一种钻井工具面角自校正闭环控制方法

摘要

本发明涉及钻采机械领域，公开了一种钻井工具面角自校正闭环控制方法，包括：S1)采集输入数据及输出数据；S2)根据输入数据及输出数据建立CARMA模型；S3)将CARMA模型转换为最小二乘结构：设置增益矩阵L(t)和协方差矩阵P(t)，进行参数估计，获得满足要求的辨识参数；S5)建立控制目标函数，根据控制目标函数以及辨识参数对电机进行控制，得到所需的工具面角。本发明采用CARMA模型，解决了建立钻具系统数学模型变量不确定性及模型形式不确定性的问题；并通过递推最小二乘法在线进行参数动态调整，引入了C/A方程，能够将预测方程简化；实现滑动钻进过程对工具面的实时监控和自动控制。

权利要求

1.一种钻井工具面角自校正闭环控制方法，其特征在于，包括步骤：S1)采集输入数据及输出数据，所述输入数据为电机转速，所述输出数据为实时采集的工具面角；

S2)根据所述输入数据及所述输出数据建立CARMA模型；所述CARMA模型为‑1

A为单位滞后算子z 的第一常系数时不变多项式，B为单位滞后算‑1 ‑1 ‑d

子z 的第二常系数时不变多项式，C为单位滞后算子z 的第三常系数时不变多项式，z 表‑1 ‑na

示纯时延，d表示滞后量；A＝1+a1z +…+anaz ，na为输出的阶次，a1、…、ana分别为第一常系‑1 ‑nb

数时不变多项式的若干个系数；B＝b1z +…+bnbz ，nb为输入的阶次，b1、…、bnb分别为第二‑1 ‑nc

常系数时不变多项式的若干个系数；C＝c0+c1z +…+cncz ，nc为噪声的阶次，c0、c1、…、cnc分别为第三常系数时不变多项式的若干个系数，ξ(t)为标准正态分布的白噪声序列；

S3)将所述CARMA模型转换为最小二乘结构： 为观测向量，θ为辨识参数向量；

S4)设置增益矩阵L(t)和协方差矩阵P(t)，进行参数估计，获得最优辨识参数；

S5)建立控制目标函数，根据所述控制目标函数以及所述辨识参数对电机进行控制，得到所需的工具面角，返回步骤S1)。

2.根据权利要求1所述的一种钻井工具面角自校正闭环控制方法，其特征在于，步骤S3)中将所述CARMA模型转换为最小二乘结构： 包括步骤：S31)将所述CARMA模型转换成差分方程：y(t)+a1y(t‑1)+...+anay(t‑na)＝b1u(t‑d‑1)+...bnbu(t‑d‑nb)+c0ξ(t)+c1ξ(t‑1)+...

+cncξ(t‑nc)；d表示滞后量；

S32)根据所述差分方程获得观测向量 和辨识参数向量θ，T

θ＝(a1,...,ana,b1,...,bnb,c0,c1,...,cnc) 。

3.根据权利要求1或2所述的一种钻井工具面角自校正闭环控制方法，其特征在于，步骤S4)中设置增益矩阵L(t)和协方差矩阵P(t)，进行参数估计，包括步骤：S41)更新增益矩阵 t0为遗忘因子，0

S42)计算t时刻需要进行辨识的辨识参数向量S44)设置递推条件，包括步骤：S441)按递推顺序获取进行n次的辨识参数向量S442)对每次获取的辨识参数向量计算相对变化量S443)按递推时间顺序依次获得最近n次的辨识参数向量的相对变化量结果：ωj、ωj‑1、…、ωj‑n，ωj表示当前进行递推的辨识参数向量相对变化量，ωj‑1表示上一次进行递推时的辨识参数向量相对变化量；

S444)计算相对变化量均值 设置低阈值ε，判断 是否小于低阈值ε，若是，则获得最优辨识参数，若否，则进入步骤S43)；

S43)更新协方差矩阵 返回步骤S41)。

4.根据权利要求3所述的一种钻井工具面角自校正闭环控制方法，其特征在于，步骤S4)中还包括对辨识参数向量、协方差矩阵以及遗忘因子t0分别设置初值， P(0)＝p0I，p0为大实数，I为单位矩阵。

5.根据权利要求2或4所述的一种钻井工具面角自校正闭环控制方法，其特征在于，步骤S5)中建立控制目标函数，根据所述控制目标函数以及所述辨识参数对电机进行控制，包括步骤：

S51)设置 方程： F为与 方程相关的第一常系数时不变多项式，G为与方程相关的第二常系数时不变多项式；

‑1 ‑d+1 ‑1 ‑n+1F＝1+f1z +...+fd‑1z ，G＝g0+g1z +...+gn‑1z ；f1、…、fd‑1分别为与 方程相关的第一常系数时不变多项式的若干个系数，g0、g1、…、gn‑1分别为与 方程相关的第二常系数时不变多项式的若干个系数；

S52)将a1,...,ana,b1,...,bnb,c1,...,cnc从步骤S4)获得的最优辨识参数向量中分离出来并代入相应的常系数时不变多项式A、B和C中；获得满足 方程的F和G；

S53)将到t时刻为止的所有输入输出观测数据记为{Y,U}＝{y(t),y(t‑1),...,u(t),u(t‑1),...}，基于{Y,U}对t+d时刻实际输出工具面角y(t+d)进行预测；

S54)获得使预测误差方差最小的d步最优预测值2

S55)建立控制目标函数Jmin＝Emin{|y(t+d)‑yr|}，使实际输出工具面角y(t+d)与希望输出工具面角yr之间的方差最小；

*

S56)令yr＝y(t+d|t)，获得电机控制量

说明书

一种钻井工具面角自校正闭环控制方法

技术领域

[0001] 本发明涉及钻采机械领域，尤其涉及一种钻井工具面角自校正闭环控制方法。

背景技术

[0002] 在定向井钻井作业过程中，要保证实钻的井眼轨迹贴近设计的井眼轨道，现场工程技术人员，需要有丰富经验。在滑动模式下，首先要将钻柱提离井底并停止旋转，然后定
向司钻才能通过摆工具面使井下马达弯头的朝向指向井眼轨迹设计所需的方向。摆工具面
需要考虑钻头扭矩、钻柱反扭矩以及钻柱和井壁之间的摩阻，所以司钻要在地面上缓缓旋
转钻柱，然后参考MWD测量的工具面变化。在较深井眼里，钻柱会吸收大量的扭矩，地面可能
旋转几圈后井底的工具才转一圈。当合适的工具面被确认后，司钻会启动井下马达开始沿
着目标方向滑动钻进。由于钻头切入地层产生的反扭矩会使工具面左右摆动，所以有时需
反复调整工具面的方向。显然，这种靠司钻经验的摆工具面方式会影响钻井进度，增加钻井
成本，易发生工具面漂移、托压问题。

[0003] 比如，国家专利文献CN109098659A，公开了“一种滑动钻井工具面调整方法”，该发明步骤为：a)钻井参数采集；b)根据井眼轨迹要求，确定工具面中值φ及工具面波动范围δ
φ；c)完成防托压定向工具面调整的参数调试，拟合出扭矩‑角速度曲线；d)根据扭矩‑角速
度曲线，调试井口工具旋转钻柱的能量参数，系统自动选择钻柱旋转的步骤，进行防托压定
向钻井；e)持续更新扭矩‑角速度曲线，结合钻井参数曲线系列，优化钻井参数。该发明在拟
合扭矩‑角速度曲线的具体步骤中，需要人工监测定向工具面变化情况，确认工具面顺时针
转动或逆时针转动，计算工具面转动角速度。然而通过人为方式进行钻井工具面调整，误差
大，易发生工具面漂移、托压情况。

发明内容

[0004] 本发明的目的在于提供一种钻井工具面角自校正闭环控制方法，从而解决现有技术中存在的前述问题。

[0005] 为了实现上述目的，本发明采用的技术方案如下：

[0006] 一种钻井工具面角自校正闭环控制方法，包括步骤：

[0007] S1)采集输入数据及输出数据，输入数据为电机转速，输出数据为实时采集的工具面角；

[0008] S2)根据输入数据及所述输出数据建立CARMA模型；

[0009] S3)将CARMA模型转换为最小二乘结构： 为观测向量，θ为辨识参数向量；

[0010] S4)设置增益矩阵L(t)和协方差矩阵P(t)，进行参数估计，获得满足要求的辨识参数；

[0011] S5)建立控制目标函数，根据控制目标函数以及辨识参数对电机进行控制，得到所需的工具面角，返回步骤S1)。

[0012] 由于钻具系统不能够建立精确的数学模型，所以本发明采用自适应辨识模型进行辨识控制，CARMA模型为受控自回归滑动平均模型，根据系统的输入(电机转速)和系统的输
出(实时采集的工具面角)实时变化，实时地辨识对象模型。

[0013] 进一步的，步骤S2)中CARMA模型为 A、B和C均为单位滞后‑1 ‑d ‑1 ‑na
算子z 的常系数时不变多项式，z 表示纯时延，d表示滞后量，A＝1+a1z +…+anaz ，na为输
‑1 ‑nb ‑1 ‑nc
出的阶次，B＝b1z +…+bnbz ，b0≠0，nb为输入的阶次，C＝c0+c1z +…+cncz ，nc为噪声的
阶次，ξ(t)为标准正态分布的白噪声序列。

[0014] 进一步的，步骤S3)中将CARMA模型转换为最小二乘结构： 包括步骤：

[0015] S31)将CARMA模型转换成差分方程：

[0016] y(t)+a1y(t‑1)+...+anay(t‑na)＝b1u(t‑d‑1)+...bnbu(t‑d‑nb)+c0ξ(t)+c1ξ(t‑1)+...+cncξ(t‑nc)；

[0017] S32)根据差分方程获得观测向量 和辨识参数向量θ，

[0018]

[0019] θ＝(a1,...,ana,b1,...,bnb,c0,c1,...,cnc)T。

[0020] 本发明在辨识过程中考虑了噪声模型的参数，噪声为具有有理谱密度的零均值平稳序列，即采用了白噪声序列，适用于CARMA模型。

[0021] 进一步的，步骤S4)中设置增益矩阵L(t)和协方差矩阵P(t)，进行参数估计，包括步骤：

[0022] S41)更新增益矩阵 t0为遗忘因子，0

[0023] S42)计算t时刻需要进行辨识的辨识参数向量

[0024]

[0025] S44)设置递推条件，包括步骤：

[0026] S441)按递推顺序获取进行n次的辨识参数向量

[0027] S442)对每次获取的辨识参数向量计算相对变化量

[0028] S443)按递推时间顺序依次获得最近n次的辨识参数向量的相对变化量结果：ωj、ωj‑1、…、ωj‑n，ωj表示当前进行递推的辨识参数向量相对变化量，ωj‑1表示上一次进行递
推时的辨识参数向量相对变化量；

[0029] S444)计算相对变化量均值 设置低阈值ε，判断 是否小于低阈值ε，若是，则获得最优辨识参数，若否，则进入步骤S43)；

[0030] S43)更新协方差矩阵 返回步骤S41)。

[0031] 本发明进行参数估计过程中采用了递推最小二乘法，利用递推最小二乘法具有无偏性、有效性以及一致性的特点，根据最新得到的钻井输入及输出数据，在原有参数估计值
的基础上，对预测误差 乘上增益矩阵L(t)，不同程度地修正辨识参数向
量中的每个辨识参数，进行动态参数调整，这样不断地递推更新，最后得到最优辨识参数。
递推最小二乘法为在线算法，能够在线跟踪被估计参数，而一般最小二乘递推估计算法缺
少在线跟踪被估计参数的功能，本发明相对于一般最小二乘递推估计算法，实用性更强。另
外，本发明通过设置遗忘因子t0，增加了新测的数据的作用，相对地减少了旧的历史数据的
影响，使得参数估计过程随着数据的累积，更多地依靠当前数据，从而遗忘旧的历史数据，
减少旧的历史数据对建模的影响，更好地适应参数的变化。

[0032] 进一步的，步骤S4)中还包括对辨识参数向量、协方差矩阵以及遗忘因子t0分别设置初值， P(0)＝p0I，p0为大实数，I为单位矩阵。

[0033] 对辨识参数向量 和协方差矩阵P(t)需要设置初值。还有另外一种方法：先取最初N组数据，包括N个观测向量 和对应的输出值y，再对参数进行成批处理，
以此作为初值，再从N+1时
刻进行递推计算。而本发明将辨识参数向量 的初值设置为0，p0为充分大的实数，这样的
设置使得本发明相对于另外一种方法，递推过程计算量小，便于应用。

[0034] 进一步的，步骤S5)中建立控制目标函数，根据所述控制目标函数以及所述辨识参数对电机进行控制，包括步骤：

[0035] S51)设置 方程：

[0036] F＝1+f1z‑1+...+fd‑1z‑d+1，G＝g0+g1z‑1+...+gn‑1z‑n+1；

[0037] S52)将a1,...,ana,b1,...,bnb,c1,...,cnc从步骤S4)获得的最优辨识参数向量中分离出来并代入相应的常系数时不变多项式A、B和C中；获得满足 方程的F和G；

[0038] S53)将到t时刻为止的所有输入输出观测数据记为{Y,U}＝{y(t),y(t‑1),...,u(t),u(t‑1),...}，基于{Y,U}对t+d时刻实际输出工具面角y(t+d)进行预测；

[0039] S54)获得使预测误差方差最小的d步最优预测值

[0040]

[0041] S55)建立控制目标函数Jmin＝Emin{|y(t+d)‑yr|2}，使实际输出工具面角y(t+d)与希望输出工具面角yr之间的方差最小；
*

[0042] S56)令yr＝y (t+d|t)，获得电机控制量

[0043] 本发明采用了最小方差自校正控制解决定向井钻作业工程中对工具面角进行控制的问题，由于钻井作业存在纯时延，当前的控制作用要滞后于采样周期才能影响输出。因
此，要使输出方差最小，就需要提前步对输出量做出预测，然后，根据所得的预测值来设计
所需的控制。然后通过连续不断的预测和控制，就能保证稳态输出方差最小。本发明引入了
*
方程，进行最优d步预测，获得使预测误差方差最小的d步最优预测值yr＝y(t+d|t)，最后
获得电机控制量u(t)，通过电机控制量u(t)对电机进行控制，从而获得需要的工具面角。

[0044] 本发明的有益效果是：本发明采用CARMA模型，根据系统的输入(电机转速)和系统的输出(实时采集的工具面角)实时变化，实时地辨识对象模型，解决了建立钻具系统数学
模型变量不确定性及模型形式不确定性的问题；并通过递推最小二乘法在线进行参数动态
调整，获得最优参数，针对被控对象模型受随机扰动，致使模型参数变化，进行实时的辨识
出模型参数；本发明引入的C/A方程，能够将预测方程简化，以便进行求解；通过d步最优控
制，避免了控制量输出过大，系统失衡。

附图说明

[0045] 图1是实施例一获得最优辨识参数的流程示意图。

[0046] 图2是实施例一控制框图。

具体实施方式

[0047] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于
限定本发明。

[0048] 实施例一，一种钻井工具面角自校正闭环控制方法，包括步骤：

[0049] S1)采集输入数据及输出数据，输入数据为电机转速，输出数据为实时采集的工具面角；

[0050] S2)根据输入数据及所述输出数据建立CARMA模型；CARMA模型为‑1 ‑d
A、B和C均为单位滞后算子z 的常系数时不变多项式，z 表示纯时
‑1 ‑na ‑1 ‑nb
延，d表示滞后量，A＝1+a1z +…+anaz ，na为输出的阶次，B＝b1z +…+bnbz ，b0≠0，nb为
‑1 ‑nc
输入的阶次，C＝c0+c1z +…+cncz ，nc为噪声的阶次，ξ(t)为标准正态分布的白噪声序列。

[0051] S3)将CARMA模型转换为最小二乘结构： 为观测向量，θ为辨识参数向量；包括步骤：

[0052] S31)将CARMA模型转换成差分方程：

[0053] y(t)+a1y(t‑1)+...+anay(t‑na)＝b1u(t‑d‑1)+...bnbu(t‑d‑nb)+c0ξ(t)+c1ξ(t‑1)+...+cncξ(t‑nc)；

[0054] S32)根据差分方程获得观测向量 和辨识参数向量θ，

[0055]

[0056] θ＝(a1,...,ana,b1,...,bnb,c0,c1,...,cnc)T。

[0057] S4)设置增益矩阵L(t)和协方差矩阵P(t)，进行参数估计，如图1所示，包括步骤：

[0058] S40)对辨识参数向量、协方差矩阵以及遗忘因子t0分别设置初值， P(0)＝p0I，p0为大实数，I为单位矩阵；

[0059] S41)更新增益矩阵 t0为遗忘因子，0

[0060] S42)计算需要进行辨识的辨识参数向量

[0061]

[0062] S44)设置递推条件，包括步骤：

[0063] S441)按递推顺序获取进行n次的辨识参数向量

[0064] S442)对每次获取的辨识参数向量计算相对变化量

[0065] S443)按递推时间顺序依次获得最近n次的辨识参数向量的相对变化量结果：ωj、ωj‑1、…、ωj‑n，ωj表示当前进行递推的辨识参数向量相对变化量，ωj‑1表示上一次进行递
推时的辨识参数向量相对变化量；

[0066] S444)计算相对变化量均值 设置低阈值ε，判断 是否小于低阈值ε，若是，则获得最优辨识参数，若否，则进入步骤S43)；

[0067] S43)更新协方差矩阵 返回步骤S41)。

[0068] 获得满足要求的辨识参数。

[0069] S5)建立控制目标函数，根据控制目标函数以及辨识参数对电机进行控制，钻具系统的控制框图如图2所示，包括步骤：

[0070] S51)设置 方程：

[0071] F＝1+f1z‑1+...+fd‑1z‑d+1，G＝g0+g1z‑1+...+gn‑1z‑n+1；

[0072] S52)将a1,...,ana,b1,...,bnb,c1,...,cnc从步骤S4)获得的最优辨识参数向量中分离出来并代入相应的常系数时不变多项式A、B和C中；获得满足 方程的F和G；

[0073] S53)将到t时刻为止的所有输入输出观测数据记为{Y,U}＝{y(t),y(t‑1),...,u(t),u(t‑1),...}，基于{Y,U}对t+d时刻实际输出工具面角y(t+d)进行预测；

[0074] S54)获得使预测误差方差最小的d步最优预测值

[0075]

[0076] S55)建立控制目标函数Jmin＝Emin{|y(t+d)‑yr|2}，使实际输出工具面角y(t+d)与希望输出工具面角yr之间的方差最小；
*

[0077] S56)令yr＝y (t+d|t)，获得电机控制量

[0078] 得到所需的工具面角，返回步骤S1)。

[0079] 通过采用本发明公开的上述技术方案，得到了如下有益的效果：

[0080] 本发明提供了一种基于最小方差自校正的工具面闭环控制算法，通过本发明能够自动判断井下工具面的偏移情况并且发送指令至顶驱，实现滑动钻进过程对工具面的实时
监控和自动控制。

[0081] 以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本
发明的保护范围。