CN114109369B - 一种石油钻杆接箍检测系统 - Google Patents
一种石油钻杆接箍检测系统 Download PDFInfo
- Publication number
- CN114109369B CN114109369B CN202210076681.4A CN202210076681A CN114109369B CN 114109369 B CN114109369 B CN 114109369B CN 202210076681 A CN202210076681 A CN 202210076681A CN 114109369 B CN114109369 B CN 114109369B
- Authority
- CN
- China
- Prior art keywords
- transmission system
- bottom layer
- coupling
- remote transmission
- data
- 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
- 230000008878 coupling Effects 0.000 title claims abstract description 47
- 238000010168 coupling process Methods 0.000 title claims abstract description 47
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 64
- 230000005540 biological transmission Effects 0.000 claims abstract description 27
- 238000003062 neural network model Methods 0.000 claims abstract description 11
- 239000003208 petroleum Substances 0.000 claims abstract description 5
- 230000014509 gene expression Effects 0.000 claims description 14
- 229910052751 metal Inorganic materials 0.000 claims description 14
- 239000002184 metal Substances 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000007789 sealing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005553 drilling Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 229910001172 neodymium magnet Inorganic materials 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- QJVKUMXDEUEQLH-UHFFFAOYSA-N [B].[Fe].[Nd] Chemical compound [B].[Fe].[Nd] QJVKUMXDEUEQLH-UHFFFAOYSA-N 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 238000005259 measurement Methods 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
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- 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
- E21B47/00—Survey of boreholes or wells
- E21B47/09—Locating or determining the position of objects in boreholes or wells, e.g. the position of an extending arm; Identifying the free or blocked portions of pipes
- E21B47/092—Locating or determining the position of objects in boreholes or wells, e.g. the position of an extending arm; Identifying the free or blocked portions of pipes by detecting magnetic anomalies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Geophysics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Earth Drilling (AREA)
Abstract
本发明公开了一种石油钻杆接箍检测系统，包括检测装置、底层数据远程传输系统和工控机；所述底层数据远程传输系统输入端与检测装置连接，底层数据远程传输系统输出端与工控机相连接；所述底层数据远程传输系统烧录在单片机上；所述工控机上设置有基于LSTM神经网络模型的接箍位置探测模块；所述检测装置输出的电压信号在底层数据远程传输系统上进行转换及处理，底层数据远程传输系统再将处理后的数据送入接箍位置探测模块以便分别控制防喷器上下半封闸板的开启与关闭。本发明可以很好地检测出接箍，满足工业需求，相比于其他的接箍检测技术，该接箍检测技术给出了完整的检测方案和实验结果，当钻杆在井内发生任意偏移都不会影响接箍检测精度。
Description
技术领域
本发明涉及石油钻井技术领域，尤其是涉及一种石油钻杆接箍检测系统。
背景技术
目前国内外钻井、修井工业中广泛使用防喷器密封油井，钻杆在上提和下放的过程中必须严格按照流程打开和关闭防喷器闸板。防喷器的上下半封闸板中间有一个胶芯空洞可以让钻杆自由通过，钻杆的接箍无法直接通过，因此当接箍需要通过防喷器时，需要提前打开其中的一个半封闸板，等接箍通过该半封闸板后关闭该闸板，然后打开另一个半封闸板，直到接箍完全通过防喷器后关闭上下半封闸板。如果接箍通过闸板时没有打开闸板，就会导致防喷器胶芯损坏，从而引发井喷、井涌等重大事故。
由于井内是高压环境，检测装置难以直接安装在井内。非接触检测成为一种比较可靠的方法。当前国内外的接箍检测系统是基于磁检测方法，通过判断磁传感器电压变化判断接箍是否通过。然而，当钻杆在井内发生偏移或者晃动时，传统的接箍检测方法将无法识别钻杆与接箍。
发明内容
本发明的目的在于解决现有技术存在的问题，提供一种石油钻杆接箍检测系统。
本发明的目的是通过以下技术方案来实现的：
一种石油钻杆接箍检测系统，包括检测装置、底层数据远程传输系统和工控机；所述底层数据远程传输系统输入端与检测装置连接，底层数据远程传输系统输出端与工控机相连接；所述底层数据远程传输系统烧录在STM32单片机上；所述工控机上设置有基于LSTM神经网络模型的接箍位置探测模块；所述检测装置输出的电压信号在底层数据远程传输系统上进行转换及处理，底层数据远程传输系统再将处理后的数据送入接箍位置探测模块以便分别控制防喷器上下半封闸板的开启与关闭。
所述检测装置包括不导磁金属外壳、霍尔传感器和永磁体；所述不导磁金属外壳整体呈圆环状，不导磁金属外壳上下两面布置相对应的多个孔洞，不导磁金属外壳侧面均匀排布有多个盲孔；霍尔传感器和永磁体分别安装在各个盲孔中。
所述霍尔传感器不少于十六个，所述永磁体不少于四个；两个所述永磁体所在的盲孔之间布置有两个安装所述霍尔传感器的盲孔；每两个所述霍尔传感器安装在一个盲孔中。
所述底层数据远程传输系统采用边缘计算模式，将检测装置输出的模拟信号通过
A/D转换器转换成数字信号
，再通过均值滤波过滤高斯白噪声，使数据更加平滑，然后将
数据在时间序列上进行分组，对每一组数据进行差值法处理得到放大后的信号。
所述分组差值法计算表示为：
所述LSTM神经网络模型的内部由三个门控制，分别是输入门、遗忘门和输出门，当
一个时间序列的数据输入LSTM时，通过三个门结构逐步更新权重，其中遗忘门决定保留多
少上一时刻的信息，然后将上一时刻的输出与当前时间序列的输入数据通过
函数映
射得到更新信息
，最后将遗忘门的信息与更新信息
用于更新当前网络的权值，得
到当前新状态
，输出时间序列信息由函数映射得到。
LSTM神经网络模型数学表达式为：
其中，
为遗忘门更新表达式，
为sigmoid激活函数，
为遗忘门的模型权
重，
为上一次的更新结果，
为当前输入向量，
为遗忘门的偏置，
为输入门更新
表达式，
为输入门的模型权重，
为输入门的偏置向量；
其中，
为记忆单元的隐藏层表达式，其激活函数为
，
为隐藏层的权
值，
为隐藏层的偏置向量；
其中，
为网络的记忆单元，
为t-1时刻的记忆单元；
其中，
为输出门表达式，
为输出结果，
为网络层的权值矩阵，
为偏置向
量。
本发明的有益效果：
本发明可以很好地检测出接箍，满足工业需求，相比于其他的接箍检测技术，该接箍检测技术给出了完整的检测方案和实验结果，当钻杆在井内发生任意偏移都不会影响接箍检测精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1是本发明的系统结构示意图；
图2是本发明的检测装置示意图；
图3是本发明的检测装置剖视图；
图4是本发明的温度漂移示意图；
图5是本发明的神经网络模型图；
图6是本发明的滑动窗口时间序列示意图；
图中：1-中央通道，2-对应井口，3-安装孔，4-磁检测装置金属外壳，5-霍尔磁传感器A，6-霍尔磁传感器B，7-钕铁硼永磁体。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，一种石油钻杆接箍检测系统，包括检测装置、底层数据远程传输系统和工控机；所述底层数据远程传输系统输入端与检测装置连接，底层数据远程传输系统输出端与工控机相连接；所述底层数据远程传输系统烧录在STM32单片机上；所述工控机上设置有基于LSTM神经网络模型的接箍位置探测模块；所述检测装置输出的电压信号在底层数据远程传输系统上进行转换及处理，底层数据远程传输系统再将处理后的数据送入接箍位置探测模块以便分别控制防喷器上下半封闸板的开启与关闭。
所述检测装置包括不导磁金属外壳、霍尔传感器和永磁体；所述不导磁金属外壳整体呈圆环状，不导磁金属外壳上下两面布置相对应的多个孔洞，不导磁金属外壳侧面均匀排布有多个盲孔；霍尔传感器和永磁体分别安装在各个盲孔中。
所述霍尔传感器不少于十六个，所述永磁体不少于四个；两个所述永磁铁所在的盲孔之间布置有两个安装所述霍尔传感器的盲孔；每两个所述霍尔传感器安装在一个盲孔中。
如图2和图3所示，标号2为对应井口，其直径为18cm；标号3为安装孔，用于将固定磁检测装置固定到修井作业平台；标号1为盲孔，该检测装置一共12个盲孔，均匀分布在磁检测装置的侧面，用于安装传感器和永磁体阵列；编号4为磁检测装置金属外壳，其材质为不易磁化的合金。b为磁检测装置剖面图，其中标号5和6为霍尔磁传感器，每个盲孔中安装两个霍尔传感器，共计16路霍尔传感器，每个霍尔传感器一面朝向中央通道；7为钕铁硼永磁体，4块永磁体按照N-S交替排列，用于产生磁场激励；每个霍尔传感器输出一路电压，与STM32单片机A/D转换器连接。
所述底层数据远程传输系统采用边缘计算模式，将检测装置输出的模拟信号通过A/D转换器转换成数字信号，再通过均值滤波过滤高斯白噪声，使数据更加平滑，然后将数据在时间序列上进行分组，对每一组数据进行差值法处理得到放大后的信号， 这样可以有效放大信号，减小温度漂移和零点漂移的影响。
所述分组差值法计算表示为：
均值滤波是一种线性滤波，类似于低通滤波，通过对相邻时间序列的个数据进行均值处理从而达到滤波的效果，使输出的数据更加稳定。相较于其他的滤波方式，使用均值滤波计算量较少，数据的连续特性好，对数据高速采样后使用均值滤波的方式对数据进行处理可以有效减少噪声。并且通过修改均值个数控制最终输出数据的速率，当数据个数较小时，输出数据的速率快。
零点漂移和温度漂移是半导体传感器的固有属性，这两种漂移会影响传感器的测量精度。零点漂移是指传感器的静态工作点发生变化，温度漂移是指传感器随温度变化产生零点漂移。其中温度漂移容易在较短的时间内产生，当传感器产生温度漂移时会淹没有效信号。霍尔传感器是一种半导体器件，在该检测装置中，当钻杆或接箍距离某个霍尔传感器较远时，实际测得钻杆和接箍对应的电压值差别比较小，这种情况下霍尔传感器产生零点漂移或者温度漂移将无法区分钻杆与接箍。
短时间内传感器的温度漂移较小，对数据进行分组是在很短的时间内完成的，因此，对每组数据进行差值处理可以减小温度漂移。
如图4所示，当不使用分组差值法时，温度漂移量随着时间不断累加。当使用分组差值时，在短时间(几秒钟)内温度漂移的量很少，可以忽略不计，且温度漂移量不叠加。
在系统中使用长短期记忆神经网络（LSTM）提取时间序列信息，将提取到的高阶特征经过多层神经网络映射得出最终结果。LSTM是一种循环神经网络，可以用于处理时间序列的数据。
如图5所示，所述顶层LSTM神经网络模型内部由三个门控制，分别是输入门、遗忘
门和输出门，当一个时间序列的数据输入LSTM时，通过三个门结构逐步更新权重，其中遗忘
门决定保留多少上一时刻的信息，然后将上一时刻的输出与当前时间序列的输入数据通过
函数映射得到更新信息
，最后将遗忘门的信息与更新信息
用于更新当前网
络的权值，得到当前新状态
，输出时间序列信息由函数映射得到。
所述顶层LSTM神经网络模型数学表达式为：
式(1.2)、(1.3)分别为遗忘门和输入们的更新式子，遗忘门用于过滤冗余信息，输
入门接收新的信息。
为sigmoid激活函数，
为遗忘门的模型权重，
为上一次的更
新结果，
为当前输入向量，
为遗忘门的偏置，
为输入门的偏置向量。
式(1.4)为记忆单元的隐藏层，其激活函数为
，
为该隐藏层的权值，
为
隐藏层的偏置向量。
式(1.5)中的
为该网络的记忆单元，
为t-1时刻的记忆单元。
式(1.6)为输出门，
为该网络层的权值矩阵，
为该层的偏置。
最终综合输出门和记忆单元的信息输出LSTM网络的最终结果，该结果包含时间序列的特征，然后通过包含多层隐藏层的人工神经网络进一步提取高阶特征，得出分类结果。
接箍检测时一个典型的二分类问题，在该系统中只有两种输出可能，即是接箍和是钻杆两种情况。在实际应用中需要不断地检测是否有接箍通过，并且还有可能受到电磁干扰等影响，因此，使用滑窗检测的方式检测接箍是否通过检测装置，采用交叉熵损失(Loss)准确率(Accuracy)、AUC评价模型。
接箍通过检测装置的一组时间序列示意图如图6所示，滑窗检测是指固定检测数据的长度，随时间序列不断获取数据并输出结果的检测方式。由于钻井现场难以获得数据，本实验在实验室模拟钻杆上升下放过程，每一组数据保存19个时间间隔相同的序列。
实验数据集如下表1所示：
表1
实验数据集包括训练集测试集，其中训练集和测试集的比例为4:1，最终测试集的各项指标如下表2所示：
表2
从表2可以得出以下结论：该接箍检测系统可以很好地检测出接箍，满足工业需求，相比于其他的接箍检测技术，该接箍检测技术给出了完整的检测方案和实验结果，当钻杆在井内发生任意偏移都不会影响接箍检测精度。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种石油钻杆接箍检测系统，其特征在于，包括检测装置、底层数据远程传输系统和工控机；所述底层数据远程传输系统输入端与检测装置连接，底层数据远程传输系统输出端与工控机相连接；所述底层数据远程传输系统烧录在STM32单片机上；所述工控机上设置有基于LSTM神经网络模型的接箍位置探测模块；所述检测装置包括不导磁金属外壳、霍尔传感器和永磁体；所述不导磁金属外壳整体呈圆环状，不导磁金属外壳上下两面布置相对应的多个孔洞，不导磁金属外壳侧面均匀排布有多个盲孔；霍尔传感器和永磁体分别安装在各个盲孔中；永磁体按照N-S交替排列，用于产生磁场激励；
所述底层数据远程传输系统采用边缘计算模式，将检测装置输出的模拟信号通过A/D转换器转换成数字信号
，再通过均值滤波过滤高斯白噪声，使数据更加平滑，然后将数据在时间序列上进行分组，对每一组数据进行差值法处理得到放大后的信号；
所述LSTM神经网络模型的内部由三个门控制，分别是输入门、遗忘门和输出门，当一个时间序列的数据输入LSTM时，通过三个门结构逐步更新权重，其中遗忘门决定保留多少上一时刻的信息，然后将上一时刻的输出与当前时间序列的输入数据通过函数映射得到更新信息，将遗忘门的信息与更新信息用于更新当前网络的权值，得到当前新状态，输出时间序列信息由函数映射得到，最终综合输出门和记忆单元的信息输出LSTM网络的最终结果，该结果包含时间序列的特征，然后通过包含多层隐藏层的人工神经网络进一步提取高阶特征，得出分类结果；
所述检测装置输出的电压信号在底层数据远程传输系统上进行转换及处理，底层数据远程传输系统再将处理后的数据送入接箍位置探测模块以便分别控制防喷器上下半封闸板的开启与关闭。
2.根据权利要求1所述的一种石油钻杆接箍检测系统，其特征在于，所述霍尔传感器不少于十六个，所述永磁体不少于四个；两个所述永磁体所在的盲孔之间布置有两个安装所述霍尔传感器的盲孔；每两个所述霍尔传感器安装在一个盲孔中。
3.根据权利要求1所述的一种石油钻杆接箍检测系统，其特征在于，所述差值法计算表示为：
4.根据权利要求1所述的一种石油钻杆接箍检测系统，其特征在于，所述LSTM神经网络模型数学表达式为：
其中，
为遗忘门更新表达式，
为sigmoid激活函数，
为遗忘门的模型权重，
为上一次的更新结果，
为当前输入向量，
为遗忘门的偏置，
为输入门更新表达式，
为输入门的模型权重，
为输入门的偏置向量；
其中，
为记忆单元的隐藏层表达式，其激活函数为
，
为隐藏层的权值，
为隐藏层的偏置向量；
其中，
为网络的记忆单元，
为t-1时刻的记忆单元；
其中，
为输出门表达式，
为输出结果，
为网络层的权值矩阵，
为偏置向量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210076681.4A CN114109369B (zh) | 2022-01-24 | 2022-01-24 | 一种石油钻杆接箍检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210076681.4A CN114109369B (zh) | 2022-01-24 | 2022-01-24 | 一种石油钻杆接箍检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114109369A CN114109369A (zh) | 2022-03-01 |
| CN114109369B true CN114109369B (zh) | 2022-04-15 |
Family
ID=80361020
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210076681.4A Active CN114109369B (zh) | 2022-01-24 | 2022-01-24 | 一种石油钻杆接箍检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114109369B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6205851B1 (en) * | 1998-05-05 | 2001-03-27 | Baker Hughes Incorporated | Method for determining drill collar whirl in a bottom hole assembly and method for determining borehole size |
| CA2482096A1 (en) * | 2002-04-12 | 2003-10-23 | Halliburton Energy Services, Inc. | Magnetically activated well tool |
| WO2013141971A2 (en) * | 2012-03-21 | 2013-09-26 | Halliburton Energy Services, Inc. ("HESI") | Casing collar locator with wireless telemetry support |
| US9598954B1 (en) * | 2016-06-16 | 2017-03-21 | Penny Technologies c/o Vistra | Dual-mode casing collar locator (CCL) tool, mode selection circuit and method |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6768299B2 (en) * | 2001-12-20 | 2004-07-27 | Schlumberger Technology Corporation | Downhole magnetic-field based feature detector |
| US6720764B2 (en) * | 2002-04-16 | 2004-04-13 | Thomas Energy Services Inc. | Magnetic sensor system useful for detecting tool joints in a downhold tubing string |
| EP2317071A1 (en) * | 2009-10-30 | 2011-05-04 | Welltec A/S | Positioning tool |
| US9790784B2 (en) * | 2014-05-20 | 2017-10-17 | Aps Technology, Inc. | Telemetry system, current sensor, and related methods for a drilling system |
| CN104564033B (zh) * | 2015-02-13 | 2017-10-27 | 烟台杰瑞石油装备技术有限公司 | 一种管道接箍检测装置 |
| GB2560708A (en) * | 2017-03-14 | 2018-09-26 | Salunda Ltd | Bore sensor insert |
| US20190287005A1 (en) * | 2018-03-19 | 2019-09-19 | Ge Inspection Technologies, Lp | Diagnosing and predicting electrical pump operation |
| CN113738348B (zh) * | 2020-05-14 | 2023-08-22 | 中国石油天然气股份有限公司 | 一种油管接箍探测装置及变径管柱探测装置 |
| US11125076B1 (en) * | 2020-07-21 | 2021-09-21 | Saudi Arabian Oil Company | Accelerometer based casing collar locator |
| CN113153276B (zh) * | 2021-05-20 | 2023-11-21 | 烟台杰瑞石油装备技术有限公司 | 铁磁性物体检测装置和检测油管接箍的方法 |
-
2022
- 2022-01-24 CN CN202210076681.4A patent/CN114109369B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6205851B1 (en) * | 1998-05-05 | 2001-03-27 | Baker Hughes Incorporated | Method for determining drill collar whirl in a bottom hole assembly and method for determining borehole size |
| CA2482096A1 (en) * | 2002-04-12 | 2003-10-23 | Halliburton Energy Services, Inc. | Magnetically activated well tool |
| WO2013141971A2 (en) * | 2012-03-21 | 2013-09-26 | Halliburton Energy Services, Inc. ("HESI") | Casing collar locator with wireless telemetry support |
| US9598954B1 (en) * | 2016-06-16 | 2017-03-21 | Penny Technologies c/o Vistra | Dual-mode casing collar locator (CCL) tool, mode selection circuit and method |
Non-Patent Citations (1)
| Title |
|---|
| 何夏萍等.大套管磁定位仪器的研制.《石油仪器》.2010,第24卷(第3期),第8-9页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114109369A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114818363B (zh) | 城市深层排水隧道淤积风险评估及预测预警方法 | |
| CN104156624B (zh) | 测井设备的时深数据的处理方法和装置 | |
| CN105089620B (zh) | 卡钻的监测系统、方法及装置 | |
| CN110795853B (zh) | 一种油气钻井过程中早期溢流层位随钻识别方法 | |
| US10641091B2 (en) | Automated downhole fluid classification using principal spectroscopy component data | |
| CA2556937A1 (en) | Methods for measuring a formation supercharge pressure | |
| Jiang et al. | A multisensor cycle-supervised convolutional neural network for anomaly detection on magnetic flux leakage signals | |
| CN114109369B (zh) | 一种石油钻杆接箍检测系统 | |
| CN115654381A (zh) | 一种基于图神经网络的供水管道漏损检测方法 | |
| CN109706906B (zh) | 一种三角门船闸开通闸运行的控制方法 | |
| CN112084982A (zh) | 一种基于噪声模型的双层管柱脉冲涡流数据去噪方法 | |
| CN106677767B (zh) | 一种用于采油井的套管漏点深度检测方法和装置 | |
| CN114357887A (zh) | 一种基于bp神经网络的复杂井况钻前泥浆漏失预测方法 | |
| CN115434696B (zh) | 一种岩性识别数据库构建方法及岩性识别方法 | |
| Li et al. | Cross-oilfield reservoir classification via multi-scale sensor knowledge transfer | |
| CN111815561A (zh) | 一种基于深度时空特征的管道缺陷及管道组件的检测方法 | |
| Pang et al. | Prediction of mud loss type based on seismic data using machine learning | |
| CN201159080Y (zh) | 防喷器安全信息数据采集装置 | |
| CN110188439A (zh) | 基于案例推理和系统动力学的地铁施工地表沉降预警方法 | |
| Aggarwal et al. | ANN powered virtual well testing | |
| Mokhtari et al. | Feasibility study of EPB shield automation using deep learning | |
| Luan | Early warning technology in drilling muds lost circulation anomaly based on data analysis | |
| Qu et al. | Data-driven wireline sticking risk assessment and control factor analysis | |
| Wu et al. | Classification of reservoir fracture development level by convolution neural network algorithm | |
| CN115949388B (zh) | 一种套管防碰测距预警方法及测量单元 |
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 |