姜 杰，霍宇翔，張顥曦，楊蘭英，唐 忠，李 謙

(1.成都理工大學(xué) 機(jī)電工程學(xué)院，四川 成都 610059；2.成都理工大學(xué) 地質(zhì)災(zāi)害防治與地質(zhì)環(huán)境保護(hù)國家重點(diǎn)實(shí)驗(yàn)室，四川 成都 610059)

習(xí)近平總書記在全國科技大會上指出“向地球深部進(jìn)軍是必須解決的戰(zhàn)略科技問題”，把深地資源科技創(chuàng)新提升到關(guān)系國家發(fā)展大局的戰(zhàn)略高度[1]。鉆探是隱蔽的地下空間工程，鉆進(jìn)過程中經(jīng)常會遇到地應(yīng)力集中、地層壓力異常、地層破碎、地層蠕變縮徑、高礦化度(高密度)等復(fù)雜地質(zhì)條件[2]，鉆進(jìn)機(jī)具在這樣一個復(fù)雜且高度狹窄、環(huán)境變量多變的隱蔽空間中工況異常惡劣，導(dǎo)致整個鉆進(jìn)過程效率低，鉆進(jìn)成本高，鉆進(jìn)質(zhì)量低，鉆進(jìn)事故頻發(fā)。

以往地質(zhì)鉆探過程狀態(tài)監(jiān)測多采用總線技術(shù)將鉆進(jìn)監(jiān)測設(shè)備連接起來，并將采集的監(jiān)測數(shù)據(jù)集中在顯示屏上形成局域網(wǎng)絡(luò)控制，導(dǎo)致鉆進(jìn)信息來源多樣，數(shù)據(jù)類型不統(tǒng)一，數(shù)據(jù)利用效率低，鉆進(jìn)過程狀態(tài)實(shí)時獲取困難等問題。隨著新一代信息技術(shù)，包括云計算、混合現(xiàn)實(shí)、物聯(lián)網(wǎng)和信息物理系統(tǒng)等技術(shù)的迅速發(fā)展，在地質(zhì)鉆探和石油工程領(lǐng)域，許多國內(nèi)外學(xué)者和公司都開展了鉆進(jìn)過程狀態(tài)監(jiān)測技術(shù)研究，部分研究結(jié)果已得到了工程應(yīng)用。

目前鉆進(jìn)過程狀態(tài)監(jiān)測技術(shù)的研究熱點(diǎn)主要圍繞3 個方面：(1)鉆進(jìn)地層的智能可鉆性預(yù)判研究。地層的可鉆性是表征地層被鉆難易程度的綜合指標(biāo)，是預(yù)判鉆探過程的核心參數(shù)。根據(jù)分析數(shù)據(jù)的來源和方法，可鉆性的預(yù)判可劃分為試驗(yàn)分析法[3]、統(tǒng)計分析法[4]和機(jī)器學(xué)習(xí)分析法[5]。其中，基于機(jī)器學(xué)習(xí)的可鉆性預(yù)判已成為當(dāng)前研究熱點(diǎn)，國內(nèi)外研究人員在采用各種機(jī)器學(xué)習(xí)優(yōu)化算法建立預(yù)測模型并獲得預(yù)測分析結(jié)果方面取得了一定成果，但如何提高地層可鉆性預(yù)測的適應(yīng)性和準(zhǔn)確性，將其有機(jī)地融入鉆進(jìn)過程監(jiān)測與控制中仍是地層預(yù)測的下一步研究方向。(2)數(shù)據(jù)驅(qū)動的鉆進(jìn)過程工況識別方法研究。通過隨鉆收集的測量參數(shù)進(jìn)行數(shù)據(jù)處理及定性分析，診斷可能發(fā)生的事故類型并進(jìn)行參數(shù)優(yōu)化決策。目前比較常用的數(shù)據(jù)驅(qū)動工況識別方法主要有基于機(jī)器學(xué)習(xí)的方法[6-8]，多傳感器信息融合方法[9]，多Agent 方法[10]及多元統(tǒng)計分析方法[11]，其中機(jī)器學(xué)習(xí)的方法最常用，國內(nèi)外研究人員在基于機(jī)器學(xué)習(xí)算法進(jìn)行事故預(yù)判及參數(shù)優(yōu)化方面取得了不錯的研究進(jìn)展，但在鉆進(jìn)過程中根據(jù)實(shí)時鉆進(jìn)數(shù)據(jù)進(jìn)行鉆進(jìn)過程工況的識別和預(yù)測方面仍具有較大研究空間。(3)鉆速的智能預(yù)測與優(yōu)化控制研究。建立鉆速預(yù)測模型是實(shí)現(xiàn)鉆進(jìn)過程控制科學(xué)化、智能化的重要前提，已然成為國內(nèi)外鉆進(jìn)過程控制的研究重點(diǎn)。鉆速預(yù)測模型的建立方法也主要劃分為機(jī)理分析法[12]與機(jī)器學(xué)習(xí)法[13-14]。當(dāng)前研究主要圍繞將常用優(yōu)化算法應(yīng)用到參數(shù)擬合過程中對傳統(tǒng)模型進(jìn)行優(yōu)化，但在如何提高鉆進(jìn)優(yōu)化控制的準(zhǔn)確性和實(shí)時性等方面，仍有待進(jìn)一步研究。上述研究雖然各自進(jìn)步較快但較為獨(dú)立和分離，如何將其有效整合，利用鉆進(jìn)過程中采集的數(shù)據(jù)，進(jìn)行鉆進(jìn)工況識別，從而提高鉆進(jìn)效率，使整個鉆進(jìn)過程具有自主分析、決策和執(zhí)行能力，是智能鉆探技術(shù)有待解決的難題。

數(shù)字孿生[14-16]作為信息物理系統(tǒng)融合領(lǐng)域的新技術(shù)，是一種集成多模型、大數(shù)據(jù)、跨學(xué)科的數(shù)據(jù)驅(qū)動技術(shù)，目前已經(jīng)在產(chǎn)品設(shè)計制造[17-18]、車間運(yùn)行[19-20]、航空航天[21-22]、煤炭數(shù)字化綜采[23-25]、石油化工[26]等領(lǐng)域得到應(yīng)用。筆者通過對基于數(shù)字孿生的智能鉆探服務(wù)平臺架構(gòu)、運(yùn)行模式與平臺實(shí)現(xiàn)進(jìn)行研究，利用鉆進(jìn)過程不同時段獲取的時序監(jiān)測數(shù)據(jù)驅(qū)動在虛擬空間中構(gòu)建鉆進(jìn)過程數(shù)字孿生模型，實(shí)現(xiàn)信息空間中鉆進(jìn)全過程模擬。鉆探數(shù)字孿生模型對鉆進(jìn)過程、地層環(huán)境和鉆機(jī)設(shè)備等參數(shù)進(jìn)行實(shí)時采集，采用虛擬仿真技術(shù)和孿生數(shù)據(jù)驅(qū)動技術(shù)，實(shí)現(xiàn)鉆進(jìn)過程工況動態(tài)仿真及鉆進(jìn)事故預(yù)測分析及決策，并通過智能鉆進(jìn)控制系統(tǒng)對鉆進(jìn)過程參數(shù)進(jìn)行實(shí)時控制，更有效、快速地對鉆進(jìn)過程事故進(jìn)行預(yù)測、分析及決策，以期提高鉆進(jìn)過程的效率和可靠性。

1 鉆探時序數(shù)據(jù)特征與驅(qū)動方法

1.1 數(shù)據(jù)特征

隨著實(shí)時監(jiān)測技術(shù)的高速發(fā)展，當(dāng)前地質(zhì)鉆探施工過程中可以采集大量的數(shù)據(jù)，包括地表設(shè)備數(shù)據(jù)、隨鉆測量數(shù)據(jù)、鉆進(jìn)工藝數(shù)據(jù)等，但受數(shù)據(jù)產(chǎn)生位置深埋地下、數(shù)據(jù)傳輸速度等因素的影響，除地表設(shè)備之外的數(shù)據(jù)都無法實(shí)時采集，致使其時序特征極其明顯。按照數(shù)據(jù)產(chǎn)生的時間序列將數(shù)據(jù)分為事前數(shù)據(jù)、實(shí)時數(shù)據(jù)、延時數(shù)據(jù)、遲到數(shù)據(jù)4 類，如圖1 所示。

圖1 鉆探數(shù)據(jù)類型及延遲時間Fig.1 Drilling data types and delay time

其中，事前數(shù)據(jù)主要由歷史經(jīng)驗(yàn)數(shù)據(jù)和鉆進(jìn)機(jī)具工藝參數(shù)組成。事前數(shù)據(jù)是建立鉆探數(shù)字孿生模型的基礎(chǔ)數(shù)據(jù)，在孔底破碎前就已收集完成。另外3 類數(shù)據(jù)是在鉆進(jìn)過程中產(chǎn)生的，實(shí)時數(shù)據(jù)主要指地表設(shè)備的實(shí)時監(jiān)測數(shù)據(jù)，這些數(shù)據(jù)在孔底破碎的時刻t0發(fā)生，響應(yīng)時間極短，在t1時刻即可獲得。延時數(shù)據(jù)主要指通過隨鉆測量裝置傳輸?shù)牟糠挚變?nèi)隨鉆測量數(shù)據(jù)，隨鉆傳輸速度不穩(wěn)定使得部分?jǐn)?shù)據(jù)出現(xiàn)延時，這些數(shù)據(jù)在孔底破碎的時刻t0發(fā)生，響應(yīng)時間較長，在t2時刻獲得。遲到數(shù)據(jù)主要指部分由巖屑提供的數(shù)據(jù)，這些數(shù)據(jù)需要跟隨巖屑由鉆井液攜帶至地表，受巖屑與鉆井液組成的多相流流態(tài)不穩(wěn)定及巖屑在鉆井液中相對運(yùn)動的影響，數(shù)據(jù)必然存在偏差，這些數(shù)據(jù)在孔底破碎的時刻t0發(fā)生，響應(yīng)時間長，在t3時刻獲得。最后將t0時刻采集的實(shí)物巖心提至地表，巖心數(shù)據(jù)應(yīng)為標(biāo)定數(shù)據(jù)，以實(shí)物巖心采集的數(shù)據(jù)作為標(biāo)尺，對延時數(shù)據(jù)和遲到數(shù)據(jù)進(jìn)行關(guān)聯(lián)。4 類數(shù)據(jù)都進(jìn)入鉆探數(shù)據(jù)融合平臺，驅(qū)動數(shù)字孿生模型，并實(shí)現(xiàn)相關(guān)應(yīng)用。4 類數(shù)據(jù)包含的具體參數(shù)類型，見表1。

表1 參數(shù)信息Table 1 Drilling parameters

1.2 數(shù)據(jù)采集與傳輸

在現(xiàn)場實(shí)際數(shù)據(jù)采集中，監(jiān)測數(shù)據(jù)來自不同廠家的多種傳感器，數(shù)據(jù)結(jié)構(gòu)的明顯差異，在匯總前呈現(xiàn)為多源異構(gòu)特征。本研究在廠家提供的數(shù)據(jù)字典基礎(chǔ)上，確定各類傳感器傳輸數(shù)據(jù)的具體結(jié)構(gòu)，建立不同數(shù)據(jù)有效信息的對應(yīng)關(guān)系。在此基礎(chǔ)上，對采集的元數(shù)據(jù)進(jìn)行統(tǒng)一規(guī)范化處理，實(shí)現(xiàn)采集數(shù)據(jù)的初步清洗過程，并根據(jù)數(shù)據(jù)類型將其存放在不同的數(shù)據(jù)庫中。

延時數(shù)據(jù)和遲到數(shù)據(jù)通過鉆桿、泥漿脈沖、沖洗液多相流等傳輸方式傳遞到地表，地表設(shè)備監(jiān)測采用無線連接，遠(yuǎn)程接收裝置采用DSP 構(gòu)建遠(yuǎn)程主控單元，利用DSP 信號處理能力，對接收到的信號進(jìn)行陣列處理以有效地提高遠(yuǎn)程接收系統(tǒng)的處理增益，將處理結(jié)果通過ZigBee 協(xié)議發(fā)送至場地接收機(jī)。場地接收機(jī)只需添加RS232 通信模塊和ZigBee 協(xié)議模塊即可。遠(yuǎn)程接收裝置可將遠(yuǎn)程的傳感器陣列接受的微弱電磁信號傳輸至場地接收機(jī)，完成遠(yuǎn)程信息的采集、接收和處理功能。在按照時序數(shù)據(jù)特征標(biāo)定后，數(shù)據(jù)從采集、傳輸?shù)酱鎯χ翑?shù)據(jù)庫整體流程如圖2 所示。

圖2 地質(zhì)鉆探數(shù)據(jù)采集與傳輸Fig.2 Acquisition and transmission of geological drilling data

1.3 鉆進(jìn)時序數(shù)據(jù)關(guān)聯(lián)與融合方法

根據(jù)當(dāng)前的鉆進(jìn)施工事前數(shù)據(jù)，總結(jié)事故出現(xiàn)時地表數(shù)據(jù)的實(shí)時響應(yīng)，但是由于傳感器、地層環(huán)境、傳輸條件過于復(fù)雜等原因，導(dǎo)致漏報、誤報等問題的出現(xiàn)，所以必須依靠延遲數(shù)據(jù)和遲到數(shù)據(jù)，并利用相關(guān)方法對各類數(shù)據(jù)進(jìn)行關(guān)聯(lián)與融合，實(shí)現(xiàn)精確分析鉆進(jìn)工況，對可能出現(xiàn)的鉆進(jìn)事故進(jìn)行合理決策，如圖3 所示。

圖3 面向工況識別與事故預(yù)測的鉆進(jìn)時序數(shù)據(jù)模型Fig.3 Drilling time series data model for condition recognition and accident prediction

1)基于事前數(shù)據(jù)的典型工況時序數(shù)據(jù)特征分析

地質(zhì)鉆探是一項(xiàng)具有高度風(fēng)險的隱蔽性工程，鉆具在狹小、對象復(fù)雜、環(huán)境多變的隱蔽空間中完成鉆進(jìn)，無法避免孔內(nèi)問題的發(fā)生，孔內(nèi)問題主要包括鉆進(jìn)事故和鉆進(jìn)質(zhì)量不足兩類。鉆進(jìn)事故是指在施工過程中，發(fā)生孔內(nèi)故障而中斷正常鉆進(jìn)的情況，典型事故如鉆具變形、斷鉆具、卡鉆、埋鉆和燒鉆等。鉆進(jìn)質(zhì)量不足指地質(zhì)鉆探施工未達(dá)到相應(yīng)的技術(shù)要求，典型指標(biāo)如取心率未達(dá)到要求、鉆進(jìn)速度慢無法滿足工期和經(jīng)濟(jì)要求等。根據(jù)當(dāng)前的鉆進(jìn)施工事前數(shù)據(jù)，總結(jié)與典型工況相關(guān)的各類數(shù)據(jù)及變化趨勢，典型鉆進(jìn)問題的時序特征見表2。

表2 典型鉆進(jìn)工況的時序數(shù)據(jù)及特征變化趨勢Table 2 Time series data and characteristic change trend of typical drilling conditions

2)基于神經(jīng)網(wǎng)絡(luò)的鉆進(jìn)實(shí)時數(shù)據(jù)異常預(yù)測

通過已有事前數(shù)據(jù)分析建立的典型工況，需要判斷實(shí)時采集數(shù)據(jù)的異常。由于地質(zhì)鉆探狀態(tài)與時序數(shù)據(jù)特征關(guān)系明顯，實(shí)時數(shù)據(jù)會呈現(xiàn)突變、緩變、波動等特征，對于突變和緩變的異常數(shù)據(jù)的判別，可以采取不同時間間隔的辦法對數(shù)據(jù)進(jìn)行處理，短時間間隔內(nèi)的數(shù)據(jù)處理可以較好地體現(xiàn)鉆進(jìn)參數(shù)的突變特性，長時間間隔可以較好地體現(xiàn)鉆進(jìn)參數(shù)的緩變特性，由此綜合描述數(shù)據(jù)的波動特征，在此基礎(chǔ)上再利用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行識別。假設(shè)鉆進(jìn)過程的數(shù)據(jù)采樣周期為 ΔT，短時間間隔定義為Ts，長時間間隔定義為TL，長時間間隔TL=nTsi，即把TL等分為n個短間隔Tsi：TL={Tsn,Ts(n-1),···,Ts1} 。長時數(shù)據(jù)的時間順序?yàn)椋篢sn→Ts(n-1)→···→T1。再把短時間間隔分為m個實(shí)時間隔 ΔT：Ts={ΔTm,ΔTm-1,···,ΔT1}，短時數(shù)據(jù)的時間順序?yàn)椋害m→ΔTm-1→···→ΔT1。長時間間隔TL內(nèi)采集的數(shù)據(jù)可以分析實(shí)時鉆進(jìn)參數(shù)的緩變狀態(tài)，而短時間間隔可以分析實(shí)時鉆進(jìn)參數(shù)的突變動態(tài)特征。根據(jù)系統(tǒng)要求和現(xiàn)場條件對 ΔT、Ts、TL進(jìn)行取值。

每一口地質(zhì)鉆井通過鉆進(jìn)監(jiān)測系統(tǒng)記錄的數(shù)據(jù)，數(shù)據(jù)量可能達(dá)到上萬甚至十幾萬條，結(jié)合典型的實(shí)時數(shù)據(jù)類型6 個輸入?yún)?shù)(x1—x6)預(yù)測鉆進(jìn)事故和鉆進(jìn)質(zhì)量是一個多變量非線性擬合問題。神經(jīng)網(wǎng)絡(luò)在求解類似問題時具有極高的精度，因此選擇廣泛使用的神經(jīng)網(wǎng)絡(luò)算法對鉆進(jìn)事故和鉆進(jìn)質(zhì)量不足進(jìn)行預(yù)測，神經(jīng)網(wǎng)絡(luò)包括3 層，分別為輸入層、隱含層和輸出層，每一層都包含幾個神經(jīng)元，相鄰層的神經(jīng)元相互連接，但不在同一層。輸入層和輸出層的神經(jīng)元數(shù)量分別等于輸入變量和輸出變量的數(shù)量，圖4 為所建立的神經(jīng)網(wǎng)絡(luò)預(yù)測模型拓?fù)浣Y(jié)構(gòu)示意圖，圖中的x1—x6為神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸入層神經(jīng)元，由實(shí)時數(shù)據(jù)中的6 個參數(shù)組成，這些神經(jīng)元不需要進(jìn)行任何計算，只傳遞數(shù)據(jù)。h5-h10為預(yù)測模型的隱含層神經(jīng)元，隱含層神經(jīng)元不與外界直接連接，而是通過前面的輸入層和后面的輸出層與外界間接相連，圖中只有一層隱含層共6 個神經(jīng)元，在實(shí)際建模過程中可以設(shè)置多個隱含層，也可根據(jù)情況調(diào)整隱含層神經(jīng)元的個數(shù)。在隱含層中需要執(zhí)行計算，將輸入層傳入的數(shù)據(jù)經(jīng)過權(quán)值加和，并將加和結(jié)果通過隱含層中的激活函數(shù)進(jìn)一步計算最終傳到輸出層。y1—y4為輸出層神經(jīng)元，即神經(jīng)網(wǎng)絡(luò)模型的最終預(yù)測結(jié)果，由隱含層計算結(jié)果進(jìn)一步權(quán)值加和計算得到。

圖4 神經(jīng)網(wǎng)絡(luò)預(yù)測模型Fig.4 Neural network prediction model

3)基于時序演進(jìn)融合的鉆進(jìn)延時數(shù)據(jù)和遲到數(shù)據(jù)分析

需要進(jìn)行時序演進(jìn)融合的延時數(shù)據(jù)和遲到數(shù)據(jù)，主要包括隨鉆測量數(shù)據(jù)、鉆井液監(jiān)測數(shù)據(jù)、巖屑分析數(shù)據(jù)3 類。隨鉆測量主要分為有線傳輸和無線傳輸，無線傳輸主要依靠泥漿連續(xù)波，而泥漿密度和固相含量決定了數(shù)據(jù)的傳輸速度。鉆井液上返運(yùn)動規(guī)律受自身流動特性控制，通過理論遲到時間公式[27]計算。與鉆井液一起上返的巖屑，受孔底重復(fù)破碎和多相流中固體顆粒不斷下沉作用的影響，導(dǎo)致遲到時間增加。其中下沉速度受巖屑的尺寸和形狀影響，重復(fù)破碎的程度受鉆壓、鉆頭切削具磨損程度和鉆井液的流速影響，相關(guān)指標(biāo)可通過巖石機(jī)械破碎模型和多相環(huán)狀流動模型獲取。將鉆進(jìn)延時數(shù)據(jù)和遲到數(shù)據(jù)與實(shí)時數(shù)據(jù)進(jìn)行比較，檢測多參數(shù)異常，確定孔內(nèi)地層、鉆具和循環(huán)介質(zhì)的工作狀態(tài)，并將其作為鉆孔可靠度判據(jù)，識別孔底出現(xiàn)非正常鉆進(jìn)的情況，及時預(yù)警可能出現(xiàn)的事故類型，并通過鉆進(jìn)可調(diào)整施工參數(shù)，在鉆進(jìn)過程中進(jìn)行延時干預(yù)。巖心需要提鉆采取，其信息在時間序列上是離散的，屬于遲到數(shù)據(jù)，但是其提供的深度、地質(zhì)信息和施工特征是確切的，將其作為延遲信息的時間端點(diǎn)和參照物，校準(zhǔn)延時數(shù)據(jù)的時間序列，實(shí)現(xiàn)數(shù)據(jù)的演進(jìn)融合。

2 基于數(shù)字孿生的智能鉆探服務(wù)平臺架構(gòu)

數(shù)字孿生的智能鉆探服務(wù)平臺架構(gòu)，基于信息技術(shù)和虛擬現(xiàn)實(shí)技術(shù)，在虛擬環(huán)境中真實(shí)還原實(shí)際鉆探工作過程，通過實(shí)際鉆進(jìn)過程和虛擬仿真平臺的雙向映射、動態(tài)響應(yīng)和時序數(shù)據(jù)交互，實(shí)現(xiàn)鉆探過程的鉆進(jìn)參數(shù)優(yōu)化、鉆孔軌跡控制以及孔內(nèi)事故預(yù)測處理等服務(wù)，從而實(shí)現(xiàn)智能鉆進(jìn)。

2.1 系統(tǒng)架構(gòu)

在數(shù)字孿生五維結(jié)構(gòu)的基礎(chǔ)上[28]，構(gòu)建了基于數(shù)字孿生的智能鉆探服務(wù)平臺，如圖5 所示。平臺可劃分為設(shè)備物理層、虛擬模型層、數(shù)據(jù)處理層及鉆探服務(wù)層。源于設(shè)備物理層的隨鉆測量數(shù)據(jù)通過數(shù)據(jù)處理層對數(shù)據(jù)進(jìn)行統(tǒng)一處理得到時序數(shù)據(jù)，時序數(shù)據(jù)持續(xù)更新并聚合驅(qū)動虛擬模型層進(jìn)行仿真和鉆探服務(wù)層優(yōu)化設(shè)計，所得的虛擬數(shù)據(jù)、仿真數(shù)據(jù)與隨鉆測量數(shù)據(jù)由神經(jīng)網(wǎng)絡(luò)算法進(jìn)行融合，優(yōu)化后的數(shù)據(jù)再次驅(qū)動各層平臺運(yùn)行并交互反饋，形成自適應(yīng)循環(huán)，不斷演進(jìn)數(shù)字孿生模型，實(shí)現(xiàn)虛擬信息空間中鉆進(jìn)全過程模擬。

圖5 基于數(shù)字孿生的鉆探智能服務(wù)平臺架構(gòu)Fig.5 Architecture of intelligent service platform for drilling based on digital twin

設(shè)備物理層：鉆探過程涉及的物理主體，包括鉆機(jī)、鉆具、鉆井液、鉆進(jìn)人員、鉆進(jìn)控制系統(tǒng)、鉆進(jìn)導(dǎo)向系統(tǒng)等，以及鉆進(jìn)過程所有活動集合，還包括能夠進(jìn)行時序數(shù)據(jù)采集和傳輸?shù)木掠芯€測量傳輸裝置、隨鉆測量無線傳感器、泥漿脈沖發(fā)生器、射頻識別讀寫器等功能部件。

虛擬模型層：主要指鉆進(jìn)過程虛擬仿真平臺搭建，包括三維虛擬鉆進(jìn)過程模型構(gòu)建以及力學(xué)模型構(gòu)建。虛擬模型層構(gòu)建的三維虛擬鉆進(jìn)過程模型是對實(shí)際孔內(nèi)鉆進(jìn)過程全周期實(shí)現(xiàn)真實(shí)完整映射。力學(xué)模型包括鉆孔周邊圍巖的THM(溫度-滲流-應(yīng)力)耦合演化模型[29]，巖石-機(jī)械回轉(zhuǎn)切削破碎模型[30]，鉆具組合動力模型[31]，多相流異徑環(huán)空流動模型[32]和孔壁泥皮時間固結(jié)模型[27]。

數(shù)據(jù)處理層：包括了鉆進(jìn)過程實(shí)時采集的動態(tài)數(shù)據(jù)及實(shí)際鉆進(jìn)與虛擬模型之間實(shí)時的交換數(shù)據(jù)以及各種算法模型。通過設(shè)備物理層采集的動態(tài)數(shù)據(jù)對虛擬模型進(jìn)行修正，通過虛擬模型層模擬仿真實(shí)際運(yùn)行情況并進(jìn)行分析和優(yōu)化，將優(yōu)化數(shù)據(jù)反饋給物理實(shí)體層，使其對鉆進(jìn)參數(shù)、鉆孔軌跡進(jìn)行調(diào)節(jié)與修正。

鉆探服務(wù)層：包括為鉆進(jìn)過程提供鉆前鉆進(jìn)設(shè)計與風(fēng)險評估、鉆進(jìn)場地虛擬布置、鉆具組合選擇等服務(wù)，鉆中鉆進(jìn)參數(shù)優(yōu)化、鉆孔結(jié)構(gòu)可視化、孔內(nèi)事故監(jiān)測、事故決策、鉆探設(shè)備健康管理等服務(wù)，以及鉆后案例分析及存儲服務(wù)，從鉆前、鉆中、鉆后整個鉆進(jìn)全周期實(shí)現(xiàn)復(fù)雜地層鉆進(jìn)智能服務(wù)。

2.2 運(yùn)行流程

鉆前階段通過設(shè)備物理層和鉆探服務(wù)層的交互實(shí)現(xiàn)鉆井施工設(shè)計。當(dāng)鉆探服務(wù)平臺接到一個設(shè)計任務(wù)(設(shè)計參數(shù)及相關(guān)地層條件等)時，鉆探功能服務(wù)層中的鉆進(jìn)施工設(shè)計模塊在對應(yīng)的歷史數(shù)據(jù)及其他關(guān)聯(lián)數(shù)據(jù)的驅(qū)動下，進(jìn)行井身結(jié)構(gòu)、鉆具及設(shè)備選擇、鉆井液設(shè)計及工藝參數(shù)等初始施工方案設(shè)計，從而指導(dǎo)設(shè)備物理層進(jìn)行施工。而設(shè)備物理層將設(shè)備布設(shè)的實(shí)時數(shù)據(jù)發(fā)送到鉆探功能服務(wù)層中繼續(xù)進(jìn)行虛擬機(jī)具裝配，虛擬鉆頭選擇，虛擬場地布設(shè)，并指導(dǎo)設(shè)備物理層進(jìn)行相應(yīng)修正，反復(fù)迭代后，獲得最優(yōu)的鉆進(jìn)設(shè)計方案。

鉆中階段是設(shè)備物理層、虛擬模型層與數(shù)據(jù)處理層的交互優(yōu)化和迭代，包括以下3 個部分。

1)設(shè)備物理層與虛擬模型層交互實(shí)現(xiàn)全周期演化

鉆孔在向地層深部延伸過程中，實(shí)體對象存在演化現(xiàn)象，主要表現(xiàn)為：(1)鉆井液在上返過程中，伴隨著孔深不斷增大，孔內(nèi)液柱壓力增加，致使鉆井液出現(xiàn)滲透-失水現(xiàn)象，在孔壁形成連續(xù)的泥皮結(jié)構(gòu)。(2)孔底鉆頭上切削具的磨損，會導(dǎo)致鉆孔的直徑出現(xiàn)減小的情況，增加底部粗徑鉆具(巖心管)的磨損。(3)在地表鉆機(jī)和鉆桿自重的作用下，高速旋轉(zhuǎn)的細(xì)長鉆桿柱會在孔內(nèi)呈現(xiàn)螺旋彎曲的狀態(tài)，增大鉆桿的磨損?；谠O(shè)備物理層實(shí)時采集的鉆進(jìn)動態(tài)數(shù)據(jù)，賦予虛擬模型對應(yīng)的演化狀態(tài)，從而實(shí)現(xiàn)更高精度、高仿真度的虛擬模型構(gòu)建。

2)設(shè)備物理層與數(shù)據(jù)處理層交互實(shí)現(xiàn)全工況智能預(yù)測及事故預(yù)警

通過數(shù)據(jù)處理層的理論分析模型計算結(jié)果與設(shè)備物理層實(shí)測的數(shù)據(jù)進(jìn)行比較，利用模式識別確定孔底鉆進(jìn)工況，分析動力輸出與破碎過程的匹配程度，從鉆孔傾斜、鉆井液攜帶能力、孔內(nèi)壓力波動、鉆具消耗等方面，進(jìn)行鉆孔事故的全工況智能預(yù)測及事故預(yù)警。

3)虛擬模型層與設(shè)備物理層交互實(shí)現(xiàn)全參數(shù)優(yōu)化控制

在虛擬模型層中進(jìn)行鉆進(jìn)參數(shù)的調(diào)整與優(yōu)化，盡量減少和避免孔內(nèi)事故的發(fā)生，并將經(jīng)過虛擬模型層優(yōu)化的參數(shù)輸入設(shè)備物理層中的鉆進(jìn)設(shè)備實(shí)現(xiàn)鉆進(jìn)過程的控制與修正。鉆進(jìn)參數(shù)分為實(shí)時調(diào)整參數(shù)和周期調(diào)整參數(shù)，實(shí)時調(diào)整參數(shù)主要是地表設(shè)備能夠調(diào)節(jié)的輸入?yún)?shù)，如地表鉆壓、主動鉆桿轉(zhuǎn)速、泵量等，而周期調(diào)整參數(shù)，如鉆頭磨損率等，以非實(shí)時可調(diào)整參數(shù)為主，這類參數(shù)無法通過地表設(shè)備進(jìn)行實(shí)時調(diào)控，但可以實(shí)現(xiàn)孔內(nèi)事故綜合預(yù)測評判及鉆進(jìn)質(zhì)量評價。

鉆后階段是虛擬模型層與鉆探服務(wù)層的交互優(yōu)化迭代，通過已采集鉆進(jìn)數(shù)據(jù)，精確分析不同井段、不同作業(yè)狀態(tài)工作效率、反映作業(yè)整體狀況、現(xiàn)場操作水平以及井下狀況，提供后續(xù)鉆進(jìn)事故施工設(shè)計參考。通過相同井況條件下的參數(shù)對比分析，優(yōu)化得到最佳的鉆進(jìn)施工方案，為區(qū)域其他鉆進(jìn)作業(yè)的優(yōu)化提供依據(jù)。

基于數(shù)字孿生的復(fù)雜地層鉆進(jìn)智能服務(wù)平臺運(yùn)行流程如圖6 所示。

圖6 基于數(shù)字孿生的復(fù)雜地層鉆進(jìn)智能平臺運(yùn)行流程Fig.6 Operation process of intelligent service platform for complex formation drilling based on digital twin

3 鉆探數(shù)字孿生原型系統(tǒng)示例

在實(shí)驗(yàn)室條件下，利用Unity3D 初步實(shí)現(xiàn)了數(shù)字孿生鉆進(jìn)設(shè)計原型系統(tǒng)，可以分別完成虛擬鉆孔數(shù)字化設(shè)計、鉆進(jìn)過程孔內(nèi)三維仿真和鉆進(jìn)參數(shù)實(shí)時虛擬監(jiān)測與控制等功能。

3.1 鉆孔數(shù)字虛擬化設(shè)計

根據(jù)地質(zhì)條件(礦產(chǎn)種類、巖性、可鉆性、松散性、漏失、膨脹性能等)，施工環(huán)境要素(高程、水電條件、季節(jié)、風(fēng)力等)及鉆孔質(zhì)量要求(取心率、鉆孔傾斜、水文等)，形成虛擬場景，設(shè)計鉆孔結(jié)構(gòu)，選取鉆進(jìn)方法，確定鉆進(jìn)設(shè)備，選取鉆井液類型，套管下放深度和直徑。根據(jù)數(shù)字化鉆孔設(shè)計成果，選取鉆機(jī)、泥漿泵、動力機(jī)和其他附屬設(shè)備和鉆塔，并實(shí)現(xiàn)地表鉆進(jìn)場地虛擬布置，包括虛擬搭設(shè)鉆塔，布置鉆場和各類機(jī)具，實(shí)現(xiàn)鉆進(jìn)設(shè)備交互性設(shè)備操作，如圖7 所示。

圖7 鉆孔數(shù)字虛擬場景Fig.7 Digital virtual scenario of drilling

3.2 鉆進(jìn)過程孔底三維可視化

根據(jù)地層條件，再現(xiàn)鉆孔的三維地質(zhì)環(huán)境，對地質(zhì)鉆進(jìn)實(shí)時數(shù)據(jù)監(jiān)測情況，建立數(shù)字孿生模型，實(shí)現(xiàn)鉆孔的三維可視化，并通過數(shù)據(jù)驅(qū)動實(shí)現(xiàn)實(shí)時地層鉆進(jìn)和虛擬地層鉆進(jìn)的一一對應(yīng)，包括地層信息、鉆孔軌跡、鉆桿動力形態(tài)、孔底破碎過程及鉆進(jìn)速度的模擬仿真，鉆機(jī)參數(shù)交互界面如圖8 所示，包含鉆孔結(jié)構(gòu)及鉆進(jìn)實(shí)時剖面結(jié)構(gòu)。

圖8 數(shù)據(jù)驅(qū)動的鉆進(jìn)過程數(shù)字孿生虛擬模型Fig.8 Data-driven digital twin virtual model of drilling

3.3 鉆進(jìn)過程參數(shù)虛擬監(jiān)測及控制

以鉆進(jìn)過程中鉆桿發(fā)生屈曲導(dǎo)致巖心擾動明顯過程為例，數(shù)字孿生模型根據(jù)實(shí)時數(shù)據(jù)動態(tài)還原虛擬孔底破碎過程，隨著鉆桿上部壓力增大，鉆桿柱呈現(xiàn)螺旋屈曲狀態(tài)，加劇了鉆具與孔壁之間的接觸，巖心管在孔內(nèi)出現(xiàn)不對稱破碎情況下產(chǎn)生偏倒，孔底鉆壓降低，致使切削具無法有效刻入巖體產(chǎn)生體積破碎，破碎后的巖屑顆粒逐漸減小，鉆進(jìn)速度明顯降低，鉆進(jìn)時間增長，進(jìn)而導(dǎo)致巖心擾動明顯，影響鉆進(jìn)質(zhì)量，如圖9 所示為地下狀態(tài)界面，涉及鉆桿、巖心管及鉆頭狀態(tài)，并實(shí)時顯示設(shè)計與實(shí)際的鉆壓、轉(zhuǎn)速及流量。

圖9 鉆進(jìn)過程事故虛擬監(jiān)測Fig.9 Virtual monitoring of drilling accident

再通過鉆進(jìn)參數(shù)設(shè)計系統(tǒng)，對現(xiàn)有鉆進(jìn)過程參數(shù)進(jìn)行調(diào)整，具體包括鉆壓、鉆速和泵量，通過提供系統(tǒng)優(yōu)化設(shè)計參數(shù)和常規(guī)經(jīng)驗(yàn)設(shè)計參數(shù)2 種模式對鉆進(jìn)參數(shù)進(jìn)行控制優(yōu)化。在系統(tǒng)優(yōu)化設(shè)計參數(shù)模式下，系統(tǒng)根據(jù)當(dāng)前井眼的地層對鉆進(jìn)參數(shù)進(jìn)行優(yōu)化設(shè)計，常規(guī)設(shè)計參數(shù)則直接根據(jù)相關(guān)規(guī)范進(jìn)行計算，鉆進(jìn)參數(shù)設(shè)計系統(tǒng)界面如圖10 所示，涉及井身結(jié)構(gòu)分段和鉆進(jìn)參數(shù)計算。

圖10 鉆進(jìn)參數(shù)設(shè)計系統(tǒng)Fig.10 Design system of drilling parameters

4 結(jié)論

a.采用數(shù)字孿生技術(shù)，提出了基于時序數(shù)據(jù)驅(qū)動的地質(zhì)鉆探數(shù)字孿生模型體系構(gòu)建方法，構(gòu)建了數(shù)字孿生智能鉆探全周期服務(wù)平臺。

b.開發(fā)了數(shù)字孿生智能鉆進(jìn)原型系統(tǒng)，實(shí)現(xiàn)了鉆前設(shè)備的數(shù)字化設(shè)計、鉆進(jìn)過程孔內(nèi)三維可視化和鉆進(jìn)過程參數(shù)實(shí)時監(jiān)測與控制的功能。

c.數(shù)字孿生智能鉆進(jìn)技術(shù)為復(fù)雜地質(zhì)條件下智能化鉆進(jìn)、無人值守鉆進(jìn)的早日實(shí)現(xiàn)提供了全新的路徑和方法，加強(qiáng)其在我國多種復(fù)雜地質(zhì)條件下煤炭、石油、天然氣、頁巖氣等鉆探領(lǐng)域的工程現(xiàn)場應(yīng)用及進(jìn)一步驗(yàn)證服務(wù)平臺可靠性將是下一步工作的主要研究方向。