[发明专利]一种油套管螺纹接头机加工颤纹缺陷的预测与优化控制方法

说明书

本发明公开了一种油套管螺纹接头机加工颤纹缺陷的预测与优化控制方法，涉及石油装备制造技术领域，本发明针对螺纹加工颤纹发生的规律与特点，基于实际的颤纹发生情况大数据，交叉运用数据挖掘、可靠性分析及优化设计理论方法，尤其采用改进的K‑means聚类算法实施数据挖掘，采用改进的非支配排序遗传算法实施颤纹缺陷控制优化，提出油套管螺纹接头机加工颤纹缺陷的预测与优化控制方法；与现有技术相比，本发明的一种油套管螺纹接头机加工颤纹缺陷的预测与优化控制方法，可以提高油套管螺纹加工颤纹预测的准确度，并有效控制颤纹的发生。

技术领域

本发明涉及石油装备制造技术领域，特别涉及一种油套管螺纹接头机加工颤纹缺陷的预测与优化控制方法。

背景技术

油气井管柱是由大量油套管单根通过螺纹连接而成，油气单井的油套管螺纹数量动辄数以千计。螺纹是管柱在井下拉伸、压缩、弯曲、扭转、内/外压力等复合载荷状态下服役结构与密封完整性保障的重要环节，也是最薄弱环节（据不完全统计，井下管柱结构和密封完整性失效的约70%发生在螺纹部分）。螺纹的苛刻服役环境及极高的安全可靠度指标对螺纹抗粘扣性、连接性能及密封性能提出了较高的要求，螺纹的机加工精度与质量至关重要。

颤纹是特殊螺纹接头生产加工过程中普遍存在的现象，不仅影响特殊螺纹接头的表面质量，还会导致特殊螺纹接头的各项性能恶化，直接降低螺纹的使用性能，对螺纹抗粘扣性及密封性能影响尤其显著。颤纹的发生受多种因素的复杂耦合影响，包括：与管样刚度相关的管体悬出长度、内支撑及浮动支撑辊；与刀具刚度相关的刀杆直径、悬出长度，与车床刚性相关的轴承间隙、轴承润滑性数据；与管样装夹方式相关的夹持压力、卡爪尺寸、夹持接触面积；与刀具质量和安装相关的刀片及刀垫间隙、装夹紧固度、刀尖与车床中心高距离；与加工过程相关的切削深度、走刀量等。现有技术中往往通过工艺试错进行反复调整与优化，导致工程实践中颤纹产生原因难找、规避措施缺乏。本发明针对螺纹加工颤纹发生的规律与特点，基于实际的颤纹发生情况大数据，交叉运用数据挖掘、可靠性分析及优化设计理论方法，提出油套管螺纹接头机加工颤纹缺陷的预测与优化控制方法。

发明内容

本发明的目的在于提供一种油套管螺纹接头机加工颤纹缺陷的预测与优化控制方法，以提高颤纹发生预测的准确度，有效控制颤纹产生。

本发明解决其技术问题所采取的技术方案是：一种油套管螺纹接头机加工颤纹缺陷的预测与优化控制方法，其特征在于，在原始数据库中预先存储多组不同钢级、规格和螺纹类型的螺纹加工工艺参数和对应的螺纹表面实际颤纹数据；所述加工工艺参数数据包括，与管样刚度相关的管体悬出长度、内支撑及浮动支撑辊，与刀具刚度相关的刀杆直径、悬出长度，与车床刚性相关的轴承间隙、轴承润滑性数据，与管样装夹方式相关的夹持压力、卡爪尺寸、夹持接触面积，与刀具质量和安装相关的刀片及刀垫间隙、装夹紧固度、刀尖与车床中心高距离；与加工过程相关的切削深度、走刀量等；所述的螺纹表面实际颤纹数据包括，对实际加工螺纹表面颤纹严重程度观察与检测的评级数据；所述方法包括：

S1，选取原始数据库存储的至少两组同种规格、钢级和螺纹类型的油套管螺纹加工工艺参数数据及其对应的螺纹实际表面颤纹数据，并对选取的数据进行规一化并抽象为向量，将规一向量化后的数据分为训练数据样本和校验数据样本，并将训练数据样本和校验数据样本分别放入训练样本库和校验样本库；

S2，采用改进的K-means聚类算法，对训练数据样本进行数据挖掘建模，得到由机加工工艺参数作为因变量、螺纹表面颤纹数据作为响应变量的油套管螺纹加工的基于数据挖掘的颤纹生产预测模型；

S3，使用所述检验数据样本验证所述基于数据挖掘的颤纹生产预测模型的正确性，如果检验通过即得到颤纹预测专家模型，则执行S4，否则，转置S1，选取更新的数据重复执行流程；

S4，采用得到的颤纹预测专家模型，对用户输入的指定工艺条件下的颤纹产生程度进行预测，输出颤纹预测结果；