基于惯性测量参数的钻头磨损预测方法
【专利摘要】在钻井、钻探和钻孔中，钻头会有磨损，对钻速和轴压、轴的支撑和密封都会有影响，设计基于惯性测量参数的多维时间序列相似性度量的磨损预测方法：把采集的信号处理后取平均，采用多参数ARMA模型把多维时间序列转为一维时间序列；新钻头信号经过处理后作为第1数据段，计算第i数据段与第1段数据的欧氏距离，判断磨损的程度；递推计算第i+1数据段与第i数据段的欧氏距离，进行度量磨损的相似性，采用指数函数拟合磨损程度变化，推导磨损规律；结合位置和磨损变化，预测那些地方磨损钻头严重；根据进动角速度计算磨损的角位置。本发明在于简单易于实现，预测精度高，并可以预测磨损的位置，不用附加其他传感器。
【专利说明】基于惯性测量参数的钻头磨损预测方法
【技术领域】
[0001]本发明涉及惯性随钻测量领域，特别是在钻井、钻探和钻孔中的钻头磨损预测方法。
技术背景
[0002]在钻井、钻探和钻孔中，钻头在钻进过程中会磨损，如果钻头均匀磨损，对钻进速度和轴压会有影响，如果不均匀磨损，钻头在转动中有摆动，产生扭转振动加速度和侧向振动加速度，甚至回旋振动加速度，对轴的支撑和密封都会有影响，甚至损坏切削机构，还会导致钻头不平衡和外力矩不平衡，产生进动角速度，加速损坏，直至发生钻井事故，因此要实时预测钻头磨损情况，来决定是否更换钻头。
[0003]钻头在磨损的时候自身力不平衡和不规则外力作用下，导致其钻头振动加速度，其振动信号中包括磨损产生的振动加速度、外界激励产生的振动加速度和不同地质因素产生的振动加速度等，信号频率范围宽，持续时间短，具有一定的混沌性和随机性，信号特征没有那么明显，并且属于弱信号，由于每种滤波或分解方法都是有一定使用条件的，很难真实提取由磨损产生的振动信号，因此完全靠振动信号来预测磨损有可能是不准确的。
[0004]还有国外提出的采用钻速方程和测井数据计算机械比能、岩石抗压强度及钻头磨损等级和基于可控性钻井参数(钻压、转速、排量、钻头工作时间等)的钻头磨损预测；还有人提出磨损与钻压、转速和轴载之间的关系来确定，这些钻头磨损预测方法有个问题是很多参数无法准确测量，或者无法测量。
[0005]随着惯性技术在随钻测量中的应用，设计基于加速度、角速度、速度和进动的多维时间序列相似性度量的磨损预测方法。
【发明内容】
[0006]本发明的目的在于提出一种基于惯性测量参数的钻头磨损预测方法，把惯性导航技术与钻头测量技术结合在一起，对钻头的磨损程度及位置进行预测，实现及时预警。
[0007]为了实现上述目的，设计惯性随钻测量系统，对陀螺仪输出的角速度和加速度计输出加速度的进行信号处理和解算，得到加速度、角速度、速度信息。钻头磨损时会引起钻进速度、加速度、角速度等一系列的变化，还会导致自身力矩和外力矩会不平衡，造成钻头进动，在充分利用惯性测量单元提供的测量参数，设计基于钻速、加速度、角速度和进动的多维时间序列相似性度量的磨损预测方法。
[0008]惯性随钻测量系统包括信号采集模块、信号处理与预测模块和传输模块三部分部分。
[0009]信号采集模块包括三轴加速计、三轴陀螺仪、温度传感器和放大部分。考虑钻头所处的环境特别恶劣，需提高抗冲击能力和减小体积，传感器均采用MEMS固态传感器。
[0010]三轴加速度计用以测量钻头的三个轴向上的加速度信号，三轴陀螺仪用以测量钻头的三个轴向上的角速度，温度计用于陀螺仪和加速度计的温度补偿。[0011]信号处理与预测模块的功能包括信号处理和磨损预测。
[0012]信号处理:钻头的加速度和角速度信号进行温度补偿，进行小波滤波处理，然后通过加速度的积分得到速度信号7和位置信号P。
[0013]所述的磨损预测一基于加速度、角速度、速度和进动的多维时间序列相似性度量的磨损预测方法:把采集到的加速度信号、角速度信号和速度信号，每采集M长度数据为一段，取平均，来消除偶然误差。
[0014]对信号进行平稳性检验后，考虑加速度、角速度和速度时间序列之间的关联性，建立滑动自回归模型，进行模型参数估计和误差检验，把多维的时间序列转为一维时间序列。
[0015]把钻头磨损分为四个程度一新钻头、初期磨损、一般磨损和严重磨损，在钻探开始时采集的信号，即新钻头信号，逐渐可能会出现初期磨损信号，一般磨损信号和严重磨损信号。
[0016]把新钻头信号经过平均和AMA模型处理后，作为数据标准段ym.，即第I数据
段，后期采集的数据也经过平均和AEMA模型处理后，分成不同数据段ym,计算第i数据
段ym与第I段数据ym的欧氏距离
【权利要求】
1.基于惯性测量参数的钻头磨损预测方法，其特征在于把采集的加速度信号、角速度信号、速度信号，每采集长度数据为一段，取平均
2.基于惯性测量参数的钻头磨损预测方法，其特征在于对信号进行平稳性检验后，考虑加速度、角速度和速度时间序列的之间的关联性，根据滑动自回归模型建立户皿VlA(MjW),进行模型参数估计和误差检验，把多维的时间序列转为一维时间序列? 0?.)h >….?),其中！为不同的数据段。
3.基于惯性测量参数的钻头磨损预测方法，其特征在于把钻头磨损分为四个程度:新钻头、初期磨损、一般磨损和严重磨损，在钻探开始时采集到的信号，即新钻头信号，逐渐可能会出现初期磨损信号，一般磨损信号和严重磨损信号。
4.基于惯性测量参数的钻头磨损预测方法，其特征在于新钻头信号经过平均和AEMA模型处理后，作为数据标准段Λμ ,即第I数据段，后期采集的数据也经过平均和AlMA模型处理后，分成不同数据段,计算第i数据段.?*与第I段数据的欧氏距离
5.基于惯性测量参数的钻头磨损预测方法，其特征在于把4进行归一化处理，名e(0.1，0.3)为初期磨损，式e(0.4,0.6)为一般磨损，4 e(0.7,0.9)为严重磨损。
6.基于惯性测量参数的钻头磨损预测方法，其特征在于磨损规律的预测:递推计算第 数据段与第数据段的欧氏距离
7.根据权利要求6所述的基于惯性测量参数的钻头磨损预测方法，其特征在于如果^ i变化很微小，自动加大两数据段的间距，即:+ J ,递推计算第? + j数据段与第:数据段的欧氏距离
8.基于惯性测量参数的钻头磨损预测方法，其特征在于结合位置P和磨损变化，可预测那些地方磨损钻头厉害。
9.基于惯性测量参数的钻头磨损预测方法，其特征在于钻头不均匀磨损，自身力矩和外力矩都是不平衡的，根据旋转的钻头具有陀螺的特性——进动性，钻头产生进动，根据进动角速度计算磨损的角位置。
10.根据权利要求9所述的基于惯性测量参数的钻头磨损预测方法，其特征在于设置惯性随钻测量系统的坐标系统与钻头坐标系一致，在不发生进动的时候，钻头转速即为绕X轴的角速度；在不均匀磨损时，磨损的地方质量减少，虽然造成自身平衡不大，但会引起外力矩不平衡，产生绕Y轴和Z轴的角速度?^和％,根据进度角速度计算磨损的角位置，设与Y轴的角度即
【文档编号】G01N3/56GK103792155SQ201410066817
【公开日】2014年5月14日 申请日期:2014年2月27日 优先权日:2014年2月27日
【发明者】杨金显, 张颖, 陶慧, 陈超, 李志鹏 申请人:河南理工大学