CN109891191B - 用于随钻自主导引的机会传感器融合算法 - Google Patents
用于随钻自主导引的机会传感器融合算法 Download PDFInfo
- Publication number
- CN109891191B CN109891191B CN201780067008.1A CN201780067008A CN109891191B CN 109891191 B CN109891191 B CN 109891191B CN 201780067008 A CN201780067008 A CN 201780067008A CN 109891191 B CN109891191 B CN 109891191B
- Authority
- CN
- China
- Prior art keywords
- algorithms
- continuous mode
- computer
- algorithm
- measurement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 108
- 238000005553 drilling Methods 0.000 title claims description 33
- 230000004927 fusion Effects 0.000 title description 10
- 238000005259 measurement Methods 0.000 claims abstract description 93
- 238000000034 method Methods 0.000 claims description 36
- 230000007613 environmental effect Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 239000012530 fluid Substances 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 6
- 239000003345 natural gas Substances 0.000 claims description 3
- 230000026676 system process Effects 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 239000007789 gas Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000004806 packaging method and process Methods 0.000 description 4
- 229910017532 Cu-Be Inorganic materials 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229910052790 beryllium Inorganic materials 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 229920001875 Ebonite Polymers 0.000 description 1
- 101001068634 Homo sapiens Protein PRRC2A Proteins 0.000 description 1
- 101000908580 Homo sapiens Spliceosome RNA helicase DDX39B Proteins 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 102100033954 Protein PRRC2A Human genes 0.000 description 1
- 102100024690 Spliceosome RNA helicase DDX39B Human genes 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000002706 hydrostatic effect Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002366 time-of-flight method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/02—Measuring direction or magnitude of magnetic fields or magnetic flux
- G01R33/028—Electrodynamic magnetometers
- G01R33/0286—Electrodynamic magnetometers comprising microelectromechanical systems [MEMS]
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B44/00—Automatic control systems specially adapted for drilling operations, i.e. self-operating systems which function to carry out or modify a drilling operation without intervention of a human operator, e.g. computer-controlled drilling systems; Systems specially adapted for monitoring a plurality of drilling variables or conditions
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B44/00—Automatic control systems specially adapted for drilling operations, i.e. self-operating systems which function to carry out or modify a drilling operation without intervention of a human operator, e.g. computer-controlled drilling systems; Systems specially adapted for monitoring a plurality of drilling variables or conditions
- E21B44/005—Below-ground automatic control systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
- G01C21/08—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means involving use of the magnetic field of the earth
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/02—Measuring direction or magnitude of magnetic fields or magnetic flux
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Fluid Mechanics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Geochemistry & Mineralogy (AREA)
- Automation & Control Theory (AREA)
- Gyroscopes (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
描述了一种估计井眼轨迹的系统。所述系统处理从惯性传感器系统获得的传感器信号流。利用一组经处理后信号，所述系统确定钻头是处于测量模式状态还是连续模式状态，并且确定井眼的测量深度。在钻头静止时，应用一组测量模式定位算法。在钻头未静止时，应用一组连续模式导航算法。利用至少一个卡尔曼滤波器，组合一组测量模式定位算法的结果和一组连续模式导航算法的结果。利用组合结果生成井眼轨迹的估计和对应的不确定椭圆(EOU)。
Description
相关申请的交叉引用
这是2016年12月21日在美国提交的题为“Gyromagnetic GeopositioningSystem”的美国申请No.15/387435的部分继续专利申请，其全部内容通过引用并入于此。
这也是2016年11月29日在美国提交的题为“Incremental TrajectoryEstimation Based on Real Time Inertial Sensing”的美国临时申请No.62/427,561的非临时专利申请，其全部内容通过引用并入于此。
这同样是2017年1月26日在美国提交的题为“Opportunistic Sensor FusionAlgorithm for Autonomous Guidance While Drilling”的美国临时申请No.62/451,019的非临时专利申请，其全部内容通过引用并入于此。
技术领域
本发明涉及用于估计井眼(borehole)轨迹的系统，并且更具体地，涉及通过组合各种传感器数据流来估计井眼轨迹的系统。
背景技术
近来，钻探(drilling)有复杂井眼轨迹的钻井已经增加。井眼是在地下垂直和/或水平钻出的窄井筒(shaft)，其被构造用于多种目的。通常存在从表面起的竖直段，然后是从竖直到水平的曲线过渡段，然后是石油和天然气贮量中的水平段。可以钻出井眼以提取水、其它液体(例如，石油)或气体(例如，天然气)，或者作为岩土工程调查、环境现场评估、矿物勘探或温度测量的一部分。
在Sharp的美国专利No.4,454,756(下文中称为'756专利)中，Sharp描述了一种惯性井眼测量系统，该系统需要使用测井电缆来提供测量深度(MD)(探针位置)信息和钻孔速度(ROP)(探针速度)。信号被发送至地表以进行处理，从而计算和记录探针位置。对测量数据和连续数据的基本卡尔曼(Kalman)滤波只有在工具运行后才能在表面上进行。此外，该系统仅适用于常规的竖井，并且缺乏高性能磁力计。
而且，Molnar的美国专利No.4,542,647(下文中称为'647专利)描述了一种井眼惯性导引系统，该系统也还需要使用测井电缆来提供测量深度(MD)(探针位置)信息和钻孔速度(ROP)(探针速度)。该系统仅使用两个陀螺仪轴，并根据探针速度从加速度计或地球速率合成第三个轴。此外，'647专利描述了陀螺罗盘和INS解决方案的基本卡尔曼滤波。
因此，一直需要利用先进的基于实时卡尔曼滤波器的算法的独立自主系统，以按自主方式生成最佳位置/轨迹和最小位置不确定性。
发明内容
本发明涉及估计井眼轨迹的系统，并且更具体地，涉及通过组合各种传感器流来估计井眼轨迹的系统。所述系统包括惯性传感器系统以及一个或更多个处理器和编码有可执行指令的非暂时性计算机可读介质，使得当执行可执行指令时，所述一个或更多个处理器执行多个操作。所述系统处理从环境传感器系统和所述惯性传感器系统获得的传感器信号流，从而产生一组处理后信号。利用该组处理后信号，所述系统确定钻头(drill)是处于测量模式状态还是连续模式状态。利用所述一组处理后信号确定所述井眼的测量深度。在所述钻头静止时，向所述一组处理后信号应用一组测量模式定位算法。在所述钻头未静止时，向所述一组处理后信号应用一组连续模式导航算法。利用至少一个卡尔曼滤波器，将所述一组测量模式定位算法的结果和所述一组连续模式导航算法的结果组合。利用组合结果生成对井眼轨迹的估计和对应的不确定椭圆(EOU：Ellipse of Uncertainty)。
另一方面，所述系统包括环境传感器系统，并且其中，所述系统处理从所述环境传感器系统获得的传感器信号流。
另一方面，利用测量模式卡尔曼滤波器来组合所述一组测量模式定位算法，以估计第一井眼轨迹和EOU。利用连续模式卡尔曼滤波器来组合所述一组连续模式导航算法，以估计第二井眼轨迹和EOU。将所述第一井眼轨迹和EOU与所述第二井眼轨迹和EOU组合成最终井眼轨迹和EOU。
另一方面，所述惯性传感器系统包括至少三轴微机电系统(MEMS)陀螺仪、至少三轴MEMS加速度计以及至少三轴磁力计。
另一方面，所述环境传感器系统包括至少三轴微机电系统(MEMS)陀螺仪、至少三轴MEMS加速度计、钻液压力换能器以及钻液温度传感器。
另一方面，所述一组测量模式定位算法包括旋磁地理定位算法、磁罗盘测量算法以及陀螺罗盘测量算法。
另一方面，所述一组连续模式导航算法包括基于磁力计的增量轨迹估计算法、基于陀螺仪的增量轨迹估计算法以及开环惯性导航系统算法。
另一方面，其中，所估计的井眼轨迹和对应的EOU被用于定位油藏和天然气藏中的一项。
最后，本发明还包括一种计算机程序产品和计算机实现方法。所述计算机程序产品包括存储在非暂时性计算机可读介质上的计算机可读指令，该计算机可读指令可通过具有一个或更多个处理器的计算机执行，使得在执行所述指令时，所述一个或更多个处理器执行本文列出的操作。另选的是，所述计算机实现方法包括使计算机执行这种指令并且执行所得操作的行为。
附图说明
根据下面结合参照附图对本发明各个方面的详细描述，本发明的目的、特征以及优点将变清楚，其中：
图1是描绘根据本公开的一些实施方式的用于估计井眼轨迹的系统的组件的框图；
图2是根据本公开的一些实施方式的计算机程序产品的例示图；
图3A是根据本公开一些实施方式的、用于包括物理设备的随钻自主导引(AGWD：Autonomous Guidance While Drilling)系统的机会传感器融合算法(OSFA：Opportunistic Sensor Fusion Algorithm)的例示图；
图3B是根据本公开一些实施方式的用于AGWD系统的OSFA的例示图，包括环境传感器封装、惯性传感器封装、信号处理以及测量深度确定；
图3C是根据本公开一些实施方式的用于AGWD系统的OSFA的例示图，包括测量模式的详细描述；
图3D是根据本公开一些实施方式的用于AGWD系统的OSFA的例示图，包括连续模式的详细描述；
图4A是根据本公开一些实施方式的用于AGWD系统的OSFA的另选实施方式的例示图，包括环境传感器封装、惯性传感器封装、信号处理、测量深度确定、测量模式以及连续模式；以及
图4B是根据本公开一些实施方式的由级联子卡尔曼滤波器形成的主卡尔曼滤波器的例示图。
具体实施方式
本发明涉及用于估计井眼轨迹的系统，并且更具体地，涉及通过组合各种传感器流来估计井眼轨迹的系统。呈现以下描述以使本领域普通技术人员能够制造和使用本发明并将其并入特定应用的背景中。各种变型以及不同应用方面的多种用途对于本领域技术人员来说是显而易见的，并且本文定义的一般原理可以被应用于广泛的方面。因此，本发明不旨在限于所呈现的方面，而是符合与本文所公开原理和新颖特征相一致的最广范围。
在下面的详细描述中，阐述了许多具体细节以便提供对本发明的更详尽理解。然而，本领域技术人员应当明白，本发明可以在不必受限于这些具体细节的情况下实践。在其它情况下，公知结构和装置以框图形式而不是细节示出，以便避免模糊本发明。
将读者的注意引向与本说明书同时提交的所有文件和文档，并且所述文件和文档可以与本说明书一起开放以供公众查阅，所有这些文件和文档的内容通过引用并入于此。本说明书中公开的所有功能(包括任何所附权利要求、摘要及附图)可以用服务于相同、等同或相似目的的另选特征来代替，除非另有明确说明。因此，除非另有明确说明，所公开的每个特征仅仅是通用系列的等同或相似特征中的一个例子。
而且，权利要求书中没有明确陈述“用于执行指定功能的装置”或“用于执行特定功能的步骤”的任何部件不被解释为如在35U.S.C.Section 112,Paragraph 6中指定的“装置”或“步骤”条款。特别地，在本文的权利要求书中使用“…的步骤”或“……的动作”不旨在援引35U.S.C.112,Paragraph 6的规定。
(1)主要方面
本发明的各种实施方式包括三个“主要”方面。第一个方面是一种估计井眼轨迹的系统。该系统通常采用计算机系统操作软件的形式或采用“硬编码”指令集的形式。该系统可以并入提供不同功能的各种各样的装置中。第二个主要方面是通常采用软件的形式的一种方法，该方法利用数据处理系统(计算机)进行操作。第三个主要方面是计算机程序产品。该计算机程序产品通常表示存储在诸如光存储装置(例如，光盘(CD)或数字万用盘(DVD))或诸如软盘或磁带的磁存储装置的非暂时性计算机可读介质上的计算机可读指令。计算机可读介质的其它非限制例包括：硬盘、只读存储器(ROM)及闪速存储器。这些方面将在下面进行更详细描述。
图1中提供了描绘本发明的系统(即，计算机系统100)的示例的框图。计算机系统100被配置成执行与程序或算法相关联的计算、处理、操作和/或功能。在一个方面，本文讨论的某些处理和步骤被实现为驻留在计算机可读存储器单元内并由计算机系统100的一个或更多个处理器执行的一系列指令(例如，软件程序)。在执行时，所述指令使计算机系统100执行特定动作并展现特定行为，如本文所描述的。
计算机系统100可以包括被配置成传送信息的地址/数据总线102。另外，一个或更多个数据处理单元(如处理器104(或多个处理器))与地址/数据总线102联接。处理器104被配置成处理信息和指令。在一方面，处理器104是微处理器。另选地，处理器104可以是不同类型的处理器，诸如并行处理器、专用集成电路(ASIC)、可编程逻辑阵列(PLA)、复杂可编程逻辑器件(CPLD)或现场可编程门阵列(FPGA)。
计算机系统100被配置成利用一个或更多个数据存储单元。计算机系统100可以包括与地址/数据总线102联接的易失性存储器单元106(例如，随机存取存储器(“RAM”)、静态RAM、动态RAM等)，其中，易失性存储器单元106被配置成存储用于处理器104的信息和指令。计算机系统100还可以包括与地址/数据总线102联接的非易失性存储器单元108(例如，只读存储器(“ROM”)、可编程ROM(“PROM”)、可擦除可编程ROM(“EPROM”)、电可擦除可编程ROM(“EEPROM”)、闪速存储器等)，其中，非易失性存储器单元108被配置成存储用于处理器104的静态信息和指令。另选的是，计算机系统100可以执行从诸如“云”计算中的在线数据存储单元取回的指令。在一方面，计算机系统100还可以包括与地址/数据总线102联接的一个或更多个接口，如接口110。所述一个或更多个接口被配置成使得计算机系统100能够与其它电子装置和计算机系统连接。由所述一个或更多个接口实现的通信接口可以包括有线(例如，串行电缆、调制解调器、网络适配器等)和/或无线(例如，无线调制解调器、无线网络适配器等)通信技术。
在一个方面，计算机系统100可以包括与地址/数据总线102联接的输入装置112，其中，输入装置112被配置成将信息和命令选择传送至处理器100。根据一个方面，输入装置112是字母数字输入装置(如键盘)，其可以包括字母数字键和/或功能键。另选的是，输入装置112可以是除字母数字输入装置之外的其它输入装置。在一方面，计算机系统100可以包括与地址/数据总线102联接的光标控制装置114，其中，光标控制装置114被配置成将用户输入信息和/或命令选择传送至处理器100。在一方面，光标控制装置114利用诸如鼠标、轨迹球、轨迹板、光学跟踪装置或触摸屏的装置来实现。前述尽管如此，但在一方面，诸如响应于使用与输入装置112相关联的特殊键和键序列命令，光标控制装置114经由来自输入装置112的输入而被管理和/或激活。在另选方面，光标控制装置114被配置成通过语音命令管理或引导。
在一方面，计算机系统100还可以包括一个或更多个可选的计算机可用数据存储装置，如与地址/数据总线102联接的存储装置116。存储装置116被配置成存储信息和/或计算机可执行指令。在一个方面，存储装置116是诸如磁或光盘驱动器(例如，硬盘驱动器(“HDD”)、软盘、光盘只读存储器(“CD-ROM”)、数字万用盘(“DVD”))的存储装置。依据一个方面，显示装置118与地址/数据总线102联接，其中，显示装置118被配置成显示视频和/或图形。在一方面，显示装置118可以包括阴极射线管(“CRT”)、液晶显示器(“LCD”)、场发射显示器(“FED”)、等离子体显示器或适于显示视频和/或图形图像以及用户可识别的字母数字字符的任何其它显示装置。
本文所呈现的计算机系统100是根据一方面的示例计算环境。然而，计算机系统100的非限制例并不严格受限于作为计算机系统。例如，一个方面提供了计算机系统100表示可以根据本文所述各个方面使用的一类数据处理分析。此外，还可以实现其它计算系统。实际上，本技术的精神和范围不限于任何单一数据处理环境。因此，在一方面，使用通过计算机执行的诸如程序模块之类的计算机可执行指令来控制或实现本技术的各个方面的一个或更多个操作。在一个实现中，这样的程序模块包括被配置成执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件和/或数据结构。另外，一方面提供了本技术的一个或更多个方面通过利用一个或更多个分布式计算环境来实现，诸如任务由通过通信网络链接的远程处理装置执行，或者各种程序模块位于包括存储器-存储装置的本地和远程计算机存储介质中。
图2中描绘了具体实施本发明的计算机程序产品(即，存储装置)的例示图。该计算机程序产品被描绘为软盘200或诸如CD或DVD的光盘202。然而，如先前提到，该计算机程序产品通常表示存储在任何兼容的非暂时性计算机可读介质上的计算机可读指令。如关于本发明所使用的术语“指令”通常指示要在计算机上执行的一组操作，并且可以表示整个程序的片段或单个分离软件模块。“指令”的非限制性示例包括计算机程序代码(源或目标代码)和“硬编码”电子装置(即，编码到计算机芯片中的计算机操作)。“指令”被存储在任何非暂时性计算机可读介质上，如存储在计算机的存储器中或软盘、CD-ROM及闪存驱动器上。无论如何，这些指令被编码在非暂时性计算机可读介质上。
(2)各个实施方式的具体细节
这里描述的是一种被称为随钻自主导引(AGWD：Autonomous Guidance WhileDrilling)系统的系统和设备，其以最小的误差实时估计井眼轨迹。然后，该系统可以提供井下组装件(BHA：Bottom Hole Assembly)的实时自主导航和导引，其可以在一种配置中包括可导向钻头或者在另一种配置中将BHA位置发送至地表，在地表处可以通过命令钻机(rig)动作来使井转向，从而使能实现真正的自主钻探。
根据本公开实施方式的系统包括自主组合测量模式和连续模式实时惯性导航和定位。基于钻头/钻机的运动，确定钻机状态处于测量模式还是连续模式，并且将恰当的触发(用于触发操作)和启用(enable)发送至系统的其余部分。启用通常是某种逻辑信号，其接通或断开软件或硬件的某个子组件。对于软件来说，所述启用可以是存储器中的位(1或0)，其控制是否执行某一代码序列。对于硬件来说，所述启用可以是信号线上的电压信号，其控制芯片是打开还是关闭。例如，微处理器可以启用或禁用外围芯片，如存储器或传感器接口。在本发明实施方式中，将三种测量模式定位算法和三种连续模式导航算法融合在一起，用于井下钻探。
另外，所述系统使用定制的卡尔曼滤波器来利用信号处理和各种传感器流的融合。主卡尔曼滤波器可以由级联在一起的几个子卡尔曼滤波器组成。另选地，主卡尔曼滤波器可以是具有大量内部状态(例如，≥30个状态)的单个卡尔曼滤波器。由于三种测量模式和三种连续模式定位和导航算法的组合，本发明的卡尔曼滤波器的数学内部结构是独特的。下面，将进一步详细描述上述方面中的每一方面。
AGWD系统有多个独特的方面。例如，AGWD系统按照有意义且最佳的方式组合各种传感器流。鉴于系统的复杂性，组合传感器流没有一个明显的解决方案。由于每个定位和导航算法的细节，根据本公开实施方式的用于组合所有六个定位和导航算法的卡尔曼滤波器(或卡尔曼滤波器系统)的内部数学构造必然是独特的。
本文所述的AGWD系统并入了自动井下校准过程(如在美国临时申请No.62/477,327中所述的，其如在此全面阐述地通过引用而并入于此)，以根据需要交叉校准微机电系统(MEMS)陀螺仪，这大大提高了系统的性能。AGWD系统能够利用各种方法确定其行进距离。最为显著地，提出并开发了一种独特的泥浆压力飞行时间法，如在美国临时申请No.62/477,344中所述的，其如在此全面阐述地通过引用而并入于此。利用行进距离信息大大减少了位置不确定性的增长，使得能够代替传统惯性导航系统(INS)或者除了传统惯性导航系统(INS)之外还使用增量轨迹估计(ITE：Incremental Trajectory Estimation)算法(在美国临时申请No.62/427,561(下文中称为'561申请)中所述，其如在此全面阐述地通过引用而并入于此)。ITE是一种独特的方法(参见'561申请)，因此，从卡尔曼滤波器的角度来看，ITE与测量模式位置测量以及其它算法的融合并不明显。
本文所述的系统允许对油井(oil wellbore)路线或轨迹实时定位，因为其钻探的位置准确度比先前使用常规随钻测量(MWD)技术可实现的位置准确度高。如下详细描述的，用于AGWD系统的机会传感器融合算法(OSFA：Opportunistic Sensor Fusion Algorithm)通过惯性传感器(最值得注意的是，增加了三轴群的鲁棒的高性能MEMS陀螺仪)和高级系统算法的优越组合实现了这一目标，从而将多个传感器流最佳地组合到导航解决方案中，并且残留位置不确定性最小。与常规MWD技术相比，其在20,000英尺非常规水平井的末端留下大约+/-65英尺(2sigma)的残余位置不确定性，预期AGWD将提供超过3X的改善，达到低于+/-23英尺(2sigma)的残余位置不确定性。
图3A-图3D例示了所公开发明的高级概述。所述系统包括物理设备和运行在该物理设备中的嵌入式计算硬件上的系统算法。图3A中示出了原型物理设备(AGWD设备300)的例示图。在一个实施方式中，AGWD设备300采用独立的井下探针或探测器(sonde)的形式，其被封装在铜-铍压力容器中以承受钻探环境中的极端压力(高达20,000磅/平方英寸(PSI))。AGWD探测器配置的图表302显示了其各种内部模块。在本公开所述的机会陀螺罗盘算法中使用的关键模块是AGWD惯性传感器封装(要素304)和AGWD环境传感器封装(要素306)。示出了它们在原型中的位置。
鱼钩/装载机构(要素308)是铜-铍(Cu-Be)探测器的特殊形状的末端件(endpiece)，其使得能够在不移除钻管(drill pipe)的情况下回收到地表。其还被用于将探测器提升到钻管中。因此，在钻机中，当AGWD设备300处于竖直方向时，鱼钩/装载机构(要素308)实际上是该AGWD设备的顶部(最靠近天空)。这是石油和天然气行业的标准装备。扶正器翅片(要素310)将Cu-Be探测器保持在钻管的中心。它们通常由硬橡胶或弹性体材料制成。这是石油和天然气行业的装备标准的标准件。
AGWD惯性传感器封装(要素304)包括以下高性能惯性传感器：三轴磁力计(Mag；要素312)；三轴加速度计(Accel；要素314)；以及三个陀螺仪(陀螺仪；要素316)。
AGWD环境传感器封装(要素306)包括环境传感器(要素318)，其包括低性能、高范围加速度计和陀螺仪群(每个3轴)，以及钻液(钻探泥浆)压力和温度传感器。
BAT1(要素320)和BAT2(要素322)是为系统供电的电池。尽管不限于此，但它们例如是额定高温的锂离子电池。它们的容量是每个29安培小时(Ah)，并且它们提供29V输出。螺旋件(要素324)是将Cu-Be探测器附接至钻柱(drillstring)的构件。这是本行业的标准件。这是AGWD设备300的底部。
如图3B所示(从接续图3A)，两个关键的传感器封装从其传感器获取并流传输数据。AGWD惯性传感器封装(要素304)以大约100赫兹(Hz)从其高精度传感器获取数据，而AGWD环境传感器包(要素306)以1000Hz从高范围低精度传感器获取数据。因此，环境传感器封装(要素306)与惯性传感器封装(要素304)之间的关键区别特征是数据获取速率以及每个内包含的加速度计和陀螺仪的准确度和精度水平。而且，惯性传感器封装(要素304)具有至少一个三轴高性能磁力计(要素308)，而环境传感器封装(要素306)未利用磁力计而选择压力和温度换能器(要素310)，压力和温度换能器与循环的钻液(即，“泥浆”)接触。
如图3B中所示，传感器数据流被馈送至信号预处理模块312，该信号预处理模块首先同步、对齐、滤波，并抽取314(即，利用恰当滤波进行下采样)数据直至大约一秒钟的时段。利用比例因子、未对准，以及从温度实验室校准测试中获得的偏差系数，来应用确定性补偿316。该过程将从连接至传感器的模数转换器获得的原始电压信号转换成对应于传感器类型的工程单位。加速度计以米/秒平方(m/s2)或标准“g”为单位测量加速度。陀螺仪以每秒度数或每小时度数为单位测量旋转速率。磁力计以特斯拉(Teslas)为单位测量磁场。压力以帕斯卡或磅/平方英寸(PSI)为单位进行测量。温度以摄氏度或华氏度为单位进行测量。
在对所有传感器流应用确定性补偿316之后，信号预处理模块312接着利用该一秒钟时间窗口计算传感器统计(例如，标准偏差、均值、艾伦(Allan)偏差)。在该时间期间运行缓冲区，其收集传感器数据的较长持续时间(>1秒)窗口。当缓冲区中包含的数据的方差小于某一阈值时(可以根据要使用的期望传感器类型设定特定组合和阈值)，该缓冲区被认为包含测量(测量检测318)。参照图3B和图3C，针对每种传感器类型，将测量的均值和标准偏差记录在单独的测量表324中。确定此时系统的状态处于测量模式326(状态确定320)。因此，排程器322(触发和启用)将触发对测量表324数据进行操作的测量模式算法。
如图3C中描绘的，有三种可能的测量模式定位算法：(1)旋磁地理定位328(在美国临时申请No.62/233,936(下文中称为'936申请)中所述的，其如在此全面阐述地通过引用而并入于此)；(2)具有最小曲率的磁罗盘测量(工业标准算法)(MCS/MWD 330)；以及(3)陀螺罗盘测量(GCS)332。MCS/MWD在Introduction to Wellbore Positioning by AngusJamieson/UHI Scotland,pages 39-41and 188and BP-Amoco Directional SurveyHandbook,section 5.2中有描述，其通过引用并入于此。GCS在Introduction to WellborePositioning by Angus Jamieson/UHI Scotland,page 70and BP-Amoco DirectionalSurvey Handbook,sections 5.4and 5.6中有描述，其通过引用并入于此。另外，若需要的话，将卡尔曼优化滤波器334置于其测量配置中。
当系统未处于测量模式时，排程器(图3B，要素322)将系统置于连续模式336。在连续模式336中，传感器数据流以其原始采样率(例如，100Hz)连续馈送到各种导航算法中，而不被放置在测量表324中。与仅在钻探操作静止时触发的测量模式326相比，在连续模式336中获得实时导航解决方案。
有三种可能的连续模式导航算法：(1)基于磁的增量轨迹估计(Mag-ITE)338；(2)基于陀螺仪的增量轨迹估计(Gyro-ITE)340；以及(3)惯性导航系统(INS)342。ITE方法在'561申请中公开。在连续模式336中，卡尔曼优化滤波器334以流传输方式操作，将来自测量模式326的最后已知位置与连续模式导航算法估计(来自要素338、340及342)融合，以实时提供对整个系统位置的更好估计。
如图4B中描绘的，从连续模式400或测量模式402中的每个导航算法获得的姿态、位置、速度及其相应协方差被馈送到卡尔曼优化滤波器334中，其基于传感器输入和所导出系统状态的不确定程度，根据其正在哪个模式中操作和每个特定导航有多不确定来执行优化的融合。卡尔曼优化滤波器334可以具有各种架构，这取决于导航算法要被融合的次序。图4B示出了这些可能性。卡尔曼优化滤波器334的最终输出是优化的井眼轨迹或路径及其伴随残差不确定椭圆(EOU)404，这通常区分在所有三个空间维度中井眼位置(和路径)的2-sigma 95％置信界限。
如图3A–图3D所示，在信号预处理312模块中，在将传感器信号流发送至连续模式336导航算法或测量模式测量表324之前，应用第二级传感器补偿。这被称为井下校准344并且在美国临时申请No.62/477,327中公开。在应用井下校准344之后，可以减去从卡尔曼优化滤波器获得的残余陀螺仪和加速度计偏差估计(卡尔曼反馈346)。因此，AGWD系统具有从粗略到超精细的三级校准的独特特征：基于覆盖预期井下环境范围的各种环境中的实验室测试的确定性校准/补偿(要素316)；基于存储在测量表(要素324)中的数据的井下校准(单元344)；以及由卡尔曼优化滤波器334提供的实时连续模式336校准。
使得能够通过附加算法非常准确地估计井眼轨迹的关键参数是测量深度(MD)。这基本上是钻柱中已经连接的钻管的数量，因此很容易在地表从钻机测量，如在现有技术中经常进行的那样。然而，到目前为止，无法在自主井下导航工具中确定MD。AGWD系统算法的关键特征是井下测量深度确定348。
从最简单的方法开始，有五种可能的方法来井下确定MD。首先，MD可以发送至井下工具。然而，在石油和天然气工业中具有从钻机表面到井下的通信的能力是罕见的。存在有线钻管，并且可以潜在地用于实现该功能，但是非常昂贵并且没有进行MD的地表至井下工具通信。有可能从井上到井下发送泥浆压力脉冲，但是存在干扰现有井下到井上通信泥浆脉冲发生器的风险。最后，极低频(VLF)天线可以通过地壳传输到达井下工具。因此，利用当前技术，从地表到井下传送MD非常具有挑战性或成本太高。
第二，为了在井下确定MD，可以对管道连接的数量(即，管道计数器350)进行计数和记录。已知每根管道长约90英尺(或可以标准化为任意长度，只要在钻井过程中长度一致即可)。然后，MD大约等于插入钻柱的管道数乘以每根管的长度。这主要有用于测量模式326，其然后可以与连续模式335导航解决方案相组合。
第三，可以使泥浆压力(要素352)和温度与MD相关联。有证据表明这些量确实有相关性，但是当井眼横向钻探时，由于流体静压力和温度分布的变化可能难以得到MD的准确估计(即，MD是泥浆压力(要素352)和温度的完全非线性函数)。用于井下确定MD的第四种方法是从差压估计钻孔速度(ROP)。这将需要足够的数据来准确地校准，但却是可行且独特的。当有足够的数据来估算ROP时，可以探索这个选项。第五，所确定的最准确方法是通过处理井下压力换能器数据来测量从井下到井上并返回的泥浆脉冲的飞行传播时间(要素352)。该技术在美国临时申请No.62/477,344中公开。上述用于确定MD的第三至第五种方法对于本文所述发明来说是独特的。
最后，在某些情况下，各种定位/导航算法需要地球的引力场、磁场以及转速的参考数据。存在根据需要处理以使数据可用于算法的单独模块(地球模型/数据354)。
图4A和图4B示出了图3C和图3D中所示的卡尔曼优化滤波器334模块的另选实施方式。这里，代替由单个卡尔曼滤波器来融合所有六种测量模式326和连续模式336导航和定位算法，存在由级联的子卡尔曼滤波器形成的主卡尔曼滤波器406。三种测量模式定位算法(要素328、330及332)馈送测量模式卡尔曼滤波器408，并且三种连续模式导航算法(要素338、340及342)馈送连续模式卡尔曼滤波器410。然后将这两个卡尔曼滤波器408和410的输出馈送到最终的组合卡尔曼滤波器412，该组合卡尔曼滤波器412至少有15个状态(3个位置、3速度、3个姿态角、3个加速度计偏置以及3个陀螺仪偏置)，并且在一些实现中可以高达30个状态(先前15个状态加上针对陀螺仪和加速度计的比例因子和未对准项)。
如上所述并如图3B所示，AGWD井下系统包括惯性传感器封装(要素304)，其包括至少3轴微机电系统(MEMS)陀螺仪(要素301)、至少3轴MEMS加速度计(要素303)以及至少3轴磁通门(或其它)磁力计(要素308)。惯性传感器具有高性能，并且能够以高精度和高分辨率感应小惯性信号。每个惯性传感器可以具有内置或伴随的高分辨率温度传感器，以用于补偿用途。AGWD井下系统还包括环境传感器封装(要素306)，其包括至少3轴MEMS陀螺仪(要素305)、至少3轴MEMS加速度计(要素307)、钻液(“泥浆”)压力换能器(要素310)以及泥浆温度传感器(要素310)。
AGWD井下系统还包括恰当数量的模数字转换器和配套微控制器，以获取传感器信号并将其转换成数字数据流，这些数据流可以被分发以供进一步处理(针对每个惯性传感器流，以每秒至少100个样本的速率，并且针对每个环境传感器流，每秒至少1000个样本的速率)。一个(或更多个)嵌入式处理器(可以被实现为微控制器、数字信号处理器，或现场可编程门阵列(FPGA))执行图3A-图3D中描述的系统算法，以计算井下井眼轨迹及其伴随的位置不确定性(作为协方差矩阵或者在工业标准术语中作为不确定椭圆(EOU))。
用于AGWD系统的机会传感器融合算法(OSFA)包括信号预处理312模块，其执行：滤波并抽取传感器数据流(要素314)；利用实验室所获校准系数的确定性补偿(包括温度和加速度补偿)(要素316)；足够长的静默期的测量检测和所计算的调查测量和统计(要素318)(均值、标准偏差、艾伦偏差系数以及最小传感器不确定性的时间)。数据被写入测量表324。
使用钻头状态确定320来确定AGWD系统是处于测量模式326还是连续模式336。钻头状态确定320可以使用来自AGWD惯性传感器封装(要素304)和AGWD环境传感器封装(要素306)的数据的组合。排程器例程(要素322)根据需要向系统的其余部分发送测量模式/连续模式触发和启用(根据信号电平启用或禁用模块)到系统的其余部分，以控制整体行为。另外，信号预处理312模块执行井下校准例程(要素344)，如美国临时申请No.62/477,327中所公开的。来自卡尔曼滤波器(要素346)的反馈被用于减去由卡尔曼滤波器估计的陀螺仪和加速度计偏差。
而且，用于AGWD系统的OSFA包括执行多个操作的测量深度(行进距离或非钻探应用中的路径长度)确定模块(要素348)。例如，基本管道计数(要素350)通过计数检测到的管道连接的数量并乘以典型或平均管道长度来执行(例如，在已经检测到足够安静的时段(低于根据传感器类型的某一阈值的传感器标准偏差)时通过使用测量检测模块(要素318)和/或通过使用INS(惯性导航系统)来检测运动分布)。测量深度的确定还可以通过分析由环境传感器封装泥浆压力换能器(要素310)测量的、由井下泥浆脉冲发生器(要素352)产生的声脉冲与如美国临时申请No.62/477,344所公开的接收表面回波之间的飞行时间来执行。
此外，测量深度可以通过分析当钻头退回底部(不与岩面接触(即，测量模式))时的静止井底组装件(BHA)与接触井底部岩面并主动钻探((这会导致钻探泥浆流动受到限制，与未主动钻探时的泥浆压力相比，增加泥浆压力，如通过环境传感器封装泥浆压力换能器(要素310)测量到的)的BHA之间的压差对钻孔速度(ROP)进行估计来确定。然后将ROP积分一次以获得MD估计。另外，可以利用从流体静泥浆压力和泥浆温度与测量深度之间的相关性导出的查找表(LUT)来估计测量深度；通过测量当前泥浆压力或温度并在LUT中进行插值来获得当前测量深度。最后，可以将测量深度确定为利用井上到井下通信方法(即，地表通信309)从地表接收到的。
如图3C所示，用于AGWD系统的OSFA还包括测量表324，其记录在测量模式326中进行的测量，包括：测量深度(要素348)；如在确定性补偿模块(要素316)之后获得的在测量时段期间由艾伦偏差(ADEV)法确定的每个传感器的原始均值/平均值、标准偏差、ADEV系数(高达5)以及最小不确定性的时间；以及在应用井下校准校正(要素344)和卡尔曼滤波器反馈偏差校正(要素346)之后每个传感器的校正均值/平均值。
如图3C中描绘的，OFSA的一组测量模式定位算法包括如美国申请No.15/387,435(下文中称为'435申请)中公开的旋磁地理定位328，其如在此全面阐述地通过引用而并入于此。磁罗盘测量(MCS)计算3轴加速度计群的倾角、3轴磁力计的方位角，然后将这些姿态角度与测量深度一起馈送至最小曲率算法以计算增量轨迹分支部分(leg)。MCS相当于仅利用加速度计和磁力计的工业标准MWD，并且不包括用于导航的高性能MEMS陀螺仪(要素330)。可以根据需要执行可选的多站分析(在'936申请中描述的)。陀螺罗盘测量(GCS)(要素332)计算3轴加速度计群的倾角、3轴陀螺仪群的方位角，然后将这些姿态角度与测量深度一起馈送至最小曲率算法以计算增量轨迹分支部分。GCS是AGWD硬件的一项改进，其在工具中包括3轴MEMS陀螺仪群。可以根据需要执行可选的多站分析(在'936申请中描述的)。
一组连续模式导航算法包括如'561申请中所公开的基于磁力计的增量轨迹估计(Mag-ITE)和如'561申请中所公开的基于陀螺仪的增量轨迹估计(Gyro-ITE)(要素340)。另外，该组连续导航算法包括开环惯性导航系统(INS)(要素342)，其根据陀螺仪测量执行四元数姿态更新，使用这种姿态将加速度计测量从物体参考系投影至导航参考系，并且最终在导航参考系中加速度计测量进行二重积分以导出位置。
参照图3C和图3D，卡尔曼滤波器334使用定制导出的卡尔曼滤波算法(最少15个状态，如果估计所有传感器误差项，则高达30个状态)，以最佳地组合来自六个测量和连续模式位置和导航算法(要素328、330、332、338、340以及342)的位置、速度、姿态以及对应协方差矩阵。该组合被用于生成井眼轨迹(其位置)的最终估计和对应的不确定椭圆(EOU)(要素404)，这是从卡尔曼滤波器的输出协方差矩阵导出的，乘以2以获得2-sigma 95％置信度EOU。
如图4B中描绘的，卡尔曼滤波器模块的另选实施方式是级联卡尔曼滤波器架构，而不是单卡尔曼滤波器算法，其直接将六个测量和连续模式位置和导航算法组合成最佳输出井眼轨迹和EOU。所采用的级联卡尔曼滤波器架构包括第一测量模式卡尔曼滤波器(要素408)，以将三种测量模式定位算法(要素328、330及332)最佳地组合成第一井眼轨迹和EOU。第二连续模式卡尔曼滤波器(要素410)将三种连续模式导航算法(要素338、340及342)最佳地组合成最佳井眼和EOU。第三组合卡尔曼滤波器(要素412)将来自测量模式卡尔曼滤波器(要素408)和连续模式卡尔曼滤波器(要素410)的井眼轨迹和EOU组合成最终的最佳井眼轨迹和EOU(要素404)。组合卡尔曼滤波器(要素412)可以是15状态卡尔曼滤波器(或直至30状态卡尔曼滤波器)。
本文所述发明在适当扩展后能够应用于情报监视侦查(ISR)产品，诸如地下导航/监视、无人驾驶飞行器以及水下交通工具，以及自主交通工具(例如，基于地面的导航)。如果通过添加至AGWD系统的附加传感器检测到石油和天然气贮量的位置，则本文所述的AGWD系统形成能够通过将这些贮量的位置提供回地表来定位它们的基础。而且，所公开的用于AGWD系统的OFSA的变型例处于所公开发明的范围内，其中从钻机或其它方法获得的测量深度信息由等效的路径长度/行进距离代替。
例如，如果地面车辆的车轮具有精确的里程表，则该地面车辆可以应用相同的方法，或者得到行进距离或速度信息的其它方法(雷达或激光雷达(LIDAR)或基于计算机视觉)。水下交通工具可以使用通过水的速度和/或声纳信号来导出所行进的距离。另外，飞行器可以使用空速和/或雷达/LIDAR/计算机视觉技术来导出所行进的距离。此外，对于地下或室内导航案例，同样可以使用计算机视觉、雷达或激光雷达来获得行进距离信息。在其中一些情况下，OFSA的某些模块将被禁用(例如，使用测量模式算法用于飞行器应用可能没有意义，在这种情况下，连续模式增量轨迹估计可以与GPS融合作为另选“测量”)。
最后，虽然本发明已经根据几个实施方式进行了描述，但本领域普通技术人员应当容易地认识到本发明在其它环境中可以具有其它应用。应注意到，许多实施方式和实现都是可以的。而且，下面的权利要求书绝不是旨在将本发明的范围限制成上述具体实施方式。另外，“用于…的装置(means)”的任何陈述都旨在唤起对部件和权利要求的装置加功能的解读，而不具体使用陈述“用于…的装置(means)”的任何部件不是旨在被解读为装置加功能组件，即使权利要求以其它方式包括了单词“装置(means)”。而且，虽然已经按特定次序陈述了特定的方法步骤，但该方法步骤可以按任何希望次序发生并且落入本发明的范围内。
Claims (22)
1.一种估计钻井的井眼轨迹的系统，该系统包括：
惯性传感器系统；以及
一个或更多个处理器以及编码有可执行指令的非暂时性计算机可读介质，使得当执行所述可执行指令时，所述一个或更多个处理器执行以下操作：
处理从所述惯性传感器系统获得的传感器信号流，从而产生一组处理后信号；
利用所述一组处理后信号，确定钻头是处于测量模式状态还是连续模式状态；
利用所述一组处理后信号，确定所述井眼的测量深度；
在所述钻头静止时，向所述一组处理后信号应用一组测量模式定位算法；
在所述钻头未静止时，向所述一组处理后信号应用一组连续模式导航算法；
利用至少一个卡尔曼滤波器，组合所述一组测量模式定位算法的结果和所述一组连续模式导航算法的结果；以及
利用组合结果来生成井眼轨迹的估计和对应的不确定椭圆EOU。
2.根据权利要求1所述的系统，所述系统还包括环境传感器系统，其中，所述一个或更多个处理器还执行处理从所述环境传感器系统获得的传感器信号流的操作。
3.根据权利要求1所述的系统，其中，所述一个或更多个处理器还执行以下操作：
利用测量模式卡尔曼滤波器来组合所述一组测量模式定位算法，以估计第一井眼轨迹和EOU；
利用连续模式卡尔曼滤波器来组合所述一组连续模式导航算法，以估计第二井眼轨迹和EOU；以及
将所述第一井眼轨迹和EOU与所述第二井眼轨迹和EOU组合成最终井眼轨迹和EOU。
4.根据权利要求1所述的系统，其中，所述惯性传感器系统包括至少三轴微机电系统MEMS陀螺仪、至少三轴MEMS加速度计以及至少三轴磁力计。
5.根据权利要求2所述的系统，其中，所述环境传感器系统包括至少三轴微机电系统MEMS陀螺仪、至少三轴MEMS加速度计、钻液压力换能器以及钻液温度传感器。
6.根据权利要求1所述的系统，其中，所述一组测量模式定位算法包括旋磁地理定位算法、磁罗盘测量算法以及陀螺罗盘测量算法。
7.根据权利要求1所述的系统，其中，所述一组连续模式导航算法包括基于磁力计的增量轨迹估计算法、基于陀螺仪的增量轨迹估计算法以及开环惯性导航系统算法。
8.根据权利要求1所述的系统，其中，所估计的井眼轨迹和对应的EOU用于定位油藏和天然气藏。
9.一种估计钻井的井眼轨迹的计算机实现方法，该计算机实现方法包括使一个或更多个处理器执行存储在非暂时性存储器上的指令的动作，使得在执行所述指令时，所述一个或更多个处理器执行以下操作：
处理从惯性传感器系统获得的传感器信号流，从而产生一组处理后信号；
利用所述一组处理后信号，确定钻头是处于测量模式状态还是连续模式状态；
利用所述一组处理后信号，确定所述井眼的测量深度；
在所述钻头静止时，向所述一组处理后信号应用一组测量模式定位算法；
在所述钻头未静止时，向所述一组处理后信号应用一组连续模式导航算法；
利用至少一个卡尔曼滤波器，组合所述一组测量模式定位算法的结果和所述一组连续模式导航算法的结果；以及
利用组合结果来生成井眼轨迹的估计和对应的不确定椭圆EOU。
10.根据权利要求9所述的计算机实现方法，其中，所述一个或更多个处理器还执行处理从环境传感器系统获得的传感器信号流的操作。
11.根据权利要求9所述的计算机实现方法，其中，所述一个或更多个处理器还执行以下操作：
利用测量模式卡尔曼滤波器来组合所述一组测量模式定位算法，以估计第一井眼轨迹和EOU；
利用连续模式卡尔曼滤波器来组合所述一组连续模式导航算法，以估计第二井眼轨迹和EOU；以及
将所述第一井眼轨迹和EOU与所述第二井眼轨迹和EOU组合成最终井眼轨迹和EOU。
12.根据权利要求9所述的计算机实现方法，其中，所述惯性传感器系统包括至少三轴微机电系统MEMS陀螺仪、至少三轴MEMS加速度计以及至少三轴磁力计。
13.根据权利要求10所述的计算机实现方法，其中，所述环境传感器系统包括至少三轴微机电系统MEMS陀螺仪、至少三轴MEMS加速度计、钻液压力换能器以及钻液温度传感器。
14.根据权利要求10所述的计算机实现方法，其中，所述一组测量模式定位算法包括旋磁地理定位算法、磁罗盘测量算法以及陀螺罗盘测量算法。
15.根据权利要求10所述的计算机实现方法，其中，所述一组连续模式导航算法包括基于磁力计的增量轨迹估计算法、基于陀螺仪的增量轨迹估计算法以及开环惯性导航系统算法。
16.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质上存储有计算机程序，该计算机程序用于估计钻井的井眼轨迹，该计算机程序包括：
计算机可读指令，所述计算机可读指令能够由具有一个或更多个处理器的计算机执行，以使所述处理器执行以下操作：
处理从惯性传感器系统获得的传感器信号流，从而产生一组处理后信号；
利用所述一组处理后信号，确定钻头是处于测量模式状态还是连续模式状态；
利用所述一组处理后信号，确定所述井眼的测量深度；
在所述钻头静止时，向所述一组处理后信号应用一组测量模式定位算法；
在所述钻头未静止时，向所述一组处理后信号应用一组连续模式导航算法；
利用至少一个卡尔曼滤波器，组合所述一组测量模式定位算法的结果和所述一组连续模式导航算法的结果；以及
利用组合结果来生成井眼轨迹的估计和对应的不确定椭圆EOU。
17.根据权利要求16所述的非暂时性计算机可读介质，所述计算机程序还包括用于使所述一个或更多个处理器还执行处理从环境传感器系统获得的传感器信号流的操作的指令。
18.根据权利要求16所述的非暂时性计算机可读介质，所述计算机程序还包括用于使所述一个或更多个处理器还执行多个操作的指令，所述多个操作包括：
利用测量模式卡尔曼滤波器来组合所述一组测量模式定位算法，以估计第一井眼轨迹和EOU；
利用连续模式卡尔曼滤波器来组合所述一组连续模式导航算法，以估计第二井眼轨迹和EOU；以及
将所述第一井眼轨迹和EOU与所述第二井眼轨迹和EOU组合成最终井眼轨迹和EOU。
19.根据权利要求16所述的非暂时性计算机可读介质，其中，所述惯性传感器系统包括至少三轴微机电系统MEMS陀螺仪、至少三轴MEMS加速度计以及至少三轴磁力计。
20.根据权利要求17所述的非暂时性计算机可读介质，其中，所述环境传感器系统包括至少三轴微机电系统MEMS陀螺仪、至少三轴MEMS加速度计、钻液压力换能器以及钻液温度传感器。
21.根据权利要求16所述的非暂时性计算机可读介质，其中，所述一组测量模式定位算法包括旋磁地理定位算法、磁罗盘测量算法以及陀螺罗盘测量算法。
22.根据权利要求16所述的非暂时性计算机可读介质，其中，所述一组连续模式导航算法包括基于磁力计的增量轨迹估计算法、基于陀螺仪的增量轨迹估计算法以及开环惯性导航系统算法。
Applications Claiming Priority (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201662427561P | 2016-11-29 | 2016-11-29 | |
| US62/427,561 | 2016-11-29 | ||
| US15/387,435 US10514261B2 (en) | 2016-04-11 | 2016-12-21 | Gyromagnetic geopositioning system |
| US15/387,435 | 2016-12-21 | ||
| US201762451019P | 2017-01-26 | 2017-01-26 | |
| US62/451,019 | 2017-01-26 | ||
| PCT/US2017/063336 WO2018102264A1 (en) | 2016-11-29 | 2017-11-27 | Opportunistic sensor fusion algorithm for autonomous guidance while drilling |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109891191A CN109891191A (zh) | 2019-06-14 |
| CN109891191B true CN109891191B (zh) | 2022-12-23 |
Family
ID=62241880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201780067008.1A Active CN109891191B (zh) | 2016-11-29 | 2017-11-27 | 用于随钻自主导引的机会传感器融合算法 |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP3548844A4 (zh) |
| CN (1) | CN109891191B (zh) |
| WO (1) | WO2018102264A1 (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11299981B2 (en) | 2017-12-04 | 2022-04-12 | Hrl Laboratories, Llc | Continuous trajectory calculation for directional drilling |
| CN110672078B (zh) * | 2019-10-12 | 2021-07-06 | 南京理工大学 | 一种基于地磁信息的高旋弹丸姿态估计方法 |
| CN111043968B (zh) * | 2019-12-24 | 2021-08-06 | 中国科学院武汉岩土力学研究所 | 凿岩机检测装置及凿岩装置 |
| CN111504313B (zh) * | 2020-04-28 | 2021-01-05 | 中国人民解放军国防科技大学 | 基于速度信息辅助的钻探用定位定向仪孔内定位方法 |
| CN111521177B (zh) * | 2020-04-28 | 2021-01-05 | 中国人民解放军国防科技大学 | 管长信息辅助测速的钻探用定位定向仪孔内定位方法 |
| CN113236226B (zh) * | 2021-06-08 | 2023-05-02 | 陕西陕煤铜川矿业有限公司 | 矿用钻孔轨迹测量仪 |
| CN114485643B (zh) * | 2022-01-25 | 2023-09-12 | 重庆理工大学 | 一种煤矿井下移动机器人环境感知与高精度定位方法 |
| US12006813B2 (en) | 2022-01-28 | 2024-06-11 | Halliburton Energy Services, Inc. | Real-time curvature estimation for autonomous directional drilling |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4454756A (en) | 1982-11-18 | 1984-06-19 | Wilson Industries, Inc. | Inertial borehole survey system |
| US4542647A (en) | 1983-02-22 | 1985-09-24 | Sundstrand Data Control, Inc. | Borehole inertial guidance system |
| US7886844B2 (en) * | 2007-11-12 | 2011-02-15 | Schlumberger Technology Corporation | Borehole survey method and apparatus |
| US7878268B2 (en) * | 2007-12-17 | 2011-02-01 | Schlumberger Technology Corporation | Oilfield well planning and operation |
| MY159078A (en) * | 2011-06-14 | 2016-12-15 | Halliburton Energy Services Inc | Systems, methods, and devices for predicting borehole geometry |
| EA035751B1 (ru) * | 2013-08-28 | 2020-08-05 | Эволюшн Инжиниринг Инк. | Оптимизация передачи сигналов электромагнитной телеметрии |
| CN103556945B (zh) * | 2013-10-27 | 2015-07-01 | 长江大学 | 一种高造斜率井眼轨迹控制方法 |
| GB2539787B (en) * | 2013-12-06 | 2020-12-02 | Halliburton Energy Services Inc | Managing wellbore operations using uncertainty calculations |
| US10001004B2 (en) * | 2014-02-04 | 2018-06-19 | Schlumberger Technology Corporation | Closed loop model predictive control of directional drilling attitude |
| CN104781503A (zh) * | 2014-07-15 | 2015-07-15 | 杨顺伟 | 一种钻井套管充磁定位方法 |
| CN104632076B (zh) * | 2014-12-22 | 2017-04-05 | 中国石油天然气股份有限公司 | 一种丛式井组的钻井方法 |
| AU2014415573B2 (en) * | 2014-12-31 | 2019-02-14 | Halliburton Energy Services, Inc. | Continuous locating while drilling |
| CN105735969A (zh) * | 2016-03-03 | 2016-07-06 | 厦门大学 | 一种油井井身轨迹测绘装置和方法 |
-
2017
- 2017-11-27 CN CN201780067008.1A patent/CN109891191B/zh active Active
- 2017-11-27 WO PCT/US2017/063336 patent/WO2018102264A1/en active Search and Examination
- 2017-11-27 EP EP17875907.2A patent/EP3548844A4/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| WO2018102264A1 (en) | 2018-06-07 |
| EP3548844A1 (en) | 2019-10-09 |
| EP3548844A4 (en) | 2020-07-29 |
| CN109891191A (zh) | 2019-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109891191B (zh) | 用于随钻自主导引的机会传感器融合算法 | |
| US10718198B2 (en) | Opportunistic sensor fusion algorithm for autonomous guidance while drilling | |
| EP3721055B1 (en) | Continuous trajectory calculation for directional drilling | |
| EP2438474B1 (en) | Downhole magnetic measurement while rotating and method of use | |
| EP3143246B1 (en) | Real-time, limited orientation sensor auto-calibration | |
| CN110799727B (zh) | 用于生成下向井眼惯性测量单元的输出的系统和方法 | |
| CN102031964B (zh) | 从三维感应测量值提取电阻率各向异性数据的多级工艺流程方法 | |
| US6145378A (en) | Aided inertial navigation system | |
| US10408622B2 (en) | System for incremental trajectory estimation based on real time inertial sensing | |
| US8489333B2 (en) | Device orientation determination | |
| US10246988B2 (en) | Real-time trajectory estimation with multi-station analysis | |
| US20180266239A1 (en) | Systems and Methods for Determining Tool Center, Borehole Boundary, and/or Mud Parameter | |
| US20150362617A1 (en) | Azimuthal gamma resolver assembly | |
| US8140259B2 (en) | Location device with a gravity measuring device | |
| EP3601730B1 (en) | System for determination of measured depth (md) in wellbores from downhole pressure sensors using time of arrival techniques | |
| CA3058674A1 (en) | Continuous survey using magnetic sensors | |
| CN113671263A (zh) | 用于检测随钻测量操作的井下磁干扰的方法和系统 | |
| Liu et al. | Intelligent filter for accurate subsurface heading estimation using multiple integrated mems sensors | |
| Li et al. | Augmented fast orthogonal search/Kalman filtering (FOS/KF) positioning and orientation solution using MEMS-based inertial navigation system (INS) in drilling applications | |
| US20220186607A1 (en) | System and Method For Using A Magnetometer In A Gyro-While-Drilling Survey Tool | |
| WO2023115151A1 (en) | Depth measurement within a borehole | |
| RU2626486C1 (ru) | Способ измерения глубины в скважине | |
| Song | Tutorial on the Principle of Borehole Deviation Survey-An Application of the Coordinate Transforms | |
| Piho et al. | Topology and pressure distribution reconstruction of an |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |