[发明专利]具有滤波器的现场操作系统

权利要求书

1.一种用于井场系统（200）的自动化方法(1500)，其包括：

训练深度神经网络以生成经训练的深度神经网络，其中所述经训练的深度神经网络表示非线性卡尔曼滤波器的函数，所述非线性卡尔曼滤波器经由所述井场系统中的装备和环境的动态系统的内部状态向量来表示所述动态系统的动态特性(1510)；

使用所述经训练的深度神经网络生成对应于预定义操作程序的基本内部状态向量，其中所述预定义操作程序描述了在所述井场系统中作为一个或多个动态系统过程的井建造(1520)；

响应于所述环境中的操作，从所述装备接收操作数据(1530)；

使用所述操作数据和所述经训练的深度神经网络生成内部状态向量(1540)；以及

将至少所述内部状态向量与至少所述基本内部状态向量进行比较(1550)；

其中，所述动态系统的动态特性经建模如下：

F(P，E，U)→Z，

其中P是所述井场系统中的工厂，E是环境，U是所述井场系统中的控制项，并且Z是测量结果；

所述卡尔曼滤波器包括内部状态、输入、测量结果和传递函数的分量：

X_t+1←f(X_t)+b(U_t)+w_t，

Z_t+1←h(X_t+1)+v_t，

其中f和b是内部状态X_t和输入U_t的传递函数，h是测量函数，并且其中w和v是噪声因子，将所述w和v组合到f和h中，并且改写为如下：

X_t←f(X_t-1)+b(U_t-w:t) ，

Z_t←h(X_t)。

2.如权利要求1所述的方法，其还包括基于所述比较来控制至少一件所述装备。

3.如权利要求1所述的方法，其还包括将所述内部状态向量和所述基本内部状态向量的图形表示呈现到显示器。

4.如权利要求3所述的方法，其中响应于使用所述操作数据生成所述内部状态向量而执行所述呈现。

5.如权利要求1所述的方法，其中所述函数包括将某一时间的所述内部状态向量与先前内部状态向量和操作向量相关联的传递函数，并且其中所述函数包括将测量向量与所述内部状态向量相关联的测量函数。

6.如权利要求1所述的方法，其中所述深度神经网络包括卷积神经网络层和长短期记忆层。

7.如权利要求1所述的方法，其中将至少所述内部状态向量与至少所述基本内部状态向量进行比较包括在潜在空间中进行比较。

8.如权利要求1所述的方法，其中所述预定义操作程序包括一系列被禁止的动作。

9.如权利要求1所述的方法，其中将至少所述内部状态向量与至少所述基本内部状态向量进行比较包括利用评分函数。

10.如权利要求1所述的方法，其中将所述内部状态向量的内部状态表示为状态空间中的点，其中所述状态空间中两个连续点之间的距离表示所述动态系统的时间过程，所述时间过程将所述动态系统从所述点中的第一个转换到所述点中的第二个。

11.如权利要求10所述的方法，其包括将所述时间过程与所述预定义操作程序的过程进行比较。

12.如权利要求1所述的方法，其中所述装备包括井建造装备，并且其中所述环境包括地球中的地层。

13.如权利要求1所述的方法，其中使用时间序列数据训练所述深度神经网络，所述时间序列数据包括多通道时间序列数据。