Загальний аналіз підходів автоматизованого оцінювання роботоздатності породоруйнівного інструменту

Abstract

Запропоновано метод автоматизованого контролю відпрацювання доліт для виявлення їх критичного зношування на завершальному етапі роботи інтелектуальними засобами оперативної ідентифікації, що дає змогу підвищити надійність управління відпрацюванням породоруйнівного інструменту, знизити аварійність процесу буріння. Удосконалено підхід до автоматизації процесу управління відпрацюванням породоруйнівного інструменту в умовах апріорної і поточної невизначеності щодо структури і параметрів об’єкта шляхом доповнень існуючих локальних систем автоматизованого керування режимами буріння, підсистемою нейромережевої ідентифікації, створеної на основі мережі Кохонена та мережі прямого поширення. Використання цих нейромереж дає змогу періодично контролювати роботу долота на вибої свердловини і розпізнавати його основні стани як «працездатний», «непрацездатний», «передаварійний», «невизначений», а на завершальному етапі роботи визначати ступінь зношення долота. На основі проаналізованих моделей і методів запропоновано удосконалити структуру системи інтелектуальної підтримки прийняття рішень для управління відпрацюванням породоруйнівного інструменту, для підвищення надійності і вірогідності процесу прийняття рішень, яка може бути реалізована на базі сучасних промислових систем контролю і керування процесом буріння нафтових і газових свердловин.

The authors developed a method for automatic drilling bits wear control to identify their critical wear at the final operation stage with the help of the intelligent rapid identification tools that allows to increase the reliability of rock cutting tool wear control and reduce the drilling process accident rate. The scientists also improved the approach to the rock cutting tool wear control automation in conditions of prior and current uncertainty concerning the structure and parameters of the object by supplementing the available local systems for automatic drilling modes control and subsystem for neural network identification that was developed on the basis of the Kohonen network and feedforward network. Utilization of these neural networks allows to periodically control the drill bit operation at the bottomhole and identify its basic states as “operable”, “inoperable”, “pre-emergency”, and “unknown”, as well as to determine the degree of its wear at the final stage of operation. Based on the analyzed models and methods, it is suggested to improve the structure of the decision-making intelligent support system to control the rock cutting tool wear, increase reliability and probability of the decisionmaking process that can be carried out on the basis of the modern industrial systems for monitoring and control of the oil and gas wells drilling process.