论文部分内容阅读
钻井过程中,依据相关钻井工程参数对卡钻事故实现有效智能化识别,以及利用工作流建模对卡钻事故处置流程进行优化代表了钻井安全技术的前沿。开展这方面的研究具有重要的科学价值和研究意义。本文针对钻井过程中的卡钻事故进行了以下研究。(1)详细分析了钻井过程中各卡钻事故的发生原因、预防性措施和控制性措施。据此建立了粘吸卡钻、机械卡钻和循环卡钻的事故树和事件树。并从人、机、物、法、环五方面建立了卡钻事故预防性屏障,进而建立了卡钻事故Bow-tie模型,对卡钻事故有效辨识和处置提供指导。(2)将FCM(模糊c均值聚类)和GRNN(广义神经网络)结合,提出了对钻井过程卡钻事故进行智能识别的方法,建立了基于广义模糊神经网络的卡钻事故分类模型。以解决采用神经网络进行卡钻分类,在训练样本选择过程中有人为主观性。以及直接采用FCM法,随机聚类中心对FCM聚类结果的稳定性和精确性的影响。(3)在前述研究内容基础上,深入分析卡钻发生征兆和录井参数变化。提取崖城地区三大类卡钻事故的录井数据,并进行预处理分析。对所建模型进行实例应用。分类结果表明,改进后的方法较单独使用FCM进行卡钻分类,将原来粘吸卡钻的分类正确率由86.7%提高到100%,将机械卡钻的分类正确率由83.3%提高至93%。(4)考虑卡钻事故的总体处置过程和随机Petri网工作流建模的理论应用,建立了基于随机Petri网的卡钻事故处置流程模型。并利用T_-不变量和同构MC(马尔科夫链)对所建模型进行了有效性、安全性和活性的分析。(5)针对卡钻事故处置的复杂性,给予变迁不同模糊程度,利用马尔科夫快速转移矩阵求解所建模型的系统稳定状态概率。并对系统中库所繁忙率、空闲率、变迁利用率和系统平均时延进行定量分析,对处置流程中需要优化和改进的环节提出建议,从而提高卡钻事故处理效率,降低卡钻事故损失。