[发明专利]一种基于电子鼻的井下油气检测方法

说明书

技术领域

本发明涉及一种油气井下检测方法，特别涉及一种基于电子鼻的井下油气检测方法，属石油、天然气勘探开发技术领域。

背景技术

目前MWD、LWD、SWD发展迅速，井下随钻检测是录井行业的一个主要发展趋势。相比传统地面气测录井，井下随钻气体检测可以快速发现识别油气、消除油气上返的滞后和干扰，并可以提前进行有毒有害气体预报。其正朝着检测实时化、快速化、连续化和井下随钻气液分离、检测的方向发展。

当前随钻气体分离检测技术中采用的脱气方法主要是膜分离技术，采用的气体检测方法是光电技术、微型色谱技术。而色谱技术往往需要复杂的预处理过程，这无疑增加了气体检测系统的复杂性，不利于气体检测装置的小型化。

电子鼻是利用气体传感器阵列的响应图案来识别气味的电子系统，它可以在几小时、几天甚至数月的时间内连续地、实时地监测特定位置的气味状况。作为电子鼻的核心器件—气体传感器，近年来，其在石油、石化、采矿工业中已得到了广泛的应用。硫化氢、一氧化碳、氯气、甲烷和可燃的碳氢化合物已成为了其主要的检测对象。

发明内容

本发明的目的是提供一种基于电子鼻的井下油气检测方法。本发明能够在井下检测出油气信息并实时将检测信息上传至井上进行分析判断，从而实现对油气信息的实时准确监测。

本发明的步骤如下：

一、对采样的钻井液进行过滤处理，消除井下钻井液对膜的污染；

二、将油气组分从采样钻井液中选择性地透过膜进入到膜的另一侧，达到气液分离的目的；

三、气液分离后，膜两侧分别为钻井液和载气，载气将分离出的油气组分携带至电子鼻进行检测，油气信息经电子鼻转换为一组电流信号；

四、电流信号经电流—电压转换电路转化为电压信号：电压信号分别经初级放大电路及滤波模块将输入信号放大并经滤波滤除干扰信号；然后再用电压一电流转换电路将电压信号转换为直流电流信号；最后经无线发射模块发送无线数据信号；

五、地面无线接收装置接收从井底发送的无线数据信号并记录；信号处理与油气判别电路将接收到的数据信号处理并判断钻井液中的油气含量。

所述载气为氦气，其气流流量为800～1200ml/min。

所述电子鼻的传感器阵列由MP-4、MQ306A、MC101三种电化学传感器组成。

所述信号处理与油气判别电路采用的算法为RBF神经网络算法，RBF神经网络算法构造有一个三层的RBF神经网络结构，该三层的RBF神经网络结构具有三个输入层节点、三个隐层节点和一个输出层节点，其中输入层实现对信息的接受和传递功；当数据传递到隐层时，隐层神经元的函数对信息进行空间映射变换，信息在这里被处理并分类，之后信息被输出层的神经元加权成为线性结果，然后输出；其具体算法为：

设RBF神经网络的输入为n维，学习样本为(X，Y)，其中，X＝(X₁，X₂，…，X_N)，X为输入变量；Xi＝(X_i1，X_i2，…，X_iN)^T，1≤i≤Nj，Y＝(y₁，y₂，…，y_N)，Y为期望输出变量；N为训练样本数，当神经网络输入为X_i时，隐含层第j个节点的输出为：

式中C_j＝(c_j1，c_j2，…，c_jn)^T，为第j个隐含层高斯函数的中心；σ_j为第j个隐含层高斯函数的宽度；

对全体输入学习样本，网络期望输出为：

式中w_j为第j个隐层节点与输出层之间的网络连接权，对于单输出的神经网络，w_j是一个标量；M为隐含层节点数；e为拟合误差；

所述RBF神经网络算法的隐层神经元的函数采用高斯函数，对于隐含层高斯函数中心，采用正交最小二乘法进行选取，并应用最小二乘法对网络输出权值进行训练，其学习训练的目标是使总误差达到最小，即

式中其中，y_i为当输入样本为X_i时的期望输出；

所述RBF神经网络算法在进行井下钻井液中油气识别前，需对其进行训练，其训练样本选为溶解有不同含量油气的钻井液。