CN117090554A - 钻机负载自适应液压控制系统及方法 - Google Patents

钻机负载自适应液压控制系统及方法 Download PDF

Info

Publication number
CN117090554A
CN117090554A CN202311180431.6A CN202311180431A CN117090554A CN 117090554 A CN117090554 A CN 117090554A CN 202311180431 A CN202311180431 A CN 202311180431A CN 117090554 A CN117090554 A CN 117090554A
Authority
CN
China
Prior art keywords
drill bit
hydraulic
vibration information
machine learning
learning model
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.)
Granted
Application number
CN202311180431.6A
Other languages
English (en)
Other versions
CN117090554B (zh
Inventor
朱蓉洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Wuxi Mineral Exploration Machinery General Factory Co Ltd
Original Assignee
Jiangsu Wuxi Mineral Exploration Machinery General Factory Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Wuxi Mineral Exploration Machinery General Factory Co Ltd filed Critical Jiangsu Wuxi Mineral Exploration Machinery General Factory Co Ltd
Priority to CN202311180431.6A priority Critical patent/CN117090554B/zh
Publication of CN117090554A publication Critical patent/CN117090554A/zh
Application granted granted Critical
Publication of CN117090554B publication Critical patent/CN117090554B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
    • F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
    • F15B21/00—Common features of fluid actuator systems; Fluid-pressure actuator systems or details thereof, not covered by any other group of this subclass
    • F15B21/001—Servomotor systems with fluidic control
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
    • F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
    • F15B19/00—Testing; Calibrating; Fault detection or monitoring; Simulation or modelling of fluid-pressure systems or apparatus not otherwise provided for
    • 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
    • E21B2200/22—Fuzzy logic, artificial intelligence, neural networks or the like

Landscapes

  • Engineering & Computer Science (AREA)
  • Fluid Mechanics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Mining & Mineral Resources (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Earth Drilling (AREA)

Abstract

本发明属于钻机自动化技术领域，本发明公开了钻机负载自适应液压控制系统及方法；在实验阶段，收集n组正常钻头振动信息以及液压值，收集n组异常钻头振动信息；钻头种类标记为i，使用第i种钻头振动信息以及液压值，训练机器学习模型；设定钻头种类，选择对应的机器学习模型；将采集的钻头振动信息输入机器学习模型以输出判别结果：判别结果正常时，将振动信息输入机器学习模型，以输出液压值；当判别结果为异常时，生成停机指令；将实时的液压值与机器学习模型输出液压值比对，判定生成指令；根据指令，将液压值调整至容忍范围内；保证钻机高效安全稳定的运行，避免异常发生。

Description

钻机负载自适应液压控制系统及方法
技术领域
本发明涉及钻机自动化技术领域，更具体地说，本发明涉及钻机负载自适应液压控制系统及方法。
背景技术
日常建筑生产中，钻机一直以来扮演着重要的角色，小到乡村打水的机井，大到大桥的地基铺设，都离不开钻机的工作；
但传统钻机打孔的过程中，随着地层的深入，对地层软硬度的判断就会变的十分困难，钻机在打孔时需要多名操作熟练的工作人员，协调配合，才能使钻机正常工作；且对钻机的调控完全只能凭借工作人员经验；然而这种方式不仅耗费了大量的人力物力，还不能改变钻机的液压大小从而适应地层的软硬度，也不能在钻机出现异常之前避免异常事故的发生，异常事故如，导致钻机不能及时的根据不同地层来调整自身功率，使得能源的浪费，钻头可能也会因为人工的滞后性导致过大的损毁甚至崩坏；在挖入异常的地层时，无法提前预知导致地层塌陷钻头被埋，因此导致工程延误，以及人力物力的浪费；
现有授权公告号为CN210948913U的专利公开了一种潜孔钻机功率自适应控制系统，属于潜孔钻机领域，包括：动力元件，动力元件与潜孔钻机的发动机连接，发动机为动力元件提供动力；执行元件，执行元件与动力元件相连；压力检测元件，压力检测元件连接于动力元件与执行元件之间；控制元件，控制元件与压力检测元件连接，控制元件包括：第一控制器，第一控制器内设有负载接收模块，第一控制器接收压力检测元件的压力信号；第二控制器，第二控制器内至少设有两个运行特性存储模块，负载接收模块与运行特性存储模块对应连接，使得控制元件根据负载选择发动机功率。能够实现潜孔钻机的发动机负载变化自适应变化，这样能够使得发动机有效利用，降低发动机的能耗，降低钻孔成本。
仍未解决钻机在工作钻入过程中出现地层空腔或无法钻透等异常问题，也不能在地层较为复杂的区域快速调整钻机功率，在钻探过程中可能会出现误判等状况；
鉴于此，本发明提出钻机负载自适应液压控制系统及方法以解决上述问题。
发明内容
为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：钻机负载自适应液压控制方法，包括：
在实验阶段，分别收集n组正常的钻头振动信息以及与其对应的液压值，收集n组钻机异常的钻头振动信息；
将钻头的种类标记为i种，使用第i种钻头的钻头振动信息以及与钻头振动信息对应的液压值，一一对应训练i个第一机器学习模型与第二机器学习模型；
在钻机启动时，接收设定的钻头种类；
基于设定的钻头种类，选择对应训练完成的第一机器学习模型与第二机器学习模型；
将采集实时钻头振动信息输入选择后的第一机器学习模型以输出判别结果：
当判别结果为正常时，将钻头振动信息输入选择后的第二机器学习模型，以输出与钻头振动信息相对应的预测液压值；
当判别结果为异常时，生成停机指令，控制钻机停机；
将实时采集的液压值与第二机器学习模型输出的预测液压值比对分析，判定是否生成增大液压指令或减小液压指令；
根据减小液压指令，打开钻机中液压系统的液压阀，并关闭液压机，将液压值降低至容忍范围内；
根据增大液压指令，关闭钻机中液压系统的液压阀，并打开液压机，从而增大液压，将液压值增大至容忍范围内。
进一步地，在实验阶段，将钻机安装不同种类的钻头依次对不同地层进行钻探，收集到不同的钻头依次对不同地层钻探时所产生的钻头振动信息，并对钻头振动信息进行类型标注，标注包括正常或异常。
进一步地，钻头振动信息包括钻头振动频率与钻头振动幅度，钻头振动频率与钻头振动幅度均由安装于钻机钻轴上的振动传感器实时采集获取。
进一步地，第一机器学习模型的训练的方法包括：
将n组正常的钻头振动信息与异常的钻头振动信息作为第一机器学习模型的输入，所述第一机器学习模型以对每组钻头振动信息的预测标注为输出，以实际标注为预测目标，以最小化所有钻头振动信息的预测准确度之和作为训练目标：对第一机器学习模型进行训练，直至预测准确度之和达到收敛时，停止训练并将训练得到的第一机器学习模型作为钻头振动信息类型判别模型，第一机器学习模型为朴素贝叶斯模型或支持向量机模型的其中一种。
进一步地，预测准确度的计算公式为：
Zn＝(An-Wn)2；
其中，n为钻头振动信息的组号，Zn为预测准确度，An为第n组钻头振动信息对应的预测标注值，Wn为第n组钻头振动信息对应的实际标注值。
进一步地，第二机器学习模型的训练方法包括：
将标注为正常的钻头振动信息转换为对应的一组特征向量；将每组特征向量作为第二机器学习模型的输入，所述第二机器学习模型以每组钻头振动信息对应的一组液压值作为输出，以每组实际情况下的液压值作为预测目标，以最小化机器学习模型损失函数值作为训练目标；当第二机器学习模型损失函数值小于等于预设的目标损失值时停止训练。
进一步地，损失函数值MSE计算如下：
损失函数中MSE为第二机器学习模型损失函数值，x为特征向量组号；m为特征向量组数；yx为第x组特征向量所对应的预测液压值，为第x组特征向量实际所对应的液压值。
进一步地，生成增大液压指令或减小液压指令的条件为：将实时检测的液压值与容忍范围进行比对；若液压值在容忍范围内时，则不生成增大液压指令或减小液压指令；若液压值大于容忍范围最大值时，则生成减小液压指令；若液压值小于容忍范围最小值时，则生成增大液压指令。
进一步地，将液压值增大至容忍范围内的方法包括：
关闭钻机中液压系统的液压阀，并打开液压机，从而增大液压，将液压值增大至容忍范围内；
将液压值降低至容忍范围内的方法包括：
打开钻机中液压系统的液压阀，并关闭液压机，从而降低液压，将液压值减小至容忍范围内。
钻机负载自适应液压控制系统，包括：
历史数据采集模块，在实验阶段，分别收集n组钻机正常的钻头振动信息以及液压值，收集n组钻机异常的钻头振动信息；
模型训练模块，将钻头的种类标记为i种，使用第i种钻头的钻头振动信息以及液压值，一一对应训练i个第一机器学习模型与第二机器学习模型；
钻头种类选择模块，在钻机启动时，接收设定的钻头种类；
模型选择模块，基于设定的钻头种类，选择对应训练完成的第一机器学习模型与第二机器学习模型；
第一数据分析模块，将采集实时钻头振动信息输入选择后的第一机器学习模型以输出判别结果：
当判别结果为正常时，将钻头振动信息输入选择后的第二机器学习模型，以输出预测液压值；
当判别结果为异常时，生成停机指令，控制钻机停机；
第二数据分析模块，将实时采集的液压值与预测液压值比对分析，判定是否生成增大液压指令或减小液压指令；
液压调控模块，根据减小液压指令，将液压值降低至容忍范围内；根据增大液压指令，将液压值增大至容忍范围内。
本发明钻机负载自适应液压控制系统及方法的技术效果和优点：
1.在实验条件下收集多组钻机在不同岩层正常工作时的钻头振动信息以及液压机中对应的液压值，同时收集钻头工作异常时的钻头振动信息，以此作为输入，训练第一机器学习模型；钻机在工作时实时对钻头振动信息进行采集，并通过第一机器学习模型分析是否出现异常，当出现异常时，通过数据分析，及时停机并告知工作人员，及时预知钻机钻入地层可能出现的异常，及时停机并提醒工作人员更换钻头或加固钻孔防止坍塌导致钻头被埋；当没有异常发生时，通过第二机器学习模型，实时预测需要的液压值，从而使不同种类钻机可以在变化的地层中，保持工作效率，同时也可以节省人力投入以及能源的耗费，不需要人工干预即可自我调节功率以适应不同的地层；对钻入的各种地层有足够的自适应性，节省传统钻机所需要的人力和物力，保证钻机高效安全稳定的运行。
附图说明
图1为本发明的系统示意图；
图2为本发明的方法示意图；
图3为本发明的电子设备示意图；
图4为本发明的存储介质示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，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做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。
实施例1
请参阅图1所示，本实施例提供一种钻机负载自适应液压控制系统，系统包括历史数据采集模块、第一机器学习模型、第二机器学习模型、钻头种类选择模块、模型选择模块、模型训练模块、第一数据分析模块、第二数据分析模块与液压调控模块，上述各个模块通过有线和/或无线连接，实现数据间的相互传输；
历史数据采集模块用于在实验阶段，分别收集n组正常的钻头振动信息以及与其对应的液压值，收集n组钻机异常的钻头振动信息，n为大1的整数；不同地层包括岩石地层、土壤地层、水文地层与空洞地层；
岩石地层应选用锥形、球状钻头或切削牙钻头，且需要更大的液压值，以提供足够的冲击力和转速来破碎岩石；土壤地层应选用带有耐磨牙的钻头，来防止钻头被土壤堵塞，相比岩石地层，液压值可以适度减小，以避免过度破坏土壤地层结构；水文地层如地下储存水的地层，
在遇到空洞地层时，需要立即停止钻探，待将地层中水排出与对地下空洞进行加固后再继续钻探，否则可能会出现地层塌陷的情况，将钻头卡住造成严重损坏的情况发生。
钻头振动信息包括钻头振动频率与钻头振动幅度，钻头处于工作状态时，会与地层发生碰撞与摩擦，随着地层的硬度与密度的变化，钻头会因为切削力的变化，产生的振动，振动幅度与振动频率也不同，可以通过此物理量反映出地层的变化；钻头振动频率与钻头振动幅度均由安装于钻机钻轴上的振动传感器实时采集获取；
钻头振动信息对应的钻机是否是正常或异常，是在实验环境下由经验丰富的工作人员对钻头振动信息进行标注，钻头振动信息收集过程包括：
将钻机安装不同种类的钻头依次对不同地层进行钻探，收集到不同的钻头依次对不同地层钻探时所产生的钻头振动信息；工作人员对钻头振动信息进行分类标注，标注包括正常或异常；
在钻机正常状态下还需收集与每组钻头振动信息对应的液压值，液压值是由工作人员根据每组钻头振动信息设置一个最优的液压值，即钻探速度较快，钻头磨损适中；
钻机异常状态的情形有：
出现地层垮塌或钻头堵塞的情况，即当前使用的钻头种类与所处地层不符合，如使用锥形、球状钻头或切削牙钻头钻探土壤地层时，导致钻头被土壤堵塞，此时振动信息表征一般会降低；当使用钻头与岩石地层不符合时，会导致钻头无法钻透，此时振动信息表征一般会升高；
当钻头钻到空洞地层时，未对空洞地层进行加固后再继续钻探，导致地层塌陷的情况，将钻头卡住造成严重的损坏；上述钻头钻到空洞地层时，此时振动信息表征一般大幅降低，异常的情形在此不一一介绍，由工作人员根据钻机出现故障时，对相应的振动信息进行标注；
钻机动力是由钻机中的液压系统提供的，液压系统通过液压机将液压油加压推入液压轴后推动液压轴转动或行进，进而提供动力；其中液压系统中液压大小直观体现液压系统功率的大小，液压系统功率大小与液压大小正相关；因此液压系统功率用液压值表征；液压值由安装于液压轴内部的压力表实时获取；
模型训练模块，将钻头的种类标记为i种，使用第i种钻头的钻头振动信息以及与钻头振动信息对应的液压值，一一对应训练i个第一机器学习模型与第二机器学习模型；
钻头种类选择模块，用于在钻机启动时，接收设定的钻头种类，钻头种类由工作人员根据钻机当前使用的钻头设定；
模型选择模块，基于设定的钻头种类，选择对应训练完成的第一机器学习模型与第二机器学习模型；
第一机器学习模型的训练的方法包括：
将每组钻头振动信息根据收集数据时的钻头振动信息的实际标注，示例性的，钻头振动信息类别为正常时，实际标注为1，钻头振动信息类别为异常时，实际标注为0；将每组钻头振动信息作为第一机器学习模型的输入，所述第一机器学习模型以对每组钻头振动信息的预测标注为输出，以实际标注为预测目标，以最小化所有钻头振动信息的预测准确度之和作为训练目标：其中，预测准确度的计算公式为：
Zn＝(An-Wn)2；
其中，n为钻头振动信息的组号，Zn为预测准确度，An为第n组钻头振动信息对应的预测标注值，Wn为第n组钻头振动信息对应的实际标注：对第一机器学习模型进行训练，直至预测准确度之和达到收敛时，停止训练并将训练得到的第一机器学习模型作为钻头振动类型判别模型，第一机器学习模型为朴素贝叶斯模型或支持向量机模型的其中一种；
第一数据分析模块，将采集实时钻头振动信息输入选择后的第一机器学习模型，第一机器学习模型输出判别结果：
当判别结果为正常时，即钻头振动信息为正常状态时，将钻头振动信息输入第二机器学习模型，以输出与钻头振动信息的液压值；
当判别结果为异常时，即钻头振动信息为异常状态时，生成停机指令，根据停机指令控制钻机停机，将停机指令发送至通知端，通知端如钻机上安装的显示屏或工作人员手机等等，将钻机工作异常告知工作人员方便后续处理；控制钻机停机即关闭钻机动力设备，如内燃机或液压机；
第二机器学习模型的训练方法包括：
将标注为正常的钻头振动信息转换为对应的一组特征向量；将每组特征向量作为第二机器学习模型的输入，所述第二机器学习模型以每组钻头振动信息对应的一组液压值作为输出，以每组实际情况下的液压值作为预测目标，以最小化机器学习模型损失函数值作为训练目标；当第二机器学习模型损失函数值小于等于预设的目标损失值时停止训练。
第二机器学习模型损失函数值为均方误差；
均方误差是常用的损失函数之一，通过将损失函数公式 最小化为目标来训练模型，使得第二机器学习模型更好地拟合数据，从而提高模型的性能和准确率；
损失函数中MSE为机器学习模型损失函数值，x为特征向量组号；m为特征向量组数；yx为第x组特征向量所对应的预测液压值，为第x组特征向量实际所对应的液压值；
所述第二机器学习模型的其他模型参数，目标损失值、优化算法、训练集测试集验证集比例以及损失函数的优化等均通过实际的工程实现，不断地进行实验调优后获得；
第二数据分析模块，将实时采集的液压值与第二机器学习模型输出的预测液压值比对分析，判定是否生成增大液压指令或减小液压指令；将增大液压指令或减小液压指令发送至液压调控模块；
生成增大液压指令或减小液压指令的条件为：
将实时检测的液压值与容忍范围进行比对；
容忍范围为钻机使用前由操作人员设置的允许液压出现的差值，该容忍范围的设置旨在，第二数据分析模块对实时检测的液压与预测液压对比时，有足够的缓冲范围，防止出现命令误报的情况；
若液压值在容忍范围内时，则不生成增大液压指令或减小液压指令；
若液压值大于容忍范围最大值时，则生成减小液压指令；
若液压值小于容忍范围最小值时，则生成增大液压指令；
液压调控模块，根据减小液压指令，打开钻机中液压系统的液压阀，并关闭液压机，从而降低液压，液压检测模块将实时测得的液压数据输入至第二数据分析模块，直至液压到达容忍范围内；
根据增大液压指令，关闭钻机中液压系统的液压阀，并打开液压机，从而增大液压，液压检测模块将实时测得的液压数据输入至数据分析模块，直至液压到达容忍范围内；
本实施例在实验条件下收集多组钻机在不同岩层正常工作时的钻头振动信息以及液压机中对应的液压值，同时收集钻头工作异常时的钻头振动信息，以此作为输入，训练第一机器学习模型；钻机在工作时实时对钻头振动信息进行采集，并通过第一机器学习模型分析是否出现异常，当出现异常时，通过数据分析，及时停机并告知工作人员，及时预知钻机钻入地层可能出现的异常，及时停机并提醒工作人员更换钻头或加固钻孔防止坍塌导致钻头被埋；当没有异常发生时，通过第二机器学习模型，实时预测需要的液压值，从而使不同种类钻机可以在变化的地层中，保持工作效率；选择对应钻头种类的机器学习模型可以更准确的判别钻头振动信息的种类，预测所需要的液压；同时也可以节省人力投入以及能源的耗费，不需要人工干预即可自我调节功率以适应不同的地层；对钻入的各种地层有足够的自适应性，节省传统钻机所需要的人力和物力，保证钻机高效安全稳定的运行。
实施例2
请参阅图2所示，本实施例未详细叙述部分见实施例1描述内容，提供钻机负载自适应液压控制方法，包括：
在实验阶段，分别收集n组正常的钻头振动信息以及与其对应的液压值，收集n组钻机异常的钻头振动信息；
将钻头的种类标记为i种，使用第i种钻头的钻头振动信息以及与钻头振动信息对应的液压值，一一对应训练i个第一机器学习模型与第二机器学习模型；
在钻机启动时，接收设定的钻头种类；
基于设定的钻头种类，选择对应训练完成的第一机器学习模型与第二机器学习模型；
将采集的实时钻头振动信息输入选择后的第一机器学习模型以输出判别结果：
当判别结果为正常时，将钻头振动信息输入选择后的第二机器学习模型，输出与钻头振动信息相对应的预测液压值；
当判别结果为异常时，生成停机指令，控制钻机停机；
将实时采集的液压值与第二机器学习模型输出的预测液压值比对分析，判定是否生成增大液压指令或减小液压指令；
根据减小液压指令，打开钻机中液压系统的液压阀，并关闭液压机，将液压值降低至容忍范围内；
根据增大液压指令，关闭钻机中液压系统的液压阀，并打开液压机，从而增大液压，将液压值增大至容忍范围内。
实施例3
请参阅图3所示，根据本申请的又一方面还提供了电子设备500。该电子设备500可包括一个或多个处理器以及一个或多个存储器。其中，存储器中存储有计算机可读代码，计算机可读代码当由一个或多个处理器运行时，可以执行如上所述的钻机负载自适应液压控制方法。
根据本申请实施方式的方法或系统也可以借助于图3所示的电子设备的架构来实现。如图3所示，电子设备500可包括总线501、一个或多个CPU502、只读存储器(ROM)503、随机存取存储器(RAM)504、连接到网络的通信端口505、输入/输出506、硬盘507等。电子设备500中的存储设备，例如ROM503或硬盘507可存储本申请提供的钻机负载自适应液压控制方法。进一步地，电子设备500还可包括用户界面508。当然，图3所示的架构只是示例性的，在实现不同的设备时，根据实际需要，可以省略图3示出的电子设备中的一个或多个组件。
实施例4
请参阅图4所示，是根据本申请一个实施方式的计算机可读存储介质600。计算机可读存储介质600上存储有计算机可读指令。当计算机可读指令由处理器运行时，可执行参照以上附图描述的根据本申请实施方式的钻机负载自适应液压控制方法。存储介质600包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器例如可包括随机存取存储器(RAM)和高速缓冲存储器(cache)等。非易失性存储器例如可包括只读存储器(ROM)、硬盘、闪存等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.钻机负载自适应液压控制方法，其特征在于，包括：
分别收集n组钻机正常的钻头振动信息以及液压值，收集n组钻机异常的钻头振动信息；
将钻头的种类标记为i种，使用第i种钻头的钻头振动信息以及液压值，一一对应训练i个第一机器学习模型与第二机器学习模型；
在钻机启动时，接收设定的钻头种类；
基于设定的钻头种类，选择对应训练完成的第一机器学习模型与第二机器学习模型；
将采集的实时钻头振动信息输入选择后的第一机器学习模型以输出判别结果：
当判别结果为正常时，将钻头振动信息输入选择后的第二机器学习模型，以输出预测液压值；
当判别结果为异常时，生成停机指令，控制钻机停机；
将实时采集的液压值与预测液压值比对分析，判定是否生成增大液压指令或减小液压指令；
根据减小液压指令，将液压值降低至容忍范围内；根据增大液压指令，将液压值增大至容忍范围内。
2.根据权利要求1所述钻机负载自适应液压控制方法，其特征在于，将钻机安装不同种类的钻头依次对不同地层进行钻探，收集到不同的钻头依次对不同地层钻探时所产生的钻头振动信息，并对钻头振动信息进行类型标注，标注包括正常或异常。
3.根据权利要求2所述钻机负载自适应液压控制方法，其特征在于，钻头振动信息包括钻头振动频率与钻头振动幅度，钻头振动频率与钻头振动幅度均由安装于钻机钻轴上的振动传感器实时采集获取。
4.根据权利要求3所述钻机负载自适应液压控制方法，其特征在于，第一机器学习模型的训练的方法包括：
将n组正常的钻头振动信息与异常的钻头振动信息作为第一机器学习模型的输入；所述第一机器学习模型以对每组钻头振动信息的预测标注为输出，以实际标注为预测目标，以最小化所有钻头振动信息的预测准确度之和作为训练目标：对第一机器学习模型进行训练，直至预测准确度之和达到收敛时，停止训练并将训练得到的第一机器学习模型作为钻头振动信息类型判别模型，第一机器学习模型为朴素贝叶斯模型或支持向量机模型的其中一种。
5.根据权利要求4所述钻机负载自适应液压控制方法，其特征在于，预测准确度的计算公式为：
Zn＝(An-Wn)2；
其中，n为钻头振动信息的组号，Zn为预测准确度，An为第n组钻头振动信息对应的预测标注值，Wn为第n组钻头振动信息对应的实际标注。
6.根据权利要求5所述钻机负载自适应液压控制方法，其特征在于，第二机器学习模型的训练方法包括：
将标注为正常的钻头振动信息转换为对应的一组特征向量；将每组特征向量作为第二机器学习模型的输入，所述第二机器学习模型以每组钻头振动信息对应的一组液压值作为输出，以每组实际情况下的液压值作为预测目标，以最小化机器学习模型损失函数值作为训练目标；当第二机器学习模型损失函数值小于等于预设的目标损失值时停止训练。
7.根据权利要求6所述钻机负载自适应液压控制方法，其特征在于，损失函数值MSE计算如下：
损失函数中MSE为第二机器学习模型损失函数值，x为特征向量组号；m为特征向量组数；yx为第x组特征向量所对应的预测液压值，为第x组特征向量实际所对应的液压值。
8.根据权利要求7所述钻机负载自适应液压控制方法，其特征在于，生成增大液压指令或减小液压指令的条件为：
将实时检测的液压值与容忍范围进行比对；
若液压值在容忍范围内时，则不生成增大液压指令或减小液压指令；
若液压值大于容忍范围最大值时，则生成减小液压指令；
若液压值小于容忍范围最小值时，则生成增大液压指令。
9.根据权利要求8所述钻机负载自适应液压控制方法，其特征在于，将液压值增大至容忍范围内的方法包括：
关闭钻机中液压系统的液压阀，并打开液压机，从而增大液压，将液压值增大至容忍范围内；
将液压值降低至容忍范围内的方法包括：
打开钻机中液压系统的液压阀，并关闭液压机，从而降低液压，将液压值降低至容忍范围内。
10.钻机负载自适应液压控制系统，其基于权利要求1-9任一项所述钻机负载自适应液压控制方法实现，其特征在于，包括：
历史数据采集模块，在实验阶段，分别收集n组钻机正常的钻头振动信息以及液压值，收集n组钻机异常的钻头振动信息；
模型训练模块，将钻头的种类标记为i种，使用第i种钻头的钻头振动信息以及液压值，一一对应训练i个第一机器学习模型与第二机器学习模型；
钻头种类选择模块，在钻机启动时，接收设定的钻头种类；
模型选择模块，基于设定的钻头种类，选择对应训练完成的第一机器学习模型与第二机器学习模型；
第一数据分析模块，将采集实时钻头振动信息输入选择后的第一机器学习模型以输出判别结果：
当判别结果为正常时，将钻头振动信息输入选择后的第二机器学习模型，以输出预测液压值；
当判别结果为异常时，生成停机指令，控制钻机停机；
第二数据分析模块，将实时采集的液压值与预测液压值比对分析，判定是否生成增大液压指令或减小液压指令；
液压调控模块，根据减小液压指令，将液压值降低至容忍范围内；根据增大液压指令，将液压值增大至容忍范围内。
CN202311180431.6A 2023-09-13 2023-09-13 钻机负载自适应液压控制系统及方法 Active CN117090554B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311180431.6A CN117090554B (zh) 2023-09-13 2023-09-13 钻机负载自适应液压控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311180431.6A CN117090554B (zh) 2023-09-13 2023-09-13 钻机负载自适应液压控制系统及方法

Publications (2)

Publication Number Publication Date
CN117090554A true CN117090554A (zh) 2023-11-21
CN117090554B CN117090554B (zh) 2024-02-23

Family

ID=88779058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311180431.6A Active CN117090554B (zh) 2023-09-13 2023-09-13 钻机负载自适应液压控制系统及方法

Country Status (1)

Country Link
CN (1) CN117090554B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19917538A1 (de) * 1999-04-19 2000-10-26 Flowtex Technologie Gmbh & Co Vorrichtung und Verfahren zum Horizontalbohren mit einer Vibrationseinrichtung
US20070289778A1 (en) * 2006-06-20 2007-12-20 Baker Hughes Incorporated Active vibration control for subterranean drilling operations
AU2014274572A1 (en) * 2008-11-21 2015-01-29 Exxonmobil Upstream Research Company Methods and systems for modeling, designing, and conducting drilling operations that consider vibrations
CN104514539A (zh) * 2013-09-25 2015-04-15 Aps技术公司 钻探系统及用于对地下钻探操作中的振动进行预测的方法
US20160115778A1 (en) * 2014-10-27 2016-04-28 Board Of Regents, The University Of Texas System Adaptive drilling vibration diagnostics
CN106545327A (zh) * 2016-12-09 2017-03-29 北京四利通控制技术股份有限公司 智能司钻钻机控制系统
CN111191502A (zh) * 2019-11-22 2020-05-22 中国地质大学（武汉） 基于钻柱振动信号的粘滑和跳钻异常工况识别方法
CN112392458A (zh) * 2020-08-05 2021-02-23 北京中煤矿山工程有限公司 反井钻机刀盘和钻杆振动监测方法及系统
CN112528784A (zh) * 2020-12-01 2021-03-19 中国地质大学（武汉） 一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法
US20220018240A1 (en) * 2020-07-14 2022-01-20 Landmark Graphics Corporation Predicting and reducing vibrations during downhole drilling operations
US20220121790A1 (en) * 2020-10-19 2022-04-21 Halliburton Energy Services, Inc. Mitigation of high frequency coupled vibrations in pdc bits using in-cone depth of cut controllers
US20220195862A1 (en) * 2020-12-22 2022-06-23 Halliburton Energy Services, Inc. Classification and control of detected drilling vibrations using machine learning
CN115788323A (zh) * 2022-12-26 2023-03-14 江苏徐工工程机械研究院有限公司 一种旋挖钻机及钻进控制方法
CN115875009A (zh) * 2023-02-06 2023-03-31 中建隧道装备制造有限公司 硬岩钻进用超前钻机控制方法
US20230131106A1 (en) * 2021-10-27 2023-04-27 Halliburton Energy Services, Inc. Design of service improvements using adaptive models derived from classified vibration mechanisms
US20230266500A1 (en) * 2020-07-31 2023-08-24 Hamed Soroush Geomechanics and wellbore stability modeling using drilling dynamics data

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19917538A1 (de) * 1999-04-19 2000-10-26 Flowtex Technologie Gmbh & Co Vorrichtung und Verfahren zum Horizontalbohren mit einer Vibrationseinrichtung
US20070289778A1 (en) * 2006-06-20 2007-12-20 Baker Hughes Incorporated Active vibration control for subterranean drilling operations
AU2014274572A1 (en) * 2008-11-21 2015-01-29 Exxonmobil Upstream Research Company Methods and systems for modeling, designing, and conducting drilling operations that consider vibrations
CN104514539A (zh) * 2013-09-25 2015-04-15 Aps技术公司 钻探系统及用于对地下钻探操作中的振动进行预测的方法
US20160115778A1 (en) * 2014-10-27 2016-04-28 Board Of Regents, The University Of Texas System Adaptive drilling vibration diagnostics
CN106545327A (zh) * 2016-12-09 2017-03-29 北京四利通控制技术股份有限公司 智能司钻钻机控制系统
CN111191502A (zh) * 2019-11-22 2020-05-22 中国地质大学（武汉） 基于钻柱振动信号的粘滑和跳钻异常工况识别方法
US20220018240A1 (en) * 2020-07-14 2022-01-20 Landmark Graphics Corporation Predicting and reducing vibrations during downhole drilling operations
US20230266500A1 (en) * 2020-07-31 2023-08-24 Hamed Soroush Geomechanics and wellbore stability modeling using drilling dynamics data
CN112392458A (zh) * 2020-08-05 2021-02-23 北京中煤矿山工程有限公司 反井钻机刀盘和钻杆振动监测方法及系统
US20220121790A1 (en) * 2020-10-19 2022-04-21 Halliburton Energy Services, Inc. Mitigation of high frequency coupled vibrations in pdc bits using in-cone depth of cut controllers
CN112528784A (zh) * 2020-12-01 2021-03-19 中国地质大学（武汉） 一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法
US20220195862A1 (en) * 2020-12-22 2022-06-23 Halliburton Energy Services, Inc. Classification and control of detected drilling vibrations using machine learning
US20230131106A1 (en) * 2021-10-27 2023-04-27 Halliburton Energy Services, Inc. Design of service improvements using adaptive models derived from classified vibration mechanisms
CN115788323A (zh) * 2022-12-26 2023-03-14 江苏徐工工程机械研究院有限公司 一种旋挖钻机及钻进控制方法
CN115875009A (zh) * 2023-02-06 2023-03-31 中建隧道装备制造有限公司 硬岩钻进用超前钻机控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈添: "钻具振动信号的采集及应用研究", 《CNKI硕士电子期刊》, no. 10 *

Also Published As

Publication number Publication date
CN117090554B (zh) 2024-02-23

Similar Documents

Publication Publication Date Title
KR102211421B1 (ko) 터널 굴진면의 전방 지질 상태 예측에 기반한 tbm 제어 파라미터 결정 방법 및 시스템
CN106121621A (zh) 一种智能钻井专家系统
CN111878055B (zh) 钻头钻速的控制系统以及控制方法
CN101285463A (zh) 一种有杆泵抽油机抽油控制方法及其系统
CN107292467A (zh) 一种钻井风险预测方法
CN101696627A (zh) 一种钻井过程事故监测方法
CN106640035A (zh) 一种钻井参数自动优化的vfd控制系统及方法
CN105089620A (zh) 卡钻的监测系统、方法及装置
CN116658492B (zh) 智能动力猫道及其方法
CN107524188A (zh) 挖掘机斗数计数方法及系统
CN105144568A (zh) 井下发电系统
US11939859B2 (en) Performance based condition monitoring
CN117090554B (zh) 钻机负载自适应液压控制系统及方法
CN102110317A (zh) 旋挖钻机施工存储系统
CN203223215U (zh) 高效钻机自动控制系统
CN116777085B (zh) 基于数据分析和机器学习技术的煤矿水害预测系统
US11474010B2 (en) System and method to determine fatigue life of drilling components
CN114429253A (zh) 一种钻井过程中智能提示邻井风险的方法及系统
CN117328850B (zh) 钻机控制方法、装置、终端及存储介质
CN117287179B (zh) 精密钻采设备的远程控制系统及方法
US20230349282A1 (en) Auto-crowd control in mobile drill rigs based on soil condition
KR102645580B1 (ko) 머신 러닝에 기반하는 풍력 발전기 상태 진단 방법 및 이를 지원하는 상태 진단 시스템
CN116975623B (zh) 钻爆法隧道施工阶段大变形等级预测方法、装置及介质
Feng et al. The control technology of Wellbore Trajectory Control Tool based on radio frequency identification device (RFID)
CN113294093B (zh) 一种旋转下套管的远程安全控制方法及系统

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