随钻测量的钻进多参数多目标优化研究

发布时间：2017-09-20 14:16

  本文关键词：随钻测量的钻进多参数多目标优化研究

  更多相关文章： 随钻测量 钻进参数 多目标优化 粒子群算法

【摘要】：随钻测量技术是石油钻井工程中的关键技术之一,这项技术的发展为实时钻进参数优化提供了前提条件。实时钻进参数优化需要建立准确的钻进模型,以往模型系数的求取通常采用实验的方法,求解效率低,不能满足实时性的要求,而且模型通常采用单一的单位进尺成本模型。在实际工程中,需要综合考虑钻头寿命、比能等因素,并能快速准确的求取模型系数。首先,本文分析了钻进参数之间的相互关系,建立了以机械钻速、钻头寿命、机械比能为目标,钻压、转速、比水功率为决策变量的多参数多目标优化模型。采用反演法求解模型中的未知系数,并且使模型系数可以随着时间推移实时修正。其次,根据钻进多参数多目标优化模型以及粒子群算法自身的缺点,对粒子群算法提出改进策略。选取ZDT测试函数集对算法进行测试,并与NSGA2算法测试结果进行对比,结果表明:改进算法运算时间短,能够获得分布均匀的Pareto前端。最后,针对一个实际油田井段,根据实时钻井数据,利用反演法对模型中的未知系数进行实时求解。讨论了改进粒子群算法的参数取值,在MATLAB中进行仿真实验,仿真实验得到了真实的Pareto前端,从Pareto前端选取的优化参数为钻井工作者调整钻进参数提供便利。
【关键词】：随钻测量 钻进参数 多目标优化 粒子群算法
【学位授予单位】：西安石油大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TE271
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 绪论7-11
• 1.1 研究的目的和意义7
• 1.2 钻进参数优化的发展过程与现状7-9
• 1.3 存在的问题9
• 1.4 主要研究内容和章节安排9-11
• 1.4.1 主要研究内容9-10
• 1.4.2 章节安排10-11
• 第二章 多目标优化问题概述11-21
• 2.1 多目标优化问题的基本概念11-12
• 2.2 多目标优化问题的求解方法12-16
• 2.2.1 传统多目标优化方法12-13
• 2.2.2 智能多目标优化算法13-16
• 2.3 多目标优化算法的性能评价指标和测试函数16-20
• 2.3.1 性能评价指标16-17
• 2.3.2 测试函数17-20
• 2.4 本章小结20-21
• 第三章 随钻测量的钻进多参数多目标优化模型建立21-35
• 3.1 钻进模型21-28
• 3.1.1 机械钻速模型21-25
• 3.1.2 钻头磨损模型25-27
• 3.1.3 机械比能模型27-28
• 3.2 钻进多参数单目标优化模型28-29
• 3.3 钻进多参数多目标优化模型29-30
• 3.3.1 目标函数29
• 3.3.2 决策变量29-30
• 3.3.3 约束条件30
• 3.4 反演法实时建立钻进多参数多目标优化模型30-34
• 3.4.1 以往求解模型系数的方法30-31
• 3.4.2 反演法实时求解模型系数31-34
• 3.5 本章小结34-35
• 第四章 多目标粒子群算法的改进设计35-47
• 4.1 单目标粒子群算法35-38
• 4.1.1 基本粒子群算法35-36
• 4.1.2 标准粒子群算法36-37
• 4.1.3 算法中参数的设置37-38
• 4.2 多目标粒子群算法38
• 4.3 改进的多目标粒子群算法38-41
• 4.3.1 改进策略38-39
• 4.3.2 改进算法的具体实现39-41
• 4.4 改进算法的测试41-46
• 4.4.1 测试环境41-42
• 4.4.2 测试结果分析42-46
• 4.5 本章小结46-47
• 第五章 随钻测量的钻进多参数多目标优化实例分析47-53
• 5.1 优化问题描述47
• 5.2 模型系数的求取47-49
• 5.3 改进算法的参数设置49-51
• 5.3.1 种群规模和外部集规模49-50
• 5.3.2 最大迭代次数50-51
• 5.4 优化结果与分析51-52
• 5.5 本章小结52-53
• 第六章 结论与展望53-55
• 6.1 结论53
• 6.2 展望53-55
• 致谢55-56
• 参考文献56-59
• 攻读硕士学位期间发表的论文及参加的科研项目59-60

【相似文献】

中国期刊全文数据库 前10条

1 姜斌;梁士锋;冯佳佳;;催化吸收稳定系统的多目标优化[J];计算机与应用化学;2008年01期

2 刘扬;模糊优化与多目标优化的类同性[J];大庆石油学院学报;1990年01期

3 覃孟扬;刘大维;罗永顺;李玉忠;;基于灰色系统理论的车削参数多目标优化(英文)[J];机床与液压;2013年24期

4 厉小军,俞欢军,李绍军,胡上序;进化多智能体技术在多目标优化中的应用[J];化工学报;2004年03期

5 韩方煜,贾小平;环境友好过程的建模和多目标优化[J];计算机与应用化学;2004年01期

6 吴华武;胡鑫尧;;锆铪萃取分离系统参数的多目标优化决策[J];计算机与应用化学;1991年04期

7 江沛;曹柳林;;聚酯工业生产缩聚过程的多目标优化[J];计算机与应用化学;2007年11期

8 岳金彩;程华农;杨霞;郑世清;韩方煜;;连续过程的多目标优化[J];计算机与应用化学;2009年11期

9 邵辉;李晶;杨丽丹;;基于多目标优化的危险化学品运输模式探讨[J];中国安全生产科学技术;2010年02期

10 李云玲;;提升运输多目标优化控制系统设计[J];科技经济市场;2013年03期

中国重要会议论文全文数据库 前10条

1 张翔;;一种无歧义性的多目标优化数值解法[A];中国农业机械学会成立40周年庆典暨2003年学术年会论文集[C];2003年

2 罗亚中;;航天器轨迹多目标优化研究评述[A];The 5th 全国动力学与控制青年学者研讨会论文摘要集[C];2011年

3 耿玉磊;张翔;;多目标优化的求解方法与发展[A];福建省科协第四届学术年会——提升福建制造业竞争力的战略思考专题学术年会论文集[C];2004年

4 耿玉磊;张翔;;多目标优化的求解方法与发展[A];福建省科协第四届学术年会提升福建制造业竞争力的战略思考专题学术年会论文集[C];2004年

5 程鹏;唐雁;邹显春;;约束多目标优化试验函数产生器[A];2008年计算机应用技术交流会论文集[C];2008年

6 贾小平;韩方煜;;多目标优化及其在过程工程中的应用[A];过程系统工程2001年会论文集[C];2001年

7 邢志祥;;灭火救援力量调集的多目标优化[A];第一届全国安全科学理论研讨会论文集[C];2007年

8 孙力;樊希山;姚平经;;化工过程多目标优化适宜解的模糊确定[A];第二届全国传递过程学术研讨会论文集[C];2003年

9 李颖t;昝建明;周建文;;多目标形貌优化方法研究[A];结构及多学科优化工程应用与理论研讨会’2009（CSMO-2009）论文集[C];2009年

10 许碧霞;李兆江;;基于循环经济的城市污水多目标优化配置分析[A];中国地理学会2007年学术年会论文摘要集[C];2007年

中国博士学位论文全文数据库 前10条

1 王晗丁;复杂问题的多目标进化优化算法研究[D];西安电子科技大学;2015年

2 董宁;求解约束优化和多目标优化问题的进化算法研究[D];西安电子科技大学;2015年

3 邹娟;高维多目标进化优化及降维评价的方法研究[D];湘潭大学;2014年

4 杨光;求解多目标优化问题的NWSA研究及其工程应用[D];吉林大学;2015年

5 王超;装载与车辆路径联合多目标优化问题研究[D];大连理工大学;2016年

6 叶承晋;计算智能在电力系统多目标优化中的应用研究[D];浙江大学;2015年

7 过晓芳;超多目标优化问题的几种进化算法研究[D];西安电子科技大学;2015年

8 左益;基于全局优化和局部学习的进化多目标优化算法[D];西安电子科技大学;2016年

9 卢芳;多目标优化及随机变分不等式问题的若干研究[D];重庆大学;2016年

10 徐志丹;基于生物地理算法的多目标优化理论与应用研究[D];哈尔滨工程大学;2013年

中国硕士学位论文全文数据库 前10条

1 韩伟;基于混合智能算法在造纸废水厌氧消化处理过程多目标优化中的研究[D];华南理工大学;2015年

2 东方世平;高速列车悬挂系统参数多目标优化[D];北京交通大学;2015年

3 苏贵良;基于免疫遗传微粒群智能算法的工程项目多目标优化研究[D];中国石油大学(华东);2014年

4 王学骥;多目标优化裁剪分配管理系统的研究与开发[D];东南大学;2015年

5 段雪凝;带时间窗的冷链物流车辆路径多目标优化问题研究[D];东北大学;2014年

6 赵丹;基于蚁群算法的建筑工程项目多目标优化研究[D];河北工程大学;2016年

7 孟涛;主动配电网广义电源多目标优化配置与运行[D];东北电力大学;2016年

8 李琰;黑箱多目标优化评估系统研究与实现[D];东北大学;2014年

9 孟婷婷;基于决策者偏好信息的NPS-CSS算法研究[D];东北大学;2014年

10 程慧敏;云环境中基于多目标优化的科学工作流数据布局策略研究[D];安徽大学;2016年

，

本文编号：888552