测邻井套管端口的振动，并将采集到的振动信号传递至所述数据采集分析器模块2，所述数据采集分析器模2块用于根据所述振动信号的强度，计算钻井钻头与领井套管的最近距离，所述数据信号发射器模块4在所述最近距离小于安全距离时，发射预警信号至所述钻头控制模块3，所述钻头控制模块3控制钻头自动避开障碍，开启自动防碰功能。

进一步，所述的振动传感器模块1安装于邻井井口的套管端口。

进一步，所述的振动传感器模块1包括压电式加速度传感器1-1。

进一步，所述的数据采集分析器模块2包括放大器2-1、减法器2-2、积分器、比较器2-4、数模转换器2-5和滤波器2-6，所述放大器2-1的输出端与减法器2-2的正输入端连接，所述数模转换器2-5的输出端与所述减法器2-2的负输入端连接，所述减法器2-2的输出端与积分器2-3的输入端连接，所述积分器的2-3输出端与所述比较器2-4的输入端连接，所述比较器2-4的输出端与数模转换器2-5的输入端以及滤波器2-6的输入端相连接。

进一步，所述的钻头控制模块3包括信号接收装置3-1、控制主机3-2、显示屏3-3、电源装置3-4和报警装置3-5。

进一步，所述的显示屏3-3包含显示面板3-3-1、单元层3-3-2、粘接层3-3-3，所述单元层3-3-2设置在所述显示板的外侧，所述粘接层3-3-3设置在所述显示面板3-3-1和所述单元层3-3-2之间，其中，所述粘接层3-3-3的粘接于所述显示面板3-3-1的粘接面的第一边缘和所述粘接层3-3-3的粘接于所述单元层3-3-2的粘接面的第二边缘沿粘接面方向相互移位。

进一步，所述的电源装置3-4包括电源连接装置3-4-1、蓄电装置3-4-2和继电保护装置3-4-3；

进一步，所述的电源连接装置3-4-1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。

进一步，所述的蓄电装置3-4-2包括连接蓄电池的蓄电池充放电电路。

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

进一步，当所述钻井包括多个邻井时，所述数据采集分析器模块2包括多通道数据采集分析器2-7。

进一步，所述的多通道数据采集分析器2-7用于根据所述振动信号的传递时间以及振动幅度，确定所述邻井和所述钻井钻头的最小距离。

进一步，所述数据采集分析器模块设置有数据聚类集成单元，所述数据聚类集成单元的数据处理方法包括：

步骤一，先对XML文档集中的每一个XML大数据进行清洗、划分和抽取预处理，即通过规模和内容的划分方法，从每个XML大数据中提取所有节点及节点的子集，计算节点在数据中的频度，根据节点的频繁频度尽可能地把属于同一主题内容的节点及子孙划分在同一子集，不同主题内容的节点划分在不同子集，并从划分的子集中按照关键词的频繁频度抽取n个子树，求出抽取的每一个子树从根节点到叶子节点的所有路径，并以路径作为消歧的输入源对歧义词进行消歧处理，求取每个关键词的语义相关度及上下文语义相关相似度；

步骤二，把消歧处理后的每一个子树中所有的关键词看成是该数据点的特征描述，这样所有的数据点组成的XML文档集就是n个n×n维特征空间向量；

步骤三，借鉴聚类集成的基本思想，用随机子空间分类器作为基聚类器构建k个分类器，k个分类器并行地从n个n×n特征向量空间中随机抽取m个样本数据来进行训练以求得分类，方法是对新样本集建立一个无向图，每个样本点是图的一个顶点，图的边是顶点间的连线，它表示文档之间的相似度，相似度采用标记语义树的方法求得，并按照它们组成的边的权重最小、一条路径的加权之和最大的原则把图划分成不同的路径，路径的划分采用K-邻近法，这样把划分的每一条路径组成一个类别，所有不同的划分路径组成K个初始分类；

步骤四：从初始的簇集结果出发，按照簇集、簇和数据点三者之间的相互关系来构建内联相似度矩阵，通过设计的并行的LANCZOS—QR算法求解其特征值对应的特征向量来获得低维向量的嵌入。

进一步，所述数据信号发射器模块设置有信息保护单元，所述信息保护单元的数据处理方法包括：

步骤一，定义一个在F_P上的椭圆曲线E，其中p是一个大素数，设置P是E上阶为素数q的一个点，P是循环群<P>的生成元，且在<P>上的离散对数问题是难处理的；从Z_q中随机选取一个值x，并计算Q＝xP，生成基于椭圆曲线的变型签名算法公钥K＝{(p,q,E,P,x,Q):Q＝xP}，签名私钥为x；产生一个轻量级对称密码算法f，对称密钥为τ，τ为用户和可信审计者所共有；系统再随机产生一个轻量级签名算法的公私钥对(spk,ssk)，并设置一个安全的哈希函数h:<P>→Z_q。

步骤二，用户首先对数据文件F＝(m₁,m₂,...，m_n)的身份id计算文件标签t＝id||SSig_ssk(id)，接着采用基于椭圆曲线的变型签名算法，对每一个数据块m_i计算签名σ_i＝(R_i,r_i,s_i)(i＝1,...,n),其中R_i＝k_iP＝(u_i,v_i)，r_i＝u_imod q，以及s_i＝(r_ik_i+m_ix)mod q，这n个签名的集合为Φ＝{σ_i}_1≤i≤n，用户再调用对称密码算法f将每一个数据块m_i加密为m_i'＝m_i+f_τ(id||i)这样数据文件F＝(m₁,m₂,...，m_n)被加密为F'＝(m₁',m₂',...，m_n').最后用户将{F',t,Φ}发送给服务器，并且将原来的数据文件F＝(m₁,m₂,...，m_n)、签名Φ＝{σ_i}_1≤i≤n和文件标签t删除；

步骤三，可信审计者首先取回数据文件标签t，并用spk验证SSig_ssk(id)，如果验证失败，则TPA停止运行.若验证通过，则TPA产生相应的审计挑战信息chal如下:可信审计者在集合{1,2,...,n}中随机选取含有c个元素的集合C＝{l₁,...,l_c}；对于每一个j∈C，用户产生一个相应的随机值c_i，比特长度应小于q的比特长度；然后，TPA向云服务器发送审计挑战信息chal＝{(j,c_j)}_j∈C；当云服务器接收到chal＝{(j,c_j)}_j∈C，云服务器查询数据库中的相关信息{F',t,Φ}并计算如下：计算计算计算云服务器再选择一个随机数η←Z_q，计算W＝ηQ，并且盲化μ'为μ＝μ'+ηh(W)；最后云服务器发送审计响应信息{R,s,μ,W}给可信审计者。

进一步，所述滤波器设置有坏点检测及校正单元，所述坏点检测及校正单元的滤波坏点检测及校正方法包括：

步骤一，求出水平方向梯度绝对值的中值median_Dh＝median(Dh1,Dh2,Dh3)，同理求出竖直方向梯度绝对值的中值median_Dv＝median(Dv1,Dv2,Dv3)，对角线方向梯度绝对值的中值median_D45＝median(D45_1,D45_2,D45_3)，反对角线方向梯度绝对值的中值median_D135＝median(D135_1,D135_2,D135_3)；

步骤二，求出这四个中值梯度的最小值min_grad，即min_grad＝min(median_Dh，median_Dv，median_D45，median_D135)，将该方向作为边缘方向进行坏点滤波；

步骤三，对于中心像素值大于230和小于50的情况，当中心像素点C₅的值小于15时，C₅都比C₁，C₂，C₃，C₄，C₆，C₇，C₈，C₉小，且小于某个阈值时，则判为坏点；否则当中心像素点C₅的值大于230时，C₅都比C₁，C₂，C₃，C₄，C₆，C₇，C₈，C₉大，且大于某个阈值时，则判为坏点，在50与230之间的点仍用后面的步骤进行坏点滤波；

步骤四，对于最小梯度方向为水平方向和竖直方向的情况，过中心像素点的那个梯度的绝对值大于同方向的另两个梯度绝对值和的某正整数倍，对于最小梯度时水平方向的情况，即当Dh2>4×(Dh1+Dh3)时，则将中心像素点判为坏点，校正并输出，否则为正常像素点；最小梯度为竖直的情况与之类似；

步骤五，对于最小梯度方向为对角线方向的情况，此时反对角线的三个梯度绝对值两两之差的绝对值的和小于某个阈值，此时D45_2>4×(D45_1+D45_3)且D135_2>4×(D135_1+D135_3)，则判为坏点，校正并输出，否则为正常点；否则，此时D45_2>4×(D45_1+D45_3)，则判为坏点，校正并输出，否则为正常点；

步骤六，对于最小梯度方向为反对角线方向的情况，此时对角线的三个梯度绝对值两两之差的绝对值的和小于某个阈值，此时D135_2>4×(D135_1+D135_3)且D45_2>4×(D45_1+D45_3)，则判为坏点，校正并输出，否则为正常点；否则，此时D135_2>4×(D135_1+D135_3)，则判为坏点，校正并输出，否则为正常点；当中心像素被确认为坏点时，对最小梯度方向，用较接近中心像素点的像素值来求得校正值，校正过程如下：

中心像素点C₅已被判为坏点，且最小梯度方向min_grad是median_Dh即水平方向；此时用水平方向的值校正之，过程如下：|C₄-C₅|<|C₅-C₆|，则由C₅-C₄＝C₈-C₇＝C₂-C₁，得output＝C₄+(C₈+C₂-C₁-C₇)/2，否则，output＝C₄+(C₈+C₂-C₃-C₉)/2，用output代替原来的C₅输出即可；同理，C₅被判为坏点且min_grad是median_Dv，即最小梯度方向是竖直方向，|C₅-C₂|<|C₅-C₈|，则由C₅-C₂＝C₄-C₁＝C₆-C₃，得output＝C₂+(C₄+C₆-C₁-C₃)/2，否则，output＝C₈+(C₄+C₆-C₇-C₉)/2，用output代替原来的C₅输出即可；同理，C₅被判为坏点且min_grad是median_D45，即最小梯度方向是对角线方向，|C₅-C₃|<|C₅-C₇|，则由C₅-C₃＝C₄-C₂＝C₈-C₆，得output＝C₃+(C₄+C₈-C₂-C₆)/2，否则，output＝C₇+(C₂+C₆-C₄-C₈)/2，用output代替原来的C₅输出即可；同理，C₅被判为坏点且min_grad是median_D135，即最小梯度方向是反对角线方向，|C₅-C₁|<|C₅-C₉|，则由C₅-C₁＝C₈-C₄＝C₆-C₂，得output＝C₁+(C₆+C₈-C₂-C₄)/2，否则，output＝C₉+(C₂+C₄-C₆-C₈)/2，用output代替原来的C₅输出即可；

梯度绝对值的计算公式如下：

Dh1＝|C₁+C₃-2×C₂|，Dh2＝|C₄+C₆-2×C₅|，Dh2＝|C₇+C₉-2×C₈|，

Dv1＝|C₁+C₇-2×C₄|，Dv2＝|C₂+C₈-2×C₅|，Dv3＝|C₃+C₉-2×C₆|，

D45_1＝2×|C₂-C₄|，D45_2＝|C₃+C₇-2×C₅|，D45_3＝2×|C₆-C₈|

D135_1＝2×|C₄-C₈|，D135_2＝|C₁+C₉-2×C₅|，D135_3＝2×|C₂-C₆|；

对角线的三个梯度绝对值两两之差的绝对值的和的计算公式如下：D45_sum＝|D45_1-D45_2|+|D45_1-D45_3|+|D45_2-D45_3|；

反对角线的三个梯度绝对值两两之差的绝对值的和的计算公式如下：

D135_sum＝

|D135_1-D135_2|+|D135_1-D135_3|+|D135_2-D135_3|。

本发明在使用时当最近距离小于安全距离时，所述数据信号发射器模块3发射预警信号至钻头控制模块。所述安全距离小于等于5米。所述数据信号发射器模块3可以包括振荡器等芯片，用于发送所述预警信号。所述信号接收装置3-1用于从所述数据信号发射器模块3接收预警信号，并发出预警信息。作业人员在进行钻井施工时，往往距离邻井较远的距离，所述报警装置3-5包括收发模块3-5-1、处理器3-5-2、RS232接口电路3-5-3、LED灯3-5-4、音箱3-5-5，可以方便施工人员随身携带，在第一时间了解是否有碰撞邻井套管的风险。如果报警装置3-5发出报警信息，施工人员可通过查看所述钻头控制模块3的显示屏3-3来了解相邻钻井的距离并及时开启钻头控制模块3的自动防碰功能，控制钻头自动避开障碍，以解除碰撞邻井套管的风险。

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 (4)

1.一种自动防碰钻井系统，其特征在于，该自动防碰钻井系统采用以下方法实现防碰：

步骤一、采用三维动画的建模方法建立三维钻井图形实体模型库；

步骤二、输入老井的轨道及新井的轨道数据，生成三角网数字地面模型，三角网数字地面模型与老井的轨道及新井的轨道数据结合生成具有约束条件的地面模型及钻井轨道模型；

步骤三、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；

步骤四、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；

步骤五、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；

步骤六、确定对新井产生影响的直径范围，将新井周围影响区域外的井位剔除；

步骤七、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；

步骤八、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；

步骤九、监测邻井套管端口的振动，并采集振动信号，根据所述振动信号的强度，计算钻井钻头与领井套管的最近距离；

步骤十、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；

步骤十一、进行轨道碰撞扫描，并求出碰撞结果；

先确定预设安全井距然后进行轨道碰撞扫描，采用水平扫描法、法面扫描法和最小距离法，在新井轨道的直井段采用水平扫描法，在新井轨道的斜井段与同方向井之间采用法面扫描法，与异方向井之间采用水平面扫描法，当上述扫描结果井间距离小于安全井距的1.5倍时换用最小距离法进行计算，得出井间最小距离，当扫描到的井间最小距离在安全井距的1.5倍以上时再换回用平面扫描法或法面扫描法进行扫描，对扫描结果小于安全井距的轨道距离进行显示；

所述自动防碰钻井系统包括振动传感器模块、数据采集分析器模块、钻头控制模块、数据信号发射器模块，所述数据采集分析器模块与所述振动传感器模块相连接，所述数据信号发射器模块与所述数据采集分析器模块和所述钻头控制模块相连接，所述钻头控制模块设置在钻头上，用于控制钻头的行进方向；所述振动传感器模块用于监测邻井套管端口的振动，并将采集到的振动信号传递至所述数据采集分析器模块，所述数据采集分析器模块用于根据所述振动信号的强度，计算钻井钻头与领井套管的最近距离，所述数据信号发射器模块在所述最近距离小于安全距离时，发射预警信号至所述钻头控制模块，所述钻头控制模块控制钻头自动避开障碍，开启自动防碰功能；

所述的振动传感器模块安装于邻井井口的套管端口，所述的振动传感器模块包括压电式加速度传感器；

所述的数据采集分析器模块包括放大器、减法器、积分器、比较器、数模转换器和滤波器，所述放大器的输出端与减法器的正输入端连接，所述数模转换器的输出端与所述减法器的负输入端连接，所述减法器的输出端与积分器的输入端连接，所述积分器的输出端与所述比较器的输入端连接，所述比较器的输出端与数模转换器的输入端以及滤波器的输入端相连接；

所述的钻头控制模块包括信号接收装置、控制主机、显示屏、电源装置和报警装置；

所述的显示屏包含显示面板、单元层、粘接层，所述单元层设置在所述显示板的外侧，所述粘接层设置在所述显示面板和所述单元层之间，其中，所述粘接层的粘接于所述显示面板的粘接面的第一边缘和所述粘接层的粘接于所述单元层的粘接面的第二边缘沿粘接面方向相互移位。

2.如权利要求1所述的自动防碰钻井系统，其特征在于，所述数据采集分析器模块设置有数据聚类集成单元，所述数据聚类集成单元的数据处理方法包括：

步骤一，先对XML文档集中的每一个XML大数据进行清洗、划分和抽取预处理，即通过规模和内容的划分方法，从每个XML大数据中提取所有节点及节点的子集，计算节点在数据中的频度，根据节点的频繁频度尽可能地把属于同一主题内容的节点及子孙划分在同一子集，不同主题内容的节点划分在不同子集，并从划分的子集中按照关键词的频繁频度抽取n个子树，求出抽取的每一个子树从根节点到叶子节点的所有路径，并以路径作为消歧的输入源对歧义词进行消歧处理，求取每个关键词的语义相关度及上下文语义相关相似度；

步骤二，把消歧处理后的每一个子树中所有的关键词看成是该数据点的特征描述，这样所有的数据点组成的XML文档集就是n个n×n维特征空间向量；

步骤三，借鉴聚类集成的基本思想，用随机子空间分类器作为基聚类器构建k个分类器，k个分类器并行地从n个n×n特征向量空间中随机抽取m个样本数据来进行训练以求得分类，方法是对新样本集建立一个无向图，每个样本点是图的一个顶点，图的边是顶点间的连线，它表示文档之间的相似度，相似度采用标记语义树的方法求得，并按照它们组成的边的权重最小、一条路径的加权之和最大的原则把图划分成不同的路径，路径的划分采用K-邻近法，这样把划分的每一条路径组成一个类别，所有不同的划分路径组成K个初始分类；

步骤四：从初始的簇集结果出发，按照簇集、簇和数据点三者之间的相互关系来构建内联相似度矩阵，通过设计的并行的LANCZOS—QR算法求解其特征值对应的特征向量来获得低维向量的嵌入。

3.如权利要求1所述的自动防碰钻井系统，其特征在于，所述数据信号发射器模块设置有信息保护单元，所述信息保护单元的数据处理方法包括：

步骤一，定义一个在F_P上的椭圆曲线E，其中p是一个大素数，设置P是E上阶为素数q的一个点，P是循环群<P>的生成元，且在<P>上的离散对数问题是难处理的；从Z_q中随机选取一个值x，并计算Q＝xP，生成基于椭圆曲线的变型签名算法公钥K＝{(p,q,E,P,x,Q):Q＝xP}，签名私钥为x；产生一个轻量级对称密码算法f，对称密钥为τ，τ为用户和可信审计者所共有；系统再随机产生一个轻量级签名算法的公私钥对(spk,ssk)，并设置一个安全的哈希函数h:<P>→Z_q；

步骤二，用户首先对数据文件F＝(m₁,m₂,...，m_n)的身份id计算文件标签t＝id||SSig_ssk(id)，接着采用基于椭圆曲线的变型签名算法，对每一个数据块m_i计算签名σ_i＝(R_i,r_i,s_i)(i＝1,...,n),其中R_i＝k_iP＝(u_i,v_i)，r_i＝u_imodq，以及s_i＝(r_ik_i+m_ix)mod q，这n个签名的集合为Φ＝{σ_i}_1≤i≤n，用户再调用对称密码算法f将每一个数据块m_i加密为m′_i＝m_i+f_τ(id||i)这样数据文件F＝(m₁,m₂,...，m_n)被加密为F'＝(m₁′,m₂′,...，m_n′).最后用户将{F',t,Φ}发送给服务器，并且将原来的数据文件F＝(m₁,m₂,...，m_n)、签名Φ＝{σ_i}_1≤i≤n和文件标签t删除；

步骤三，可信审计者首先取回数据文件标签t，并用spk验证SSig_ssk(id)，如果验证失败，则TPA停止运行.若验证通过，则TPA产生相应的审计挑战信息chal如下:可信审计者在集合{1,2,...,n}中随机选取含有c个元素的集合C＝{l₁,...,l_c}；对于每一个j∈C，用户产生一个相应的随机值c_i，比特长度应小于q的比特长度；然后，TPA向云服务器发送审计挑战信息chal＝{(j,c_j)}_j∈C；当云服务器接收到chal＝{(j,c_j)}_j∈C，云服务器查询数据库中的相关信息{F',t,Φ}并计算如下：计算计算计算云服务器再选择一个随机数η←Z_q，计算W＝ηQ，并且盲化μ'为μ＝μ'+ηh(W)；最后云服务器发送审计响应信息{R,s,μ,W}给可信审计者。

4.如权利要求1所述的自动防碰钻井系统，其特征在于，所述滤波器设置有坏点检测及校正单元，所述坏点检测及校正单元的滤波坏点检测及校正方法包括：

步骤一，求出水平方向梯度绝对值的中值median_Dh＝median(Dh1,Dh2,Dh3)，同理求出竖直方向梯度绝对值的中值median_Dv＝median(Dv1,Dv2,Dv3)，对角线方向梯度绝对值的中值median_D45＝median(D45_1,D45_2,D45_3)，反对角线方向梯度绝对值的中值median_D135＝median(D135_1,D135_2,D135_3)；

步骤二，求出这四个中值梯度的最小值min_grad，即min_grad＝min(median_Dh，median_Dv，median_D45，median_D135)，将该方向作为边缘方向进行坏点滤波；

步骤三，对于中心像素值大于230和小于50的情况，当中心像素点C₅的值小于15时，C₅都比C₁，C₂，C₃，C₄，C₆，C₇，C₈，C₉小，且小于某个阈值时，则判为坏点；否则当中心像素点C₅的值大于230时，C₅都比C₁，C₂，C₃，C₄，C₆，C₇，C₈，C₉大，且大于某个阈值时，则判为坏点，在50与230之间的点仍用后面的步骤进行坏点滤波；

步骤四，对于最小梯度方向为水平方向和竖直方向的情况，过中心像素点的那个梯度的绝对值大于同方向的另两个梯度绝对值和的某正整数倍，对于最小梯度时水平方向的情况，即当Dh2>4×(Dh1+Dh3)时，则将中心像素点判为坏点，校正并输出，否则为正常像素点；最小梯度为竖直的情况与之类似；

步骤五，对于最小梯度方向为对角线方向的情况，此时反对角线的三个梯度绝对值两两之差的绝对值的和小于某个阈值，此时D45_2>4×(D45_1+D45_3)且D135_2>4×(D135_1+D135_3)，则判为坏点，校正并输出，否则为正常点；否则，此时D45_2>4×(D45_1+D45_3)，则判为坏点，校正并输出，否则为正常点；

步骤六，对于最小梯度方向为反对角线方向的情况，此时对角线的三个梯度绝对值两两之差的绝对值的和小于某个阈值，此时D135_2>4×(D135_1+D135_3)且D45_2>4×(D45_1+D45_3)，则判为坏点，校正并输出，否则为正常点；否则，此时D135_2>4×(D135_1+D135_3)，则判为坏点，校正并输出，否则为正常点；当中心像素被确认为坏点时，对最小梯度方向，用较接近中心像素点的像素值来求得校正值，校正过程如下：

中心像素点C₅已被判为坏点，且最小梯度方向min_grad是median_Dh即水平方向；此时用水平方向的值校正之，过程如下：|C₄-C₅|<|C₅-C₆|，则由C₅-C₄＝C₈-C₇＝C₂-C₁，得output＝C₄+(C₈+C₂-C₁-C₇)/2，否则，output＝C₄+(C₈+C₂-C₃-C₉)/2，用output代替原来的C₅输出即可；同理，C₅被判为坏点且min_grad是median_Dv，即最小梯度方向是竖直方向，|C₅-C₂|<|C₅-C₈|，则由C₅-C₂＝C₄-C₁＝C₆-C₃，得output＝C₂+(C₄+C₆-C₁-C₃)/2，否则，output＝C₈+(C₄+C₆-C₇-C₉)/2，用output代替原来的C₅输出即可；同理，C₅被判为坏点且min_grad是median_D45，即最小梯度方向是对角线方向，|C₅-C₃|<|C₅-C₇|，则由C₅-C₃＝C₄-C₂＝C₈-C₆，得output＝C₃+(C₄+C₈-C₂-C₆)/2，否则，output＝C₇+(C₂+C₆-C₄-C₈)/2，用output代替原来的C₅输出即可；同理，C₅被判为坏点且min_grad是median_D135，即最小梯度方向是反对角线方向，|C₅-C₁|<|C₅-C₉|，则由C₅-C₁＝C₈-C₄＝C₆-C₂，得output＝C₁+(C₆+C₈-C₂-C₄)/2，否则，output＝C₉+(C₂+C₄-C₆-C₈)/2，用output代替原来的C₅输出即可；

梯度绝对值的计算公式如下：

Dh1＝|C₁+C₃-2×C₂|，Dh2＝|C₄+C₆-2×C₅|，Dh2＝|C₇+C₉-2×C₈|，

Dv1＝|C₁+C₇-2×C₄|，Dv2＝|C₂+C₈-2×C₅|，Dv3＝|C₃+C₉-2×C₆|，

D45_1＝2×|C₂-C₄|，D45_2＝|C₃+C₇-2×C₅|，D45_3＝2×|C₆-C₈|

D135_1＝2×|C₄-C₈|，D135_2＝|C₁+C₉-2×C₅|，D135_3＝2×|C₂-C₆|；

对角线的三个梯度绝对值两两之差的绝对值的和的计算公式如下：D45_sum＝|D45_1-D45_2|+|D45_1-D45_3|+|D45_2-D45_3|；

反对角线的三个梯度绝对值两两之差的绝对值的和的计算公式如下：

D135_sum＝|D135_1-D135_2|+|D135_1-D135_3|+|D135_2-D135_3|。