基于机器学习的柱塞式橡胶集流器优化方法

为有效提升测井用柱塞式橡胶集流器的集流性能,开展柱塞式橡胶集流器结构参数优化方法研究。首先构建橡胶弹性件受力膨胀的有限形变机理模型,理论分析橡胶弹性件受力膨胀内压与主伸长的内在关系,并确定适用于橡胶弹性件的Mooney-Rivlin超弹模型;然后基于橡胶弹性件有限形变机理构建其流固耦合仿真模型,确定橡胶弹性件受力形变影响因素:橡胶弹性件的厚度、轴向长度和硬度;进一步以橡胶弹性件的性能和内液体体积为优化目标,建立双隐层BP网络模型对橡胶弹性件结构参数进行寻优求解,得到橡胶弹性件的最优结构参数组合:硬度43 HA、厚度4 mm和轴向长度25 cm,优选后的橡胶弹性件使得橡胶集流器整体性能得到大幅提升,其集流性能提升57.69%、注液口压强减少20%、橡胶弹性件内液体体积增加25%。该双隐层BP参数优化模型最大预测误差仅为7%,误差率低,对数据的拟合程度更好,为后续优化设计提供理论支撑。