CN116804360A - 钻孔轨迹测量系统及预警方法 - Google Patents
钻孔轨迹测量系统及预警方法 Download PDFInfo
- Publication number
- CN116804360A CN116804360A CN202310991853.5A CN202310991853A CN116804360A CN 116804360 A CN116804360 A CN 116804360A CN 202310991853 A CN202310991853 A CN 202310991853A CN 116804360 A CN116804360 A CN 116804360A
- Authority
- CN
- China
- Prior art keywords
- water
- cable
- drilling track
- drilling
- 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.)
- Pending
Links
- 238000005553 drilling Methods 0.000 title claims abstract description 150
- 238000005259 measurement Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 26
- 210000002445 nipple Anatomy 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 230000000149 penetrating effect Effects 0.000 claims abstract description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 52
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 229910000831 Steel Inorganic materials 0.000 claims description 15
- 239000010959 steel Substances 0.000 claims description 15
- 239000011229 interlayer Substances 0.000 claims description 12
- 239000007787 solid Substances 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000005096 rolling process Methods 0.000 claims description 7
- 239000004020 conductor Substances 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 239000002184 metal Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000002787 reinforcement Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 4
- 239000010410 layer Substances 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 238000007418 data mining Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000011010 flushing procedure Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 6
- 238000004080 punching Methods 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 239000004575 stone Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000839 emulsion Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011326 mechanical measurement Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 239000004743 Polypropylene Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007636 ensemble learning method Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- -1 polypropylene Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 239000011359 shock absorbing material Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
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
- E21B47/02—Determining slope or direction
- E21B47/022—Determining slope or direction of the borehole, e.g. using geomagnetism
-
- 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
- E21B45/00—Measuring the drilling time or rate of penetration
-
- 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
-
- 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
- E21B47/12—Means for transmitting measuring-signals or control signals from the well to the surface, or from the surface to the well, e.g. for logging while 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
-
- 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
- E21B2200/00—Special features related to earth drilling for obtaining oil, gas or water
- E21B2200/20—Computer models or simulations, e.g. for reservoirs under production, drill bits
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)
- Geophysics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种钻孔轨迹测量系统及预警方法，测量装置包括通水通缆钻杆、钻头、微机电测量短节、信号处理单元和工控机。微机电测量短节和钻头固定在首节钻杆端部。通水通缆钻杆可同时实现高压冲洗介质的传输和测量数据的实时传输。通水通缆钻杆高速旋转，带动钻头完成桩体的钻孔，微机电测量短节实时测量钻孔轨迹信息，并通过穿设在钻杆通缆孔内的电缆传输给信号处理单元，信号处理单元再通过无线传输的方式将数据传输给工控机。工控机对钻孔轨迹信息进行预测，从而对钻孔轨迹发生偏差的位置及时预警。本发明可快速准确捕捉桩体钻孔轨迹信息、三维位置信息，为及时发现、纠正桩身姿态提供重要支撑。
Description
技术领域
本发明涉及一种探测钻孔轨迹的测量系统及对钻孔轨迹进行预警的方法。本发明属于水利水电工程软弱地基加固技术领域。
背景技术
水利水电工程施工前，需要对地基进行处理，特别需要对一些软弱地基进行加固。目前，对于软弱地基的加固方法主要是往地层中植入高度为10米--50米的碎石桩，即通过振冲器振冲造孔，在振冲造孔的同时填入不同粒径的砂石，边振冲造孔边填充砂石边夯实砂石，形成碎石桩。在振冲造孔、填充砂石料的过程中，由于不同深度的地层地质不同、硬度不同、振冲器向下振冲造孔路径的偏移、填料不稳定等诸多因素的影响，往往会出现振冲碎石桩倾斜的现象，从而减弱振冲碎石桩对地基的处理效果。因此，在水利水电工程软弱地基处理时，及时检测、纠正振冲碎石桩的桩身姿态尤为必要。
通常，探测桩身姿态的方法是钻机钻孔，结合钻孔轨迹，反演钻孔在地层中的实际位置、判断深部地层内桩体是否发生较大倾斜/偏移，确定桩身姿态的合理性。
当前，对于千米级深度地层来说，其钻进方式是钻杆不旋转，电机驱动钻头高速旋转，钻头带动钻杆钻进造孔，其优点是钻进轨迹控制精准，获得的钻孔轨迹精准；其缺点是：钻头昂贵，施工成本高。对于百米级深度的地层来说(本发明涉及的桩身高度为70-100米)，常采用的钻进方式是钻头不旋转，电机驱动钻杆高速旋转，高速旋转的钻杆带动钻头钻进，获取钻孔轨迹，其优点是：施工成本低、施工方便；其缺点是：1、由于钻杆高速旋转，内置在钻杆内的用于传输数据的电缆容易缠绕，电缆易被扯断；2、由于在钻进过程中，伴随钻杆向下钻进，需要实时用高压水流冲击地层，故，用于传输数据的电缆受到高压水流、泥浆脉冲、电磁波等干扰，数据传输不稳定，数据传输不流畅，受到较大的干扰；3、由于现场施工环境恶劣，数据传输电缆长时间受到高压水流的冲洗，极易损坏，影响测量装置的正常工作。
总之，目前在水利水电工程软弱地基加固技术领域，受钻孔空间、施工成本以及控制方式的限制，还无法实时、准确地获取百米级钻孔轨迹，无法结合钻孔轨迹判断桩身姿态。
发明内容
针对百米级地基加固桩体工程，本发明的目的是提供一种运行稳定可靠、造价低的用于探测钻孔轨迹的测量系统。
本发明的另一目的是提供一种针对钻孔轨迹的预警方法。
为实现上述目的，本发明采用以下技术方案：一种钻孔轨迹测量系统，它由若干节可拼接的通水通缆钻杆、电机、钻头、微机电测量短节、信号处理单元和工控机构成；所述钻头和首节所述通水通缆钻杆固联，所述电机位于地面，电机的输出轴通过联轴器与最末一根所述通水通缆钻杆相连，驱动通水通缆钻杆旋转，进而推进所述钻头钻孔；所述信号处理单元位于地面，所述信号处理单元通过无线传输的方式将数据传输给所述工控机；其特征在于：
在首节所述通水通缆钻杆内固定有所述微机电测量短节，所述微机电测量短节包括一密闭的圆柱形金属壳体和固定在壳体内的MEMS传感器，所述MEMS传感器包括三轴加速度传感器、三轴陀螺仪和三轴转速传感器，实现对首节所述通水通缆钻杆的位置信息、钻杆的偏航角、俯仰角、翻滚角及钻杆的旋转速度的测量；
所述MEMS传感器的数据输出端通过穿设在所述通水通缆钻杆内的绝缘导线与所述信号处理单元相连，进行数据传输；
所述通水通缆钻杆为实心的钢管，其上开有两个纵向通孔，一个为通水孔，一个为通缆孔，所述通水孔内穿设有通水管，所述通缆孔内穿设有用于传输数据的绝缘导线；
所述通水孔的直径应满足：
d通水孔＝1.05d通水管
d通水管≤3d1
式中，d通水孔为通水孔直径，单位m；d通水管为通水管直径，单位m；Q为高压水流量，单位m3/h；vmax为高压水最大流速，单位m/s；vmin为高压水最小流速，单位m/s；d1为通水通缆钻杆直径，单位m；
在所述绝缘导线与通缆孔之间设有防水夹层，所述通缆孔的直径应满足如下要求：
d通缆＝1.05×(d绝缘导线+t防水夹层)
式中，d通缆为通缆孔的直径，单位m；d绝缘导线为绝缘导线直径，单位m；t防水夹层为防水夹层厚度，单位m。
所述通水通缆钻杆的直径应大于80mm，所述通水孔和通缆孔之间的最小间距应满足如下要求：
式中，d2为通水孔和通缆孔最小间距，单位m；F为钻杆在旋转过程中所承受的最大力，单位N；σ为钻杆所用钢材的极限抗拉强度，单位MPa。
本发明提供的一种钻孔轨迹预警方法，它包括如下步骤：
S1、构建钻孔轨迹历史测量信息数据集；
获取不同地层钻孔时，构成MEMS传感器的三轴加速度传感器、三轴陀螺仪和三轴转速传感器测量的钻孔轨迹历史信息数据，对历史测量信息数据集进行预处理，形成用于钻孔轨迹建模的数据集；
该数据集里包含不同地层条件下的索引、日期、时间、偏航角、俯仰角、翻滚角、钻杆深度、钻杆转速信息；
S2、构建最优钻孔轨迹模型；
S2.1：将步骤S1构建的数据集中相同地层的钻孔轨迹信息数据聚类为一类，形成新的数据集；
S2.2：将步骤S2.1形成的新的数据集整理成时间序列，且将前N分钟的钻孔轨迹信息作为模型输入数据，将N+1分钟的钻孔轨迹信息作为模型输出数据；
S2.3：构建深度学习算法池，将每类钻孔轨迹信息数据遍历算法池中每种算法模型，并进行深度学习，获得每类聚类场景对应的多个初始钻孔轨迹模型；
S2.4：采用AdaBoost数据增强算法对步骤S2.3建立的每类聚类场景对应的多个初始钻孔轨迹模型进行增强；
S2.5：寻找最优钻孔轨迹模型；
将步骤S2.2重新整理好的每类钻孔轨迹信息数据中前N分钟的钻孔轨迹信息作为模型输入数据，将N+1分钟的钻孔轨迹信息作为模型输出数据，输入到步骤S2.4增强处理后的每类聚类场景对应的多个初始钻孔轨迹模型中，通过相对误差(Re)、均方根误差(RMSE)和平均绝对误差(MAE)评价不同初始钻孔轨迹模型的预测结果，对三个指标进行平均加权，选择平均加权数值最小的模型作为该类聚类场景下的最优钻孔轨迹模型；Re、RMSE和MAE计算公式如下：
式中，参数yi表示该特征的实测值，表示该特征的预测值，n表示该特征的样本数；
S3、钻孔轨迹预警；
S3.1：实时获取MEMS传感器测量的最新钻孔轨迹信息数据；
S3.2：对测量的最新钻孔轨迹信息数据进行预处理；
S3.3：将预处理后的测量的最新钻孔轨迹信息数据输入到该类最优钻孔轨迹模型中，预测下一时刻钻孔的轨迹信息；
将最新钻孔轨迹信息数据预处理后，匹配最相似的历史数据，选择相似聚类结果对应的最优钻孔轨迹模型；
S3.4：将预测结果与测量的真实时刻的轨迹信息进行对比，当相对误差大于阈值时，进行报警，该阈值为钻杆长度的5％--8％；
S3.5：重复执行步骤S3.1—S3.4直到钻孔轨迹预警结束。
其中，所述步骤S2.1采用K-means算法对数据集进行聚类划分。
所述步骤S2.3中的算法池中包括循环神经网络、卷积神经网络、自注意力机制、深度强化学习网络等常用大数据挖掘模型。
附图说明
图1为本发明钻孔轨迹测量系统结构示意图；
图2为本发明通水通缆钻杆俯视结构示意图；
图3为本发明通水通缆钻杆侧视图；
图4为本发明相邻两节通水通缆钻杆连接结构示意图；
图5为本发明首节通水通缆钻杆结构示意图；
图6为本发明钻孔轨迹预警方法流程图。
具体实施方式
下面结合附图和实施例对本发明的结构及特征进行详细说明。需要说明的是，可以对此处公开的实施例做出各种修改，因此，说明书中公开的实施例不应该视为对本发明的限制，而仅是作为实施例的范例，其目的是使本发明的特征显而易见。
如图1所示，本发明公开的钻孔轨迹测量系统由若干节可拼接的通水通缆钻杆1、电机2、钻头3、微机电测量短节4、信号处理单元5和工控机6构成。微机电测量短节4安装在首节通水通缆钻杆101内，钻头3和首节通水通缆钻杆101固联，电机2位于地面，电机2的输出轴通过联轴器与通水通缆钻杆1相连，驱动通水通缆钻杆1旋转，进而推进钻头3钻孔。信号处理单元5位于地面，微机电测量短节4的数据线通过拼接的通水通缆钻杆1与信号处理单元5相连，信号处理单元5，通过无线传输的方式将数据传输给工控机6。
在探测钻进时，电机2驱动通水通缆钻杆1高速旋转，通水通缆钻杆1带动钻头3高速旋转(钻头3相对钻杆静止)对已筑好的桩体进行钻孔。在通水通缆钻杆带动钻头在桩体内钻孔的同时，安装在首节钻杆内的微机电测量短节4实时感测通水通缆钻杆即钻孔的轨迹信息如钻杆的偏航角、俯仰角、翻滚角、旋转速度和深度，并将测量数据通过埋设在通水通缆钻杆1内的电缆传输给位于地面的信号处理单元5，信号处理单元5对数据进行处理后，通过无线传输的方式传输给工控机6，工控机6根据微机电测量短节4实时测量的数据，描绘钻孔轨迹，并通过已建立的数据模型预测钻孔轨迹。当发现钻孔轨迹偏离设计时，及时报警、修正/纠正桩体。
为减小在桩体上钻孔的阻力，以及散热的需要，在钻杆带动钻头高速旋转钻孔的同时，需要往钻孔内通入高压水，不断地进行高压冲洗。本发明需要在钻孔的同时，通过微机电测量短节实时测量钻杆的倾角、位置等信息，并将测量结果通过电缆传输给信号处理单元，再将数据传输给工控机。如果用于传输数据的电缆长时间浸泡在高压水流、泥浆中，不仅影响数据传输的稳定性、可靠性，而且，还加速电缆的损坏；另外，在实际工程中环境恶劣，传输数据的电缆经常发生缠绕、因拉拽而断裂等现象，故，本发明对钻杆结构进行了改进，使其不仅具有钻杆的功能，同时，还具有通水、通电缆的双重功能，且，通水、通电互不干扰、互不影响。如图2、图3所示，本发明通水通缆钻杆1为实心的钢管(如实心的ZT590钢管)，在钻杆本体上开有两个纵向通孔，一个为通水孔103，一个为通缆孔104，通水孔103内穿设有通水管105，该通水管105与外部高压水源相连，通缆孔104内穿设有用于传输数据的绝缘导线106。
为满足高压水流速的要求，其通水孔103的直径为：
d通水孔＝1.05d通水管
d通水管≤3d1
式中，d通水孔为通水孔直径，单位m；d通水管为通水管直径，单位m；Q为高压水流量，单位m3/h；vmax为高压水最大流速，单位m/s；vmin为高压水最小流速，单位m/s；d1为通水通缆钻杆直径，单位m。
通缆孔104内穿设有绝缘导线106，绝缘导线106外部包裹防水夹层，充分保障信号不受高压水渗漏影响。通缆孔的直径应满足如下要求：
d通缆＝1.05×(d绝缘导线+t防水夹层)
式中，d通缆为通缆孔的直径，单位m；d绝缘导线为绝缘导线直径，单位m；t防水夹层为防水夹层厚度，单位m。
为保证钻杆足够的强度以适应钻杆回转钻进、滑动定向钻进和复合钻进等工艺技术的强度需要，通水通缆钻杆的直径应大于80mm，且钻杆通水孔和通缆孔之间的最小间距应满足如下要求：
式中，d2为通水孔和通缆孔最小间距，单位m；F为钻杆在旋转过程中所承受的最大力，单位N；σ为钻杆所用钢材的极限抗拉强度，单位MPa。
本发明通过在钻杆内设置通水孔和通缆孔，实现高压介质和信号传输的独立传输，在不影响高压介质通过的同时，满足信号实时、准确的传输至信号处理单元。另外，在直径有限的钻杆内布置通水孔、通缆孔难度很大，既要满足钻杆自身的刚度要求，又要满足高压介质和导线布置的最小直径需要，因此通过上述公式限制通水孔、通缆孔的孔径大小非常重要。
为实现百米级桩体轨迹的探测，本发明包括若干节长度为6-8m的通水通缆钻杆1。图4为相邻通水通缆钻杆的连接方式，通水通缆钻杆的两端车有外螺纹，相邻两节钻杆之间通过锁紧螺母107实现快速连接。当然，还可以通过在钻杆的两端分别焊接公接头、母接头的方式实现相邻两节钻杆之间的快速连接。
为减小钻杆之间的共振，本发明在相邻两节钻杆之间设置有减震材料108。
在本发明较佳实施例中，穿设在钻杆通水孔内的通水管为PE管，通水管接口处采用PET热缩管连接。
图5为本发明首节通水通缆钻杆结构示意图。如图所示，在首节通水通缆钻杆101的前端，钻头3通过焊接的方式与通水通缆钻杆固连。在首节通水通缆钻杆101的侧壁上车有一空腔，微机电测量短节4通过螺栓111固定在该空腔内。微电机测量短节4为一密闭的圆柱形金属壳体，在金属壳体内固定有一安装板，在安装板上焊接有MEMS传感器，固定有供电电源110。在本发明较佳实施例中，MEMS传感器包括三轴加速度传感器、三轴陀螺仪和三轴转速传感器，实现测量钻杆的位置信息、钻杆的姿态信息以及钻杆的旋转速度，姿态信息包括钻杆的偏航角、俯仰角、翻滚角。MEMS传感器的数据输出端与穿设在钻杆通缆孔内的绝缘导线106相连，通过绝缘导线106将测量的数据传输给固定地面的信号处理单元5。
为防止钻杆高速旋转产生的振动影响微机电测量短节的测量精度，在密闭的圆柱形金属壳体外包裹有减震材料(如高抗冲聚丙烯)108。为防止高压水渗入，在密闭的金属壳体外包括有一层防水材料(如JS防水乳胶)109。本发明选用的JS防水乳胶具有良好的温度适应性，且具有一定的延展性，能起到防水、防渗和缓冲保护作用。
安装在地面的信号处理单元5包括整形滤波电路、微处理器、无线发射模块，MEMS传感器测量的数据经电缆传输至信号处理单元后，经整形滤波电缆处理后，传输给微处理器，微处理器对数据进行分类、存储后，通过无线发射模块传输给工控机6。工控机接收信号处理单元发送的数据后，根据钻杆的姿态信息、位置信息进行数据处理、分析、建模，绘制钻孔轨迹，再通过已建立的钻孔轨迹模型，绘制出下一时段钻孔的轨迹。如果下一时段钻孔轨迹不符合设计要求，则立即报警，通过施工人员进行纠正。
图6为本发明利用上述钻孔轨迹测量装置进行钻孔轨迹预警的方法流程图，如图所示，具体方法为：
S1、构建钻孔轨迹历史测量信息数据集。
S1.1：获取不同地层钻孔时，构成MEMS传感器的三轴加速度传感器、三轴陀螺仪和三轴转速传感器测量的钻孔轨迹历史信息数据；
S1.2：由于不同传感器采集的数据特征不一致，因此参照共同的时间索引，合并不同传感器获得的数据，形成统一格式的原始CSV文件；
S1.3：删除原始CSV文件中的重复特征，并通过箱线图法删除异常数据，采用I型切比雪夫滤波器对数据进行滤波降噪，去掉由于复杂环境产生的噪声信息，形成用于钻孔轨迹建模的数据集；
该数据集里包含不同地层条件下的索引、日期、时间、偏航角、俯仰角、翻滚角、钻杆深度、钻杆转速8项关键信息。
S2、构建最优钻孔轨迹模型。
S2.1：将步骤S1构建的数据集中相同地层的钻孔轨迹信息数据聚类为一类，形成新的数据集。
为减弱不同地层数据差异对建模的影响，对数据集重新聚类划分，将相同地层的钻孔轨迹信息数据聚类为一类。聚类划分采用对大数据集有较好鲁棒性的K-means算法，它是一种简单且易于实现的聚类算法，计算速度快，适用于大规模数据集，对于处理大量数据和高维数据集具有良好的可扩展性，适用于各种应用场景。
S2.2：将步骤S2.1形成的新的数据集整理成时间序列，且将前N分钟的钻孔轨迹信息作为模型输入数据，将N+1分钟的钻孔轨迹信息作为模型输出数据。
时间序列(或称动态数列)是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。例如，将每类钻孔轨迹信息(即每层钻孔轨迹信息)数据先按照时间顺序排列，然后，将前5min的轨迹信息作为模型输入数据，将第6min的轨迹信息作为模型输出数据。
S2.3：构建深度学习算法池，将每类钻孔轨迹信息数据遍历算法池中每种算法模型，并进行深度学习，获得每类聚类场景对应的多个初始钻孔轨迹模型。
算法池中可包括循环神经网络、卷积神经网络、自注意力机制、深度强化学习网络等常用大数据挖掘模型。
钻孔轨迹模型是从已有的历史的钻孔轨迹数据特征随时间变化而变化的规律中得出的一种用于预测钻孔未来轨迹数据特征的模型。
S2.4：采用AdaBoost数据增强算法对步骤S2.3建立的每类聚类场景对应的多个初始钻孔轨迹模型进行增强。
AdaBoost算法是一种集成学习方法，能够通过组合多个弱分类器来构建一个强分类器。它通过迭代的方式不断调整数据样本的权重，使得模型能够对错误分类的样本进行更好的学习，从而提高整体的结果预测的准确性。
本发明以循环神经网络为例，循环神经网络一般由多个全连接层叠加构成，其优势是每次更新都能考虑历史输入对输出的影响，且更新速度较快，其缺点是面对具有复杂钻机-岩层作用关系时，存在对模型建立精度低、收敛困难的问题，故，采用AdaBoost数据增强算法对循环神经网络进行增强，从而提高循环神经网络的预测精度。
S2.5：寻找最优钻孔轨迹模型
将步骤S2.2重新整理好的每类钻孔轨迹信息数据中前N分钟的钻孔轨迹信息作为模型输入数据，将N+1分钟的钻孔轨迹信息作为模型输出数据，输入到步骤S2.4增强处理后的每类聚类场景对应的多个初始钻孔轨迹模型中，通过相对误差(Re)、均方根误差(RMSE)和平均绝对误差(MAE)评价不同初始钻孔轨迹模型的预测结果，对三个指标进行平均加权，选择平均加权数值最小的模型作为该类聚类场景下的最优钻孔轨迹模型，对未来n时刻的轨迹信息进行预测。Re、RMSE和MAE计算公式如下：
式中，参数yi表示该特征的实测值，表示该特征的预测值，n表示该特征的样本数。
S3、钻孔轨迹预警。
S3.1：实时获取MEMS传感器测量的最新钻孔轨迹信息数据；
S3.2：对测量的最新钻孔轨迹信息数据按照步骤S1.2、S1.3、S2.1、S2.2进行预处理；
S3.3：将预处理后的测量的最新钻孔轨迹信息数据输入到该类最优钻孔轨迹模型中，预测下一时刻钻孔的轨迹信息。
将最新钻孔轨迹信息数据预处理后，匹配最相似的历史数据，选择相似聚类结果对应的最优钻孔轨迹模型。
S3.4：将预测结果与测量的真实时刻的轨迹信息进行对比，当相对误差大于阈值时，进行报警。该阈值为钻杆长度的5％--8％。
在本发明较佳实施例中，所述阈值为钻杆长度的5％。
S3.5：重复执行步骤S3.1—S3.4直到钻孔轨迹预警结束。
伴随着钻孔向前钻进，数据序列不断滚动，从而实现新钻孔轨迹的实时连续预警。
本发明利用微机电系统测量短节实现钻孔轨迹获取，通过通水通缆钻杆实现高压冲洗介质和测斜信号的独立实时传输，通过信号接收解译端实现钻孔轨迹数据实时处理、分析、解译以及显示，感知钻孔轨迹，对钻孔轨迹发生偏斜位置进行预警。本发明可快速并准确捕捉到钻孔轨迹信息、三维位置信息，具有良好的预测精度，为及时发现、纠正桩身轨迹提供重要技术支撑，有助于攻破百米级桩体桩身姿态检测难题。
Claims (10)
1.一种钻孔轨迹测量系统，它由若干节可拼接的通水通缆钻杆、电机、钻头、微机电测量短节、信号处理单元和工控机构成；所述钻头和首节所述通水通缆钻杆固联，所述电机位于地面，电机的输出轴通过联轴器与最末一根所述通水通缆钻杆相连，驱动通水通缆钻杆旋转，进而推进所述钻头钻孔；所述信号处理单元位于地面，所述信号处理单元通过无线传输的方式将数据传输给所述工控机；其特征在于：
在首节所述通水通缆钻杆内固定有所述微机电测量短节，所述微机电测量短节包括一密闭的圆柱形金属壳体和固定在壳体内的MEMS传感器，所述MEMS传感器包括三轴加速度传感器、三轴陀螺仪和三轴转速传感器，实现对首节所述通水通缆钻杆的位置信息、钻杆的偏航角、俯仰角、翻滚角及钻杆的旋转速度的测量；
所述MEMS传感器的数据输出端通过穿设在所述通水通缆钻杆内的绝缘导线与所述信号处理单元相连，进行数据传输；
所述通水通缆钻杆为实心的钢管，其上开有两个纵向通孔，一个为通水孔，一个为通缆孔，所述通水孔内穿设有通水管，所述通缆孔内穿设有用于传输数据的绝缘导线；
所述通水孔的直径应满足：
d通水孔＝1.05d通水管
d通水管≤3d1
式中，d通水孔为通水孔直径，单位m；d通水管为通水管直径，单位m；Q为高压水流量，单位m3/h；vmax为高压水最大流速，单位m/s；vmin为高压水最小流速，单位m/s；d1为通水通缆钻杆直径，单位m；
在所述绝缘导线与通缆孔之间设有防水夹层，所述通缆孔的直径应满足如下要求：
d通缆＝1.05×(d绝缘导线+t防水夹层)
式中，d通缆为通缆孔的直径，单位m；d绝缘导线为绝缘导线直径，单位m；t防水夹层为防水夹层厚度，单位m。
2.根据权利要求1所述的钻孔轨迹测量系统，其特征在于：所述通水通缆钻杆的直径应大于80mm，所述通水孔和通缆孔之间的最小间距应满足如下要求：
式中，d2为通水孔和通缆孔最小间距，单位m；F为钻杆在旋转过程中所承受的最大力，单位N；σ为钻杆所用钢材的极限抗拉强度，单位MPa。
3.根据权利要求1所述的钻孔轨迹测量系统，其特征在于：所述每节通水通缆钻杆的长度为6-8m，相邻两节钻杆之间通过快接件相连。
4.根据权利要求3所述的钻孔轨迹测量系统，其特征在于：相邻两节所述通水通缆钻杆之间设置有减震材料。
5.根据权利要求1-4之一所述的钻孔轨迹测量系统，其特征在于：在首节所述通水通缆钻杆的侧壁上设有一空腔，所述微机电测量短节固定在该空腔内。
6.根据权利要求5所述的钻孔轨迹测量系统，其特征在于：在所述微机电测量短节的外面涂覆有一层防水材料，在所述防水材料的外面包裹有减震材料。
7.一种钻孔轨迹预警方法，它包括如下步骤：
S1、构建钻孔轨迹历史测量信息数据集；
获取不同地层钻孔时，构成MEMS传感器的三轴加速度传感器、三轴陀螺仪和三轴转速传感器测量的钻孔轨迹历史信息数据，对历史测量信息数据集进行预处理，形成用于钻孔轨迹建模的数据集；
该数据集里包含不同地层条件下的索引、日期、时间、偏航角、俯仰角、翻滚角、钻杆深度、钻杆转速信息；
S2、构建最优钻孔轨迹模型；
S2.1：将步骤S1构建的数据集中相同地层的钻孔轨迹信息数据聚类为一类，形成新的数据集；
S2.2：将步骤S2.1形成的新的数据集整理成时间序列，且将前N分钟的钻孔轨迹信息作为模型输入数据，将N+1分钟的钻孔轨迹信息作为模型输出数据；
S2.3：构建深度学习算法池，将每类钻孔轨迹信息数据遍历算法池中每种算法模型，并进行深度学习，获得每类聚类场景对应的多个初始钻孔轨迹模型；
S2.4：采用AdaBoost数据增强算法对步骤S2.3建立的每类聚类场景对应的多个初始钻孔轨迹模型进行增强；
S2.5：寻找最优钻孔轨迹模型；
将步骤S2.2重新整理好的每类钻孔轨迹信息数据中前N分钟的钻孔轨迹信息作为模型输入数据，将N+1分钟的钻孔轨迹信息作为模型输出数据，输入到步骤S2.4增强处理后的每类聚类场景对应的多个初始钻孔轨迹模型中，通过相对误差Re、均方根误差RMSE和平均绝对误差MAE评价不同初始钻孔轨迹模型的预测结果，对三个指标进行平均加权，选择平均加权数值最小的模型作为该类聚类场景下的最优钻孔轨迹模型；Re、RMSE和MAE计算公式如下：
式中，参数yi表示该特征的实测值，表示该特征的预测值，n表示该特征的样本数；
S3、钻孔轨迹预警；
S3.1：实时获取MEMS传感器测量的最新钻孔轨迹信息数据；
S3.2：对测量的最新钻孔轨迹信息数据进行预处理；
S3.3：将预处理后的测量的最新钻孔轨迹信息数据输入到该类最优钻孔轨迹模型中，预测下一时刻钻孔的轨迹信息；
将最新钻孔轨迹信息数据预处理后，匹配最相似的历史数据，选择相似聚类结果对应的最优钻孔轨迹模型；
S3.4：将预测结果与测量的真实时刻的轨迹信息进行对比，当相对误差大于阈值时，进行报警，该阈值为钻杆长度的5％--8％；
S3.5：重复执行步骤S3.1—S3.4直到钻孔轨迹预警结束。
8.根据权利要求7所述的钻孔轨迹预警方法，其特征在于：所述步骤S2.1采用K-means算法对数据集进行聚类划分。
9.根据权利要求7所述的钻孔轨迹预警方法，其特征在于：所述步骤S2.3中的算法池中包括循环神经网络、卷积神经网络、自注意力机制、深度强化学习网络等常用大数据挖掘模型。
10.根据权利要求7所述的钻孔轨迹预警方法，其特征在于：所述步骤S1构建钻孔轨迹历史测量信息数据集的方法为：
S1.1：获取不同地层钻孔时，构成MEMS传感器的三轴加速度传感器、三轴陀螺仪和三轴转速传感器测量的钻孔轨迹历史信息数据；
S1.2：由于不同传感器采集的数据特征不一致，因此参照共同的时间索引，合并不同传感器获得的数据，形成统一格式的原始CSV文件；
S1.3：删除原始CSV文件中的重复特征，并通过箱线图法删除异常数据，采用I型切比雪夫滤波器对数据进行滤波降噪，去掉由于复杂环境产生的噪声信息，形成用于钻孔轨迹建模的数据集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310991853.5A CN116804360A (zh) | 2023-08-08 | 2023-08-08 | 钻孔轨迹测量系统及预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310991853.5A CN116804360A (zh) | 2023-08-08 | 2023-08-08 | 钻孔轨迹测量系统及预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116804360A true CN116804360A (zh) | 2023-09-26 |
Family
ID=88080806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310991853.5A Pending CN116804360A (zh) | 2023-08-08 | 2023-08-08 | 钻孔轨迹测量系统及预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116804360A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117759222A (zh) * | 2024-02-22 | 2024-03-26 | 金钻石油机械股份有限公司 | 石油钻机自动送钻控制系统 |
-
2023
- 2023-08-08 CN CN202310991853.5A patent/CN116804360A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117759222A (zh) * | 2024-02-22 | 2024-03-26 | 金钻石油机械股份有限公司 | 石油钻机自动送钻控制系统 |
| CN117759222B (zh) * | 2024-02-22 | 2024-05-07 | 金钻石油机械股份有限公司 | 石油钻机自动送钻控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105974056B (zh) | 隧道突水灾害前兆信息监测模型试验系统及试验方法 | |
| CN116804360A (zh) | 钻孔轨迹测量系统及预警方法 | |
| CN105301193A (zh) | 海床侧向变形与滑动观测装置及方法 | |
| CN105283629A (zh) | 钻柱在定向钻井的滑动模式期间的优化的旋转 | |
| CN114547721B (zh) | 深埋隧道局部区域差异定向断裂控制爆破方法 | |
| CN111832223A (zh) | 基于神经网络的盾构施工地表沉降预测方法 | |
| CN102852511A (zh) | 一种石油钻机的智能钻进控制系统和方法 | |
| CN110852908A (zh) | 围岩分级方法 | |
| CN106351648A (zh) | 深水钻井管具随钻监测装置及方法 | |
| CN201884070U (zh) | 一种应用于隧道快速钻机的超前地质预报装置 | |
| CN103233453B (zh) | 一种原位土体勘察方法 | |
| CN106087936B (zh) | 一种电磁调频式孔底锤击薄壁低阻取土器 | |
| CN112502613B (zh) | 一种钻井方法及装置 | |
| CN102562079B (zh) | 盾构掘进中沿深度方向调向时俯仰弯矩的计算方法 | |
| CN106150476B (zh) | 一种预测钻柱的粘吸卡钻风险的系统 | |
| CN207081449U (zh) | 同时监测坡体含水量和位移量装置 | |
| CN105683493A (zh) | 用于确定井筒中的套管柱的取向的刮塞 | |
| CN114964469B (zh) | 一种非对称高应力隧道爆破振动测试方法及系统 | |
| CN115773127A (zh) | 一种泥水平衡盾构智能决策方法、系统、设备及介质 | |
| CN106988781A (zh) | 煤矿井下巷道精准对穿排水孔施工方法 | |
| CN104636576A (zh) | 基于加权平均法的地铁施工风险快速评估方法 | |
| CN110984858B (zh) | 一种用于钻径向水平井的井下钻具和钻井设备 | |
| CN115434696B (zh) | 一种岩性识别数据库构建方法及岩性识别方法 | |
| NO20211410A1 (en) | Intelligent rig state detection and uncertainty analysis on real-time drilling parameters | |
| KR102574391B1 (ko) | 천공장비의 최적 세팅조건 산정 시스템 및 방법 |
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 |