基于SVM算法的随钻测井系统风险评估研究
发布时间:2020-11-01 05:12
为了解决在石油、矿产资源勘探过程中对随时出现的钻井事故提前预知问题,设计了厚膜电路的数据采集系统,研究了基于SVM(支持向量机)的随钻测井系统风险评估方法。在油井的钻进过程中,孔内环境复杂多样,基于石油、矿产资源勘探钻井的事故案例及分析,选取7个测量参数(钻压、转速、扭矩、温度、井斜角度、流量、钻速)作为随钻测井系统安全性评价指标基础数据和对SVM模型进行训练的特征参数,传感器所测得的数据通过RS-485总线实时传输到基于MATLAB软件编写的上位机中,进而利用SVM算法模型对采集到的数据进行故障分析与诊断,根据软件诊断结论合理调节钻进设备的工艺参数。本文设计并完成了特征参数采集系统,为基于SVM的风险评估算法提供数据支撑。该系统由单片机、传感器、RS-485总线、厚膜电路等部分组成,其中以单片机为核心进行传感器数据采集,RS-485总线进行数据传输,硬件电路采用厚膜电路技术;SVM算法的随钻测井系统风险评估方法是把测量样本送到SVM算法模型中进行交叉验证训练,完成随钻测井系统的风险评估,钻机操作人员可根据风险评估结果来处理随钻测井工况中遇到的故障。本文建立了SVM算法模型,运用该模型对随钻测井数据样本进行风险评估,验证了该模型预测结果和实际勘探钻井故障结果相同,对实际随钻测井工况的故障处理有重要的指导意义。
【学位单位】:长安大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:TE151;P631.83
【部分图文】:
:要想把井下系统安装在勘探钻杆的内、集成度要高、电路结构要紧凑,并且,可将电源模块、单片机和其他局部系氧树脂胶进行填充密封,最后要把电源接来,以方便对其接口连接。片机的选择和设计芯片是一种增强型单片机,根据其性能特硬件搭建上。下面列出增强型单片机型速、流水线结构的 51 内核,其运行速度速片内调试接口,其在线系统调试接口可定时器;第四,拥有大灌电流和耐压值330 单片机的引脚图如图 3.3 所示。
QT18B20封装图
图 3.6 CSY—3B 型压力传感器传感器 CSF—3E CSF—3E 适用于石油钻井和煤矿钻井等恶劣环境。动态扭矩传感器对钻头扭矩值的实时监测,会生,从而提高随钻测井效率。为 50KN,供电电压 15—24VDC;输出信号为 4—2°~+85°;抗过载能力为 150%;防护等级为 IP65。 所示。图 3.7 CSF-KE1 动态扭矩传感器
【参考文献】
本文编号:2865065
【学位单位】:长安大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:TE151;P631.83
【部分图文】:
:要想把井下系统安装在勘探钻杆的内、集成度要高、电路结构要紧凑,并且,可将电源模块、单片机和其他局部系氧树脂胶进行填充密封,最后要把电源接来,以方便对其接口连接。片机的选择和设计芯片是一种增强型单片机,根据其性能特硬件搭建上。下面列出增强型单片机型速、流水线结构的 51 内核,其运行速度速片内调试接口,其在线系统调试接口可定时器;第四,拥有大灌电流和耐压值330 单片机的引脚图如图 3.3 所示。
QT18B20封装图
图 3.6 CSY—3B 型压力传感器传感器 CSF—3E CSF—3E 适用于石油钻井和煤矿钻井等恶劣环境。动态扭矩传感器对钻头扭矩值的实时监测,会生,从而提高随钻测井效率。为 50KN,供电电压 15—24VDC;输出信号为 4—2°~+85°;抗过载能力为 150%;防护等级为 IP65。 所示。图 3.7 CSF-KE1 动态扭矩传感器
【参考文献】
相关期刊论文 前10条
1 刘乃震;王忠;刘策;;随钻电磁波传播方位电阻率仪地质导向关键技术[J];地球物理学报;2015年05期
2 李明慧;;国内外石油测井技术现状与未来发展前景[J];科技与企业;2014年16期
3 薛旭成;赵运隆;;高速多通道CCD预放电路设计[J];现代电子技术;2013年15期
4 司马立强;李扬;;随钻地层评价技术面临的问题、现状与展望[J];测井技术;2012年01期
5 张煜;裘正定;熊轲;王升辉;;基于差分脉码调制的随钻测量数据压缩编码算法[J];石油勘探与开发;2010年06期
6 沙峰;;侧向电阻率测井刻度计算方法与测量误差间的关系[J];测井技术;2010年04期
7 连志龙;周英操;申瑞臣;赵庆;白仙莉;;无意外风险钻井(NDS)技术探讨[J];石油钻采工艺;2009年01期
8 杨明欣;王建波;于志强;;基于TI单片机低功耗无线测温装置的设计[J];仪表技术与传感器;2008年08期
9 刘新平;房军;金有海;;随钻测井数据传输技术应用现状及展望[J];测井技术;2008年03期
10 郭建明;李琪;徐英卓;;基于实例和规则集成推理的钻井事故诊断处理系统[J];石油钻探技术;2007年03期
相关博士学位论文 前1条
1 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年
本文编号:2865065
本文链接:https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/2865065.html