定向井液力耦合钻井工具研制

滑动导向是钻定向井及水平井常用的导向技术。在定向钻进过程中,钻柱拖压严重,钻井效率和机械钻速低,并且严重限制了水平段长度。针对滑动导向工具在定向钻进阶段摩阻较大的问题,研制了一种定向井液力耦合钻井工具。该工具能够调节上方钻柱传递至下方钻具的转矩,保证在定向钻进阶段其上方钻柱持续旋转,从而降低摩阻。介绍了该工具的结构和工作原理,对工具产生的驱动转矩进行计算分析。通过有限元分析,对该工具的关键零部件进行强度计算,结果显示各零件的强度均满足设计要求,验证了工具结构的可靠性。通过室内试验得到工具的输出转矩曲线。

基于测井资料的页岩储层可压裂性评价新方法

影响页岩储层可压裂性的因素较多,目前难以建立连续且完整的页岩储层可压裂性评价方法。基于测井资料可以较连续、完整地获取地层信息的特点,在考虑页岩脆性指数、矿物组成、含气性、断裂韧性等因素对可压裂性影响的基础上,利用层次分析法建立长水平井段页岩储层可压裂性评价模型,并通过引入突变理论,形成一种新的页岩储层可压裂性评价方法。分别利用基于突变理论和层次分析法的可压裂性评价方法,对四川盆地威远地区的1口水平井进行可压裂性评价,并将评价结果与微地震监测的该井页岩储层压裂后裂缝的发育情况和依据测井资料进行的储层分类情况进行对比。结果表明,基于突变理论的11级压裂段可压裂性评价结果与依据测井资料的储层分类结果及微地震监测的压裂后有效压裂体积的分布结果均吻合较好。该研究成果可为威远地区压前评价以及提高增产改造效果等提供理论依据。

一种求解复杂优化问题的快速遗传算法算子

针对利用遗传算法解决参数维度高、计算复杂,且适应度依赖于其他工具的问题,提出一种加快遗传算法收敛速度的聚集算子.该算子首先利用AP(affinity propagation)聚类对种群进行划分,然后通过主成分分析(PCA)对每个聚簇降维,再利用加权最小二乘法在低维空间下将种群分布拟合成二次曲面,并将计算极值点作为优势个体返回到原始空间.实验结果表明,相比于传统遗传算法,聚集算子在保证优化精度的同时可有效提高收敛速度.

基于边缘强化神经拉动模型的三维表面重建

通过学习空间点云数据的符号距离函数(Signed Distance Functions, SDFs)进行三维表面重建是当前的研究热点。为重建出高精度的水密模型,神经拉动(Neural-pull, NP)采用点云拉动,以训练同步更新SDFs,但在实际重建过程中,重建模型会因为点云存在噪声和缺失而导致重建结果不够精细,带来错误的表面重建。针对以上问题,引入边缘提取强化输入点云的边缘信息,提出利用残差学习机制的边缘强化神经拉动模型(Neural Pull based on Edge Enhancement, NPEE)。为确保重建表面平滑的同时能够获取更多的表面细节,该方法在保留原本神经网络用于学习SDFs的基础上引入一个新的网络,利用残差学习机制学习点云的边缘SDFs。同时在原始点云的基础上,引入边缘因子σ,结合学习的边缘SDFs,通过点云边缘的鲁棒提取强化输入点云。为验证算法模型的优化效果,采用目前广泛使用的ABC数据集、斯坦福扫描模型和模拟扫描数据集设计对比实验,实验结果以及评估指标(CD)表明,NPEE可以有效改善神经拉动算法在边缘表面重建的缺陷,同时和其他重建方法相比,NPEE在面对稀疏点云和含噪点云时仍能保证重建的精确性和完整性。