CN111810113A - 一种基于深度学习的旋转导向自动钻井方法 - Google Patents
一种基于深度学习的旋转导向自动钻井方法 Download PDFInfo
- Publication number
- CN111810113A CN111810113A CN202010801761.2A CN202010801761A CN111810113A CN 111810113 A CN111810113 A CN 111810113A CN 202010801761 A CN202010801761 A CN 202010801761A CN 111810113 A CN111810113 A CN 111810113A
- Authority
- CN
- China
- Prior art keywords
- drilling
- well
- data
- deep learning
- rotary steering
- 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.)
- Pending
Links
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP 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 DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/02—Determining slope or direction
- E21B47/022—Determining slope or direction of the borehole, e.g. using geomagnetism
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B7/00—Special methods or apparatus for drilling
- E21B7/04—Directional drilling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- Geochemistry & Mineralogy (AREA)
- Theoretical Computer Science (AREA)
- Geophysics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Earth Drilling (AREA)
Abstract
本发明公开了一种基于深度学习的旋转导向自动钻井方法,包括如下步骤:a)建立旋转导向钻井数据库,录入实钻或者模拟钻井数据;b)通过对已钻井数据或模拟井数据智能深度学习,初始化钻井指导模型反馈单元;c)在钻井指导模型反馈单元中输入作业井数据,给出本井钻具组合建议,输出本井钻井指导模型;d)实时测量井眼轨迹数据,评价工具状态,识别井眼轨迹与设计匹配程度,规划井眼控制方案,划分最新控制指令钻进井段,调整钻井参数。本发明实现了旋转导向推荐钻井指令和钻井参数,从而智能控制井眼轨迹和钻进效能,能解决因工程师技术水平不一、钻井指令选择错误而导致的井眼轨迹不能准确控制的问题。
Description
技术领域
发明涉及石油钻井技术领域,确切地说是一种基于深度学习的旋转导向自动钻井方法。
背景技术
定向井技术是当今世界石油勘探开发领域最先进的钻井技术之一,它是由特殊井下工具、测量仪器和工艺技术有效控制井眼轨迹,使钻头沿着特定方向钻达地下预定目标的钻井工艺技术。采用定向井技术可以使地面和地下条件受到限制的油气资源得到经济、有效的开发,能够大幅度提高油气产量和降低钻井成本,有利于保护自然环境,具有显著的经济效益和社会效益。定向井就是使井身沿着预先设计的井斜和方位钻达目的层的钻井方法。
在定向井技术中最重要也是最先进的是旋转导向钻井技术,该技术通过井下驱动装置在旋转条件下,钻头位置产生预期的力或转角,实现所钻井眼按预期方向偏移,旋转导向钻进时具有摩阻与扭阻小、钻速高、成本低、周期短、井眼轨迹平滑、易调控并可延长水平段长度等特点。旋转导向钻井指令是控制其工作模式,特别是侧向力大小和工具面的重要集成。侧向力大小决定了造斜力度,工具面决定了井眼轨迹穿越方向。在常规的旋转导向钻进时,由定向工程师通过实时记录测量数据,手动计算发指令来实现井眼轨迹控制,由于工程师技术能力的不同,钻井指令和钻井参数的效果需要多次尝试,甚至由于钻井指令选择错误导致不能准确控制井眼轨迹。依托智能方法来建立的旋转导向自动钻井方法,运用大数据对钻井参数和钻井指令对应效果分析,不仅能够做到钻井参数和指令的在井眼轨迹合理规划,实时评价优化钻井指令和钻井参数,保证了钻井规划有依据,实时作业有评估调整。
为了实现旋转导向钻井智能化、自动化,需要同时解决井眼轨迹规划、指令选择和钻井参数等问题。本发明通过深度学习大量不同的钻具组合对应钻井效能数据,形成某区块作业井的钻井模型,并针对作业井的轨迹设计要求,规划作业井段作业指令以及作业参数。实钻过程中,不断评价各钻井方式切换节点钻进效能,实时优化轨迹控制节点及其钻井参数,通过对绞车传感器、泥浆泵油门传感器和顶驱控制器等的控制,实现了井眼轨迹的自动控制以及钻井参数的实施。
在专利104806226A发明中提到的通过现场传感器,采集整个钻井过程的数据;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。但并没有提到人工智能方法的应用,同时也没有提到钻井方案。在专利CN201310194345发明的是一种滑动钻进自动控制装置,采用的是可编程处理器通过手动输入控制指令,通过钻柱旋转控制器来控制工具面。该专利只是针对螺杆为基础的钻具,也没有提到人工智能方法的应用。在专利108547574A中,提到了一种自动导向的钻井方法和系统,在参考井眼设置至少两个信号源,钻井的钻头在目标井眼工作时,监测所述至少两个信号源的实时信号,根据所述至少两个信号源的实时信号计算钻头相对于所述参考井眼的实时位置,根据所述实时位置自动调整所述钻头的方向,以实现钻头工作时的自动导向。该专利没有涉及到人工智能方法的应用,也没有涉及到对井下工具的控制。
另外,中国专利公开号CN110500081A公开了一种基于深度学习的自动钻井方法,公开日2019.11.26。但该技术应用到旋转导向自动钻井中存在的不足在于旋转导向是一种钻柱全时旋转的钻井工具,不存在复合钻进与滑动钻进之分,并且旋转导向是通过地面控制指令改变其姿态,从而控制井眼轨迹,该方法没有涉及到控制指令的优选和划分。
发明内容
本发明的目的在于克服现有技术存在的上述问题,提供一种基于深度学习的旋转导向自动钻井方法。本发明针对常规旋转导向钻井指令和钻井参数的效果需要多次尝试的问题,通过邻井或者相似井的钻井效能样本进行学习,或者对本井已作业井段的效能进行学习,结合绞车控制传感器、泥浆泵油门控制器以及顶驱控制器操作硬件设备,以实现旋转导向推荐钻井指令和钻井参数,从而智能控制井眼轨迹和钻进效能,能解决因工程师技术水平不一、钻井指令选择错误而导致的井眼轨迹不能准确控制的问题。
为实现上述目的,本发明采用的技术方案如下:
一种基于深度学习的旋转导向自动钻井方法,其特征在于,包括如下步骤:
a)建立旋转导向钻井数据库,录入实钻或者模拟钻井数据;
b)通过对已钻井数据或模拟井数据智能深度学习,初始化钻井指导模型反馈单元;
c)在钻井指导模型反馈单元中输入作业井数据,给出本井钻具组合建议,输出本井钻井指导模型;
d)实时测量井眼轨迹数据,评价工具状态,识别井眼轨迹与设计匹配程度,规划井眼控制方案,划分最新控制指令钻进井段,调整钻井参数。
步骤a)中,包括在现场应用之前,建立以井基础信息、井眼轨迹数据、钻井指令、工具振动值、钻具组合和钻井参数的实际或模拟钻井数据的数据库,录入归一化处理数据。
步骤b)中,包括在现场应用之前,将井基础信息、井眼轨迹数据、钻井指令、工具振动值、钻具组合和钻井参数的归一化数据通过深度学习,随后将测试数据作为输入,验证输出指令对应井眼轨迹变化效果是否一致,若成功率低于90%则在步骤a)中重新筛选或者归一化数据;若成功率大于90%则初始化钻井指导模型反馈单元成功。
步骤c)中,输入即将作业井基础数据、全部井眼轨迹设计数据后,根据钻井模型优选本井下入的钻具组合,或工程师人工输入钻具组合,设置钻井参数中钻压、顶驱转速和排量上限;根据井眼轨迹设计数据以及钻具组合,模拟钻进效能,将不同钻井指令以及钻井参数分配到井眼轨迹数据点中,形成以钻井井眼轨迹为基础、划分钻井指令井段和钻井参数为主的钻井模型。
步骤d)中,包括下钻刚接触井底时,测量井底井眼轨迹数据,按照初始井眼轨迹控制方案对应当前测深的井眼轨迹数据进行匹配程度分析,如果井眼轨迹存在偏差,那么从测量井深数据点开始,以目标靶区为最终实现点,重新规划井眼轨迹控制方案,划分最新指令控制节点。
步骤d)中,包括在钻进过程中,每一个指令切换节点或者每分钟测量3-10次的数据,根据两个测量点或者节点之间井斜、网格方位、垂深和本段钻进狗腿度来评价当前指令是否满足井眼轨迹对应目标靶区要求,若不满足则按照差异程度重新规划钻井指导模型;若满足则配以机械钻速和钻井参数从而进一步评价钻进效能。
步骤d)中,如果钻进效能与钻井模型存在负差距,则依次提升10%钻压和转速直至上限。
步骤d)中,需要切换指令时,将钻压逐渐回零后、转速不变,通过控制下传分流装置或者泥浆泵排量开关,按照指令编码对应排量以及保持时间,下传通讯井下工具接下来钻进所需指令。
步骤e)中,通过步骤c)确定为复合钻进方式时,按照钻井模型通过控制绞车传感器、泥浆泵传感器和顶驱控制器来调整钻井参数,实现以钻具组合复合钻效能进行钻进。
采用本发明的优点在于:
(1)本方法通过一种人工智能深度学习技术,通过邻井或者相似井的钻井效能样本进行学习,或者对本井已作业井段的效能进行学习。结合绞车控制传感器、泥浆泵油门控制器以及顶驱控制器操作硬件设备,以实现旋转导向推荐钻井指令和钻井参数,从而智能控制井眼轨迹和钻进效能。
(2)本方法详细公布了石油天然气钻井领域智能钻井的方法与详细步骤,构建了全新的、完整的智能钻井方法,为钻井提供实时性、智能性决策,为定向钻井提高轨迹控制效率和钻井效能提供技术支撑。
(3)本申请与CN110500081A相比:本发明是基于旋转导向是一种钻柱全时旋转的钻井工具,不存在复合钻进与滑动钻进之分,并且旋转导向是通过地面控制指令改变其姿态,从而控制井眼轨迹,该方法没有涉及到控制指令的优选和划分。
附图说明
图1为本发明方法流程示意图。
具体实施方式
实施例1
一种基于深度学习的旋转导向自动钻井方法,包括如下步骤:
a)建立旋转导向钻井数据库,录入实钻或者模拟钻井数据;
b)通过对已钻井数据或模拟井数据智能深度学习,初始化钻井指导模型反馈单元;该单元是对已钻井数据通过深度学习后的一个中间计算单元,相当于大数据下的一个分析准备后台数据,为下一步单井的钻井指令、钻井参数等做计算准备,可采用现有技术;
c)在钻井指导模型反馈单元中输入作业井数据,给出本井钻具组合建议,输出本井钻井指导模型;
d)实时测量井眼轨迹数据,评价工具状态,识别井眼轨迹与设计匹配程度,规划井眼控制方案,划分最新控制指令钻进井段,调整钻井参数。
步骤a)中,包括在现场应用之前,建立以井基础信息、井眼轨迹数据、钻井指令、工具振动值、钻具组合和钻井参数的实际或模拟钻井数据的数据库,录入归一化处理数据。
步骤b)中,包括在现场应用之前,将井基础信息、井眼轨迹数据、钻井指令、工具振动值、钻具组合和钻井参数的归一化数据通过深度学习,随后将测试数据作为输入,验证输出指令对应井眼轨迹变化效果是否一致,若成功率低于90%则在步骤a)中重新筛选或者归一化数据;若成功率大于90%则初始化钻井指导模型反馈单元成功。
步骤c)中,输入即将作业井基础数据、全部井眼轨迹设计数据后,根据钻井模型优选本井下入的钻具组合,或工程师人工输入钻具组合,设置钻井参数中钻压、顶驱转速和排量上限;根据井眼轨迹设计数据以及钻具组合,模拟钻进效能,将不同钻井指令以及钻井参数分配到井眼轨迹数据点中,形成以钻井井眼轨迹为基础、划分钻井指令井段和钻井参数为主的钻井模型。钻井模型是以待钻井眼轨迹为基础,用钻井指令和钻井参数集成的反馈单元划分井眼轨迹为每30m一小段,最终达到井斜、方位、垂深、闭合距等工程参数达到目标的一种模型。
步骤d)中,包括下钻刚接触井底时,测量井底井眼轨迹数据,按照初始井眼轨迹控制方案对应当前测深的井眼轨迹数据进行匹配程度分析,如果井眼轨迹存在偏差,那么从测量井深数据点开始,以目标靶区为最终实现点,重新规划井眼轨迹控制方案,划分最新指令控制节点。
步骤d)中,包括在钻进过程中,每一个指令切换节点或者每分钟测量3-10次的数据,根据两个测量点或者节点之间井斜、网格方位、垂深和本段钻进狗腿度来评价当前指令是否满足井眼轨迹对应目标靶区要求,若不满足则按照差异程度重新规划钻井指导模型;若满足则配以机械钻速和钻井参数从而进一步评价钻进效能。
步骤d)中,如果钻进效能与钻井模型存在负差距,则依次提升10%钻压和转速直至上限。
步骤d)中,需要切换指令时,将钻压逐渐回零后、转速不变,通过控制下传分流装置或者泥浆泵排量开关,按照指令编码对应排量以及保持时间,下传通讯井下工具接下来钻进所需指令。
步骤e)中,通过步骤c)确定为复合钻进方式时,按照钻井模型通过控制绞车传感器、泥浆泵传感器和顶驱控制器来调整钻井参数,实现以钻具组合复合钻效能进行钻进。
Claims (9)
1.一种基于深度学习的旋转导向自动钻井方法,其特征在于,包括如下步骤:
a)建立旋转导向钻井数据库,录入实钻或者模拟钻井数据;
b)通过对已钻井数据或模拟井数据智能深度学习,初始化钻井指导模型反馈单元;
c)在钻井指导模型反馈单元中输入作业井数据,给出本井钻具组合建议,输出本井钻井指导模型;
d)实时测量井眼轨迹数据,评价工具状态,识别井眼轨迹与设计匹配程度,规划井眼控制方案,划分最新控制指令钻进井段,调整钻井参数。
2.根据权利要求1所述的一种基于深度学习的旋转导向自动钻井方法,其特征在于:步骤a)中,包括在现场应用之前,建立以井基础信息、井眼轨迹数据、钻井指令、工具振动值、钻具组合和钻井参数的实际或模拟钻井数据的数据库,录入归一化处理数据。
3.根据权利要求2所述的一种基于深度学习的旋转导向自动钻井方法,其特征在于:步骤b)中,包括在现场应用之前,将井基础信息、井眼轨迹数据、钻井指令、工具振动值、钻具组合和钻井参数的归一化数据通过深度学习,随后将测试数据作为输入,验证输出指令对应井眼轨迹变化效果是否一致,若成功率低于90%则在步骤a)中重新筛选或者归一化数据;若成功率大于90%则初始化钻井指导模型反馈单元成功。
4.根据权利要求3所述的一种基于深度学习的旋转导向自动钻井方法,其特征在于:步骤c)中,输入即将作业井基础数据、全部井眼轨迹设计数据后,根据钻井模型优选本井下入的钻具组合,或工程师人工输入钻具组合,设置钻井参数中钻压、顶驱转速和排量上限;根据井眼轨迹设计数据以及钻具组合,模拟钻进效能,将不同钻井指令以及钻井参数分配到井眼轨迹数据点中,形成以钻井井眼轨迹为基础、划分钻井指令井段和钻井参数为主的钻井模型。
5.根据权利要求4所述的一种基于深度学习的旋转导向自动钻井方法,其特征在于:步骤d)中,包括下钻刚接触井底时,测量井底井眼轨迹数据,按照初始井眼轨迹控制方案对应当前测深的井眼轨迹数据进行匹配程度分析,如果井眼轨迹存在偏差,那么从测量井深数据点开始,以目标靶区为最终实现点,重新规划井眼轨迹控制方案,划分最新指令控制节点。
6.根据权利要求5所述的一种基于深度学习的旋转导向自动钻井方法,其特征在于:步骤d)中,包括在钻进过程中,每一个指令切换节点或者每分钟测量3-10次的数据,根据两个测量点或者节点之间井斜、网格方位、垂深和本段钻进狗腿度来评价当前指令是否满足井眼轨迹对应目标靶区要求,若不满足则按照差异程度重新规划钻井指导模型;若满足则配以机械钻速和钻井参数从而进一步评价钻进效能。
7.根据权利要求6所述的一种基于深度学习的旋转导向自动钻井方法,其特征在于:步骤d)中,如果钻进效能与钻井模型存在负差距,则依次提升10%钻压和转速直至上限。
8.根据权利要求7所述的一种基于深度学习的旋转导向自动钻井方法,其特征在于:步骤d)中,需要切换指令时,将钻压逐渐回零后、转速不变,通过控制下传分流装置或者泥浆泵排量开关,按照指令编码对应排量以及保持时间,下传通讯井下工具接下来钻进所需指令。
9.根据权利要求8所述的一种基于深度学习的旋转导向自动钻井方法,其特征在于:步骤e)中,通过步骤c)确定为复合钻进方式时,按照钻井模型通过控制绞车传感器、泥浆泵传感器和顶驱控制器来调整钻井参数,实现以钻具组合复合钻效能进行钻进。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010801761.2A CN111810113A (zh) | 2020-08-11 | 2020-08-11 | 一种基于深度学习的旋转导向自动钻井方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010801761.2A CN111810113A (zh) | 2020-08-11 | 2020-08-11 | 一种基于深度学习的旋转导向自动钻井方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111810113A true CN111810113A (zh) | 2020-10-23 |
Family
ID=72858908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010801761.2A Pending CN111810113A (zh) | 2020-08-11 | 2020-08-11 | 一种基于深度学习的旋转导向自动钻井方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111810113A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113090188A (zh) * | 2021-04-26 | 2021-07-09 | 西安石油大学 | 基于机器学习的智能钻井实时井眼轨迹测量方法及系统 |
CN113236221A (zh) * | 2021-05-06 | 2021-08-10 | 中海油能源发展股份有限公司 | 一种地质导向钻井的轨迹控制方法 |
CN114086887A (zh) * | 2021-11-19 | 2022-02-25 | 东北石油大学 | 一种基于人工智能的待钻井眼轨道井下规划方法 |
CN116084910A (zh) * | 2023-03-09 | 2023-05-09 | 成都信息工程大学 | 一种推靠式旋转导向工具导向指令实时预测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102493766A (zh) * | 2011-11-30 | 2012-06-13 | 中国石油集团钻井工程技术研究院 | 一种井眼轨道控制方法及其系统 |
CN104727810A (zh) * | 2013-12-23 | 2015-06-24 | 中国石油化工集团公司 | 随钻测控系统的下行通讯装置及其下传通讯方法 |
CN106609668A (zh) * | 2015-10-23 | 2017-05-03 | 中国石油化工股份有限公司 | 一种随钻地层压力测量系统井下指令解码方法及装置 |
CN108240219A (zh) * | 2016-12-24 | 2018-07-03 | 中石化石油工程技术服务有限公司 | 一种旋转导向钻井系统信息下传的方法 |
CN109653728A (zh) * | 2019-02-27 | 2019-04-19 | 四川轻化工大学 | 一种基于向量相似度的井眼轨迹钻前模拟方法 |
CN110500081A (zh) * | 2019-08-31 | 2019-11-26 | 中国石油集团川庆钻探工程有限公司 | 一种基于深度学习的自动钻井方法 |
CN110500034A (zh) * | 2019-08-30 | 2019-11-26 | 中国石油集团川庆钻探工程有限公司 | 建立神经网络模型、确定扭摆钻柱参数和定向钻井的方法 |
CN111485873A (zh) * | 2020-04-30 | 2020-08-04 | 中国石油天然气集团有限公司 | 一种基于电机变频控制的旋转导向指令下传方法 |
CN111502646A (zh) * | 2020-04-30 | 2020-08-07 | 中国石油天然气集团有限公司 | 一种基于电机变频控制的旋转导向指令下传系统 |
-
2020
- 2020-08-11 CN CN202010801761.2A patent/CN111810113A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102493766A (zh) * | 2011-11-30 | 2012-06-13 | 中国石油集团钻井工程技术研究院 | 一种井眼轨道控制方法及其系统 |
CN104727810A (zh) * | 2013-12-23 | 2015-06-24 | 中国石油化工集团公司 | 随钻测控系统的下行通讯装置及其下传通讯方法 |
CN106609668A (zh) * | 2015-10-23 | 2017-05-03 | 中国石油化工股份有限公司 | 一种随钻地层压力测量系统井下指令解码方法及装置 |
CN108240219A (zh) * | 2016-12-24 | 2018-07-03 | 中石化石油工程技术服务有限公司 | 一种旋转导向钻井系统信息下传的方法 |
CN109653728A (zh) * | 2019-02-27 | 2019-04-19 | 四川轻化工大学 | 一种基于向量相似度的井眼轨迹钻前模拟方法 |
CN110500034A (zh) * | 2019-08-30 | 2019-11-26 | 中国石油集团川庆钻探工程有限公司 | 建立神经网络模型、确定扭摆钻柱参数和定向钻井的方法 |
CN110500081A (zh) * | 2019-08-31 | 2019-11-26 | 中国石油集团川庆钻探工程有限公司 | 一种基于深度学习的自动钻井方法 |
CN111485873A (zh) * | 2020-04-30 | 2020-08-04 | 中国石油天然气集团有限公司 | 一种基于电机变频控制的旋转导向指令下传方法 |
CN111502646A (zh) * | 2020-04-30 | 2020-08-07 | 中国石油天然气集团有限公司 | 一种基于电机变频控制的旋转导向指令下传系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113090188A (zh) * | 2021-04-26 | 2021-07-09 | 西安石油大学 | 基于机器学习的智能钻井实时井眼轨迹测量方法及系统 |
CN113090188B (zh) * | 2021-04-26 | 2022-12-20 | 西安石油大学 | 基于机器学习的智能钻井实时井眼轨迹测量方法及系统 |
CN113236221A (zh) * | 2021-05-06 | 2021-08-10 | 中海油能源发展股份有限公司 | 一种地质导向钻井的轨迹控制方法 |
CN114086887A (zh) * | 2021-11-19 | 2022-02-25 | 东北石油大学 | 一种基于人工智能的待钻井眼轨道井下规划方法 |
CN114086887B (zh) * | 2021-11-19 | 2023-05-23 | 东北石油大学 | 一种基于人工智能的待钻井眼轨道井下规划方法 |
CN116084910A (zh) * | 2023-03-09 | 2023-05-09 | 成都信息工程大学 | 一种推靠式旋转导向工具导向指令实时预测方法 |
CN116084910B (zh) * | 2023-03-09 | 2023-06-23 | 成都信息工程大学 | 一种推靠式旋转导向工具导向指令实时预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111810113A (zh) | 一种基于深度学习的旋转导向自动钻井方法 | |
CN110500034B (zh) | 建立神经网络模型、确定扭摆钻柱参数和定向钻井的方法 | |
CN110500081B (zh) | 一种基于深度学习的自动钻井方法 | |
CN101936134B (zh) | 当钻井时选择最优井眼轨迹 | |
CN105518251B (zh) | 使用随机最优控制实现的钻井自动化 | |
RU2669414C1 (ru) | Способ и система направленного бурения, использующие контуры многократной обратной связи | |
RU67635U1 (ru) | Автоматизированная система управления проводкой наклонных и горизонтальных нефтяных и газовых скважин - "траектория" | |
KR102294384B1 (ko) | 머신러닝을 이용한 굴진율 예측 시추운전가이드 모델 구축방법 및 이를 이용한 굴진율 예측시스템 | |
CN109653728B (zh) | 一种基于向量相似度的井眼轨迹钻前模拟方法 | |
CN113236221A (zh) | 一种地质导向钻井的轨迹控制方法 | |
Zhao et al. | Model predictive control for mud motor operation in directional drilling | |
CN103967479A (zh) | 一种旋转导向钻井入靶形势预测方法 | |
CA3070403A1 (en) | Methods and systems for automated cementing and liner hanging | |
CN107201877A (zh) | 一种旋转导向钻井的闭环控制方法及系统 | |
CN109630016A (zh) | 一种矿用水平千米定向钻机轨迹跟踪方法 | |
Cavanough et al. | A self-optimizing control system for hard rock percussive drilling | |
CN115628009A (zh) | 一种基于强化学习的井眼轨迹智能控制方法 | |
CN103967480A (zh) | 一种滑动导向钻井入靶形势预测方法 | |
CN116070511A (zh) | 煤矿井下近水平定向钻进轨迹预测方法及系统 | |
CN115717522A (zh) | 页岩气井分层强化参数钻井方法及钻井装置 | |
CN105134163B (zh) | 一种自适应井下钻具工具面的动态控制系统及方法 | |
US11346202B2 (en) | Drill bit subsystem for automatically updating drill trajectory | |
Chernyi | The problems of automation technological process of drilling oil and gas wells | |
CN105156091A (zh) | 基于自适应井下钻具工具面动态控制的钻机系统及钻井方法 | |
Zhang et al. | Design of Deviation Correction Control System in Vertical Drilling Process |
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 |