摘要
热熔钻进作为一种广谱式的碎岩新方法,钻进时70%~80%的能量集中在孔底,热熔钻进过程中以热熔器产生的高温作为热源,热熔器及其周围岩土体中的温度场将直接决定着热熔钻进的能力,因此对热熔钻进过程中温度场的研究显得极为重要。为了揭示热熔钻进时周围土体温度场的变化情况和影响范围,建立了热熔器外土体中的温度沿径向分布的稳态及非稳态热传导方程,在热熔钻进实验台上对热熔器外土体中的温度进行实测,测量的结果与理论计算结果是吻合的,说明所建立的热传导数学模型是可靠的;运用实验测得的数据构建GA-BP神经网络,对热熔钻进过程中周围土体的温度场进行预测,结果表明:基于GA-BP的神经网络与基于BP的神经网络相比,对干砂土、湿黏土和湿砂土中测点温度值随时间变化的预测得到的均方误差分别小0.027,0.024,0.011,且GA-BP网络比BP网络的计算时间分别短9 s,4 s,11s;运用有限元软件ANSYS对热熔钻进过程中的温度场进行数值模拟,得到随热熔钻进实验进行时间而变化的不同土体中的温度场云图,该模拟结果与实验得到的数据能够较好地吻合。
热熔钻进作为一种广谱式的碎岩新方法,钻进时70%~80%的能量集中在孔底,热熔钻进过程中以热熔器产生的高温作为热源,热熔器及其周围岩土体中的温度场将直接决定着热熔钻进的能力,因此对热熔钻进过程中温度场的研究显得极为重要。为了揭示热熔钻进时周围土体温度场的变化情况和影响范围,建立了热熔器外土体中的温度沿径向分布的稳态及非稳态热传导方程,在热熔钻进实验台上对热熔器外土体中的温度进行实测,测量的结果与理论计算结果是吻合的,说明所建立的热传导数学模型是可靠的;运用实验测得的数据构建GA-BP神经网络,对热熔钻进过程中周围土体的温度场进行预测,结果表明:基于GA-BP的神经网络与基于BP的神经网络相比,对干砂土、湿黏土和湿砂土中测点温度值随时间变化的预测得到的均方误差分别小0.027,0.024,0.011,且GA-BP网络比BP网络的计算时间分别短9 s,4 s,11s;运用有限元软件ANSYS对热熔钻进过程中的温度场进行数值模拟,得到随热熔钻进实验进行时间而变化的不同土体中的温度场云图,该模拟结果与实验得到的数据能够较好地吻合。
出处
《吉林大学学报(地球科学版)》
EI
CAS
CSCD
北大核心
2012年第S3期322-328,共7页
Journal of Jilin University:Earth Science Edition
基金
科技部中俄科技合作专项(3G0085364424)
关键词
热熔钻进
温度场
神经网络
遗传算法
预测
ANSYS
hot melt drilling
temperature field
neural networks
genetic algorithms
forecasting
ANSYS