油气管柱共振弯曲疲劳实验平台研制

常规疲劳试验方法在油气管柱疲劳性能测试中存在实验效率低、能耗高等问题,为了便于油气管柱疲劳科学实验与教学,基于共振原理研制了一套油气管柱共振弯曲疲劳实验平台,主要包括油气管柱试件、传动系统、支撑系统、安全防护系统以及测控系统。完成油气管柱实验平台的设计、加工、安装及测试。结果表明,该实验平台可有效开展油气管柱疲劳性能测试,并采用油气管柱共振弯曲疲劳实验平台开展实验教学,实现了理论与实验教学的有机结合,学生可深入了解油气管柱共振原理及疲劳损伤过程,对培养学生科学实验能力起到积极的作用。

基于AIC-RBF的油气管柱挤压形变估计方法

油气管柱长期受到地层运动的影响会发生挤压变形,且挤压程度难以度量。利用脉冲涡流的油气管柱挤压形变估计反演算法,提出了一种基于AIC-RBF的油气管柱挤压形变估计方法,该方法包括基于赤池信息量准则(Akaike Information Criterion,AIC)的油气管柱形变多项式拟合优化算法和基于径向基函数(Radial Basis Function,RBF)神经网络的多项式参数估计模型。对管柱不同挤压段的脉冲涡流信号进行测试,获得对应的形变多项式函数,对挤压段的最小臂长进行量化,以估计其形变程度。实验结果表明:与传统RBF神经网络算法、BP神经网络算法相比,AIC-RBF算法的量化误差更小、稳定性更强、量化速度更快,满足油气管柱挤压程度无损量化的需求。