Науковий вісник НГУ

Нейромережева технологія ідентифікації технологічних операцій бурової установки

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Інформаційні технології, системний аналіз та керування

Останнє оновлення: 25 липня 2017

Опубліковано: 25 липня 2017

Перегляди: 2977

Authors:

М.І.Горбійчук, д-р техн. наук, проф., Івано-Франківський національний технічний університет нафти і газу, м. Івано-Франківськ, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Т.В.Гуменюк, канд. техн. наук, Івано-Франківський національний технічний університет нафти і газу, м. Івано-Франківськ, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Abstract:

Мета. Розробка методу й алгоритму ідентифікації технологічних операцій бурової установки з метою забезпечення роботи алгоритму оптимального керування процесом поглиблення свердловини в автоматичному режимі.

Методика. Задачу ідентифікації технологічних операцій бурової установки сформулюємо як задачу розпізнавання образів. Для розв’язання даної задачі використано метод штучної нейронної мережі Хеммінга.

Результати. Проведено аналіз основних технологічних операції бурової установки й розроблені метод та алгоритм розв’язання задачі розпізнавання технологічних операцій бурової установки, що дадуть можливість забезпечити моніторинг оператором послідовності технологічних операцій механічного буріння, а також автоматичне визначення тривалості спуско-підіймальних операцій для поточного рейсу. Це дасть можливість реалізувати роботу алгоритм оптимального керування процесом поглиблення свердловини в автоматичному режимі. Запропоновано новий підхід для визначення початку й тривалості технологічних операцій бурової установки у процесі поглиблення свердловини. Аналіз штучних нейронах мереж показав, що для задачі розпізнавання технологічних операцій бурової установки доцільно використовувати мережу Хеммінга. Розроблена її архітектура та алгоритм функціонування даної мережі.

Наукова новизна. Уперше запропоновано метод розпізнавання технологічних операцій бурової установки із застосуванням мережі Хеммінга, що дало змогу в автоматичному режимі визначати тривалість спуско-піднімальних операцій для забезпечення роботи в реальному режимі часу й розробити ефективний алгоритм оптимального керування процесом поглиблення свердловини.

Практична значимість. Розроблені алгоритм і програмне забезпечення для розв’язання задачі розпізнавання технологічних операцій бурової установки, що забезпечують моніторинг оператором послідовності технологічних операцій поглиблення свердловини, а також автоматичне визначення тривалості спуско-піднімальних операцій для поточного рейсу, з метою реалізації роботи в автоматичному режимі алгоритму оптимального керування процесом поглиблення свердловини. Програмне забезпечення, розроблене на основі запропонованого методу та алгоритму, інтегровано в комплекс СКУБ-М2. Даний комплекс був складовою частиною бурової установки при бурінні свердловини № 5 Васищівського газоконденсатного родовища, що дало змогу визначити працездатність і ефективність розроблених методу та алгоритму. Запропонований метод і алгоритм розпізнавання технологічних операції бурової установки може бути інтегрований також і в інші системи контролю та автоматичного управління процесом поглиблення свердловини.

References

1. Sementsov, G.N. and Sabat, N.V., 2014. Signal identification of rock drillability while deepening oil wells. Odessa: Kupriyenko S.V.

2. Horbiichuk, M.I. and Humeniuk, T.V., 2016. Determination of the drilling rig condition. GISAP. Technical sciences, construction and architecture, 10, pp. 35‒38.

3. Kropyvnytska, V.B., 2008. Computer system for optimal control of drilling oil and gas wells. Scientific Bulletin Ivano-Frankivsk National Technical University of Oil and Gas, 1, pp. 105‒109.

4. Wong, R., Liu, Q., Ringer, M., Dunlop, J., Lu­ppens, C. and Yu, H., 2013. Advances in Real-Time Event Detection While Drilling. In: SPE/IADC Drilling Conference. Society of Petroleum Engineers, pp. 26–33.

5. Voitenko, V.S., Vitryk, V.G., Yaremiichuk, R.S. and Yaremiichuk, Y. S., 2012. Technology and engineering drilling, generalized reference book. Kyiv: Lions; Kyiv: Center of Europe.

6. Kropyvnytska, V.B., Humeniuk, T.V. and Tkachivskyi, D.A., 2010. Methods for identifying drilling rig. Herald of Khmelnytskyi National University, 1(144), pp. 94‒97.

7. Krulikovskyi, B.B., Sydor, A.I., Zastavnyi, A.N. and Nykolaichuk, Y.M., 2016. Theoretical Foundations of Recognition of multidimensional images in Hemming space. Scientific Herald of NLTU of Ukraine, 3, pp. 361‒367.

8. Suzuki, K., 2013. Artificial Neural Networks: Architectures and Applications. Winchester, Hampshire: InTech.

9. Bianchini, M., 2013. Handbook on Neural Information Processing (Intelligent Systems Reference Library). Springer.

03_2017_Horbiichuk
2017-07-23  431.5 KB  877