[发明专利]一种小型智能钻机的控制方法

说明书

一种小型智能钻机的控制方法，包括以下步骤；步骤一：通过分析自动送钻控制系统的整个过程，设计该小型智能钻机控制系统，设计自动送钻系统控制框图；步骤二：采用BP神经网络算法，建立神经网络识别岩性模型，构造钻进参数样本并在软件MATLAB中采用神经网络模式识别工具箱，进行数据训练、验证和测试，实现岩性识别；步骤三：结合模拟岩样钻进试验，获得的包括钻速、转速和钻压敏感等钻进参数，作为训练样本进行岩性识别，并单独分析自动送钻部分每个控制环节的数学物理模型，设计每个环节的传递函数，通过结合实际的自动送钻控制系统的钻井关系将三个控制环节通过接口连接。本发明有利于合理选择钻头类型、及时调整钻井参数和提高钻井效率。

技术领域

本发明涉及智能钻机技术领域，特别涉及一种小型智能钻机的控制方法。

背景技术

智能石油钻机可脱离人的干预，自动完成整个钻井过程，并能与钻井、地质和测井等专业进行大数据融合，从而有效提高钻井效率及作业安全性。面对复杂的地层环境，岩性识别是地层评价、油藏描述以及实时钻井监控等方面的重要研究内容之一。又钻井过程是一个受地层因素和人为因素影响的动态、复杂的非线性过程，很难用传统方法建立精确的数学模型进行描述，于是研究新型的石油钻机尤为重要。

目前的自动送钻控制系统采用的智能控制算法大多为PID控制，具有时滞性的缺点，又为了实现复杂地质条件下岩性识别研究，基于BP算法的神经网络控制技术应用于小型智能钻机控制是基于理论和实际的需要，精选样本数据后对网络进行训练，训练成功后的网络即可对其进行有效的控制，大大降低了控制系统的开发成本，提高了钻井的运行效率。

发明内容

为了克服上述现有技术的不足，本发明的目的在于提供一种小型智能钻机的控制方法，通过采用BP神经网络算法，建立神经网络识别岩性模型，构造钻进参数样本并在软件MATLAB中利用神经网络工具箱进行岩性识别，并在Simulink中设计出自动送钻系统控制框图，应用到石油钻机上实现恒钻压钻进，有利于合理选择钻头类型、及时调整钻井参数和提高钻井效率。

为了实现上述目的，本发明采用的技术方案是：

一种小型智能钻机的控制方法，包括以下步骤；

步骤一：根据钻井工艺要求确定小型智能钻机的组成，通过分析自动送钻控制系统的整个过程，详细设计该小型智能钻机控制系统，根据钻井参数得出传递函数并在Simulink中设计出自动送钻系统控制框图；

步骤二：采用BP神经网络算法，建立神经网络识别岩性模型，采用三层BP神经网络结构，输入层包含4个神经元，分别对应输入的平均钻压、钻头平均转速、平均扭矩及平均机械钻速，输出层包含2个神经元，分别对应所需识别的2类岩性，构造钻进参数样本并在软件MATLAB中采用神经网络模式识别工具箱，输入为钻井参数数据集，输出为岩性数据矩阵，隐含层节点数为10，进行数据训练、验证和测试，实现岩性识别；

步骤三：结合步骤一和步骤二，结合模拟岩样钻进试验，获得的包括钻速、转速和钻压敏感等钻进参数，作为训练样本进行岩性识别，并单独分析自动送钻部分每个控制环节的数学物理模型，设计每个环节的传递函数，通过结合实际的自动送钻控制系统的钻井关系将三个控制环节通过接口连接。

所述步骤一中控制系统是三环控制系统，包括液压环节、绞车调节钻速环节及对钻具的上提下放进行控制的钻压环节，液压系统采用阀控电液伺服控制,输入量是电液伺服阀端的电流信号,输出量是液压缸的输出压力,电液伺服阀传递函数确定为速度环是通过液压盘式刹车的制动力来实现，通过分析压力P与钻具下放速度V之间的关系建立速度环的控制框图；根据钻速与钻压之间的关系设计出钻压调节器。