基于慣性測量參數的鉆頭磨損預測方法
【專利摘要】在鉆井、鉆探和鉆孔中，鉆頭會有磨損，對鉆速和軸壓、軸的支撐和密封都會有影響，設計基于慣性測量參數的多維時間序列相似性度量的磨損預測方法：把采集的信號處理后取平均，采用多參數ARMA模型把多維時間序列轉為一維時間序列；新鉆頭信號經過處理后作為第1數據段，計算第i數據段與第1段數據的歐氏距離，判斷磨損的程度；遞推計算第i+1數據段與第i數據段的歐氏距離，進行度量磨損的相似性，采用指數函數擬合磨損程度變化，推導磨損規律；結合位置和磨損變化，預測那些地方磨損鉆頭嚴重；根據進動角速度計算磨損的角位置。本發明在于簡單易于實現，預測精度高，并可以預測磨損的位置，不用附加其他傳感器。
【專利說明】基于慣性測量參數的鉆頭磨損預測方法
【技術領域】
[0001]本發明涉及慣性隨鉆測量領域，特別是在鉆井、鉆探和鉆孔中的鉆頭磨損預測方法。
技術背景
[0002]在鉆井、鉆探和鉆孔中，鉆頭在鉆進過程中會磨損，如果鉆頭均勻磨損，對鉆進速度和軸壓會有影響，如果不均勻磨損，鉆頭在轉動中有擺動，產生扭轉振動加速度和側向振動加速度，甚至回旋振動加速度，對軸的支撐和密封都會有影響，甚至損壞切削機構，還會導致鉆頭不平衡和外力矩不平衡，產生進動角速度，加速損壞，直至發生鉆井事故，因此要實時預測鉆頭磨損情況，來決定是否更換鉆頭。
[0003]鉆頭在磨損的時候自身力不平衡和不規則外力作用下，導致其鉆頭振動加速度，其振動信號中包括磨損產生的振動加速度、外界激勵產生的振動加速度和不同地質因素產生的振動加速度等，信號頻率范圍寬，持續時間短，具有一定的混沌性和隨機性，信號特征沒有那么明顯，并且屬于弱信號，由于每種濾波或分解方法都是有一定使用條件的，很難真實提取由磨損產生的振動信號，因此完全靠振動信號來預測磨損有可能是不準確的。
[0004]還有國外提出的采用鉆速方程和測井數據計算機械比能、巖石抗壓強度及鉆頭磨損等級和基于可控性鉆井參數(鉆壓、轉速、排量、鉆頭工作時間等)的鉆頭磨損預測；還有人提出磨損與鉆壓、轉速和軸載之間的關系來確定，這些鉆頭磨損預測方法有個問題是很多參數無法準確測量，或者無法測量。
[0005]隨著慣性技術在隨鉆測量中的應用，設計基于加速度、角速度、速度和進動的多維時間序列相似性度量的磨損預測方法。
【發明內容】
[0006]本發明的目的在于提出一種基于慣性測量參數的鉆頭磨損預測方法，把慣性導航技術與鉆頭測量技術結合在一起，對鉆頭的磨損程度及位置進行預測，實現及時預警。
[0007]為了實現上述目的，設計慣性隨鉆測量系統，對陀螺儀輸出的角速度和加速度計輸出加速度的進行信號處理和解算，得到加速度、角速度、速度信息。鉆頭磨損時會引起鉆進速度、加速度、角速度等一系列的變化，還會導致自身力矩和外力矩會不平衡，造成鉆頭進動，在充分利用慣性測量單元提供的測量參數，設計基于鉆速、加速度、角速度和進動的多維時間序列相似性度量的磨損預測方法。
[0008]慣性隨鉆測量系統包括信號采集模塊、信號處理與預測模塊和傳輸模塊三部分部分。
[0009]信號采集模塊包括三軸加速計、三軸陀螺儀、溫度傳感器和放大部分。考慮鉆頭所處的環境特別惡劣，需提高抗沖擊能力和減小體積，傳感器均采用MEMS固態傳感器。
[0010]三軸加速度計用以測量鉆頭的三個軸向上的加速度信號，三軸陀螺儀用以測量鉆頭的三個軸向上的角速度，溫度計用于陀螺儀和加速度計的溫度補償。[0011]信號處理與預測模塊的功能包括信號處理和磨損預測。
[0012]信號處理:鉆頭的加速度和角速度信號進行溫度補償，進行小波濾波處理，然后通過加速度的積分得到速度信號7和位置信號P。
[0013]所述的磨損預測一基于加速度、角速度、速度和進動的多維時間序列相似性度量的磨損預測方法:把采集到的加速度信號、角速度信號和速度信號，每采集M長度數據為一段，取平均，來消除偶然誤差。
[0014]對信號進行平穩性檢驗后，考慮加速度、角速度和速度時間序列之間的關聯性，建立滑動自回歸模型，進行模型參數估計和誤差檢驗，把多維的時間序列轉為一維時間序列。
[0015]把鉆頭磨損分為四個程度一新鉆頭、初期磨損、一般磨損和嚴重磨損，在鉆探開始時采集的信號，即新鉆頭信號，逐漸可能會出現初期磨損信號，一般磨損信號和嚴重磨損信號。
[0016]把新鉆頭信號經過平均和AMA模型處理后，作為數據標準段ym.，即第I數據
段，后期采集的數據也經過平均和AEMA模型處理后，分成不同數據段ym,計算第i數據
段ym與第I段數據ym的歐氏距離
【權利要求】
1.基于慣性測量參數的鉆頭磨損預測方法，其特征在于把采集的加速度信號、角速度信號、速度信號，每采集長度數據為一段，取平均
2.基于慣性測量參數的鉆頭磨損預測方法，其特征在于對信號進行平穩性檢驗后，考慮加速度、角速度和速度時間序列的之間的關聯性，根據滑動自回歸模型建立戶皿VlA(MjW),進行模型參數估計和誤差檢驗，把多維的時間序列轉為一維時間序列? 0?.)h >….?),其中！為不同的數據段。
3.基于慣性測量參數的鉆頭磨損預測方法，其特征在于把鉆頭磨損分為四個程度:新鉆頭、初期磨損、一般磨損和嚴重磨損，在鉆探開始時采集到的信號，即新鉆頭信號，逐漸可能會出現初期磨損信號，一般磨損信號和嚴重磨損信號。
4.基于慣性測量參數的鉆頭磨損預測方法，其特征在于新鉆頭信號經過平均和AEMA模型處理后，作為數據標準段Λμ ,即第I數據段，后期采集的數據也經過平均和AlMA模型處理后，分成不同數據段,計算第i數據段.?*與第I段數據的歐氏距離
5.基于慣性測量參數的鉆頭磨損預測方法，其特征在于把4進行歸一化處理，名e(0.1，0.3)為初期磨損，式e(0.4,0.6)為一般磨損，4 e(0.7,0.9)為嚴重磨損。
6.基于慣性測量參數的鉆頭磨損預測方法，其特征在于磨損規律的預測:遞推計算第 數據段與第數據段的歐氏距離
7.根據權利要求6所述的基于慣性測量參數的鉆頭磨損預測方法，其特征在于如果^ i變化很微小，自動加大兩數據段的間距，即:+ J ,遞推計算第? + j數據段與第:數據段的歐氏距離
8.基于慣性測量參數的鉆頭磨損預測方法，其特征在于結合位置P和磨損變化，可預測那些地方磨損鉆頭厲害。
9.基于慣性測量參數的鉆頭磨損預測方法，其特征在于鉆頭不均勻磨損，自身力矩和外力矩都是不平衡的，根據旋轉的鉆頭具有陀螺的特性——進動性，鉆頭產生進動，根據進動角速度計算磨損的角位置。
10.根據權利要求9所述的基于慣性測量參數的鉆頭磨損預測方法，其特征在于設置慣性隨鉆測量系統的坐標系統與鉆頭坐標系一致，在不發生進動的時候，鉆頭轉速即為繞X軸的角速度；在不均勻磨損時，磨損的地方質量減少，雖然造成自身平衡不大，但會引起外力矩不平衡，產生繞Y軸和Z軸的角速度?^和％,根據進度角速度計算磨損的角位置，設與Y軸的角度即
【文檔編號】G01N3/56GK103792155SQ201410066817
【公開日】2014年5月14日 申請日期:2014年2月27日 優先權日:2014年2月27日
【發明者】楊金顯, 張穎, 陶慧, 陳超, 李志鵬 申請人:河南理工大學
專業數控銑床產品供應商
20年生產經驗，實力工廠，精工品質，質量有保障
