趙陽(yáng)，朱勇，高強(qiáng)，曹凱

(1.江蘇大學(xué)流體機(jī)械工程技術(shù)研究中心，江蘇鎮(zhèn)江 212013；2.江蘇大學(xué)國(guó)家水泵及系統(tǒng)工程技術(shù)研究中心，江蘇鎮(zhèn)江 212013)

0 前言

《國(guó)家“十四五”規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》中明確指出將深地深海、油氣勘探開發(fā)、新發(fā)突發(fā)安全風(fēng)險(xiǎn)防控等領(lǐng)域科技攻關(guān)作為事關(guān)國(guó)家安全和發(fā)展全局的重大科技任務(wù)[1]。對(duì)此，國(guó)家科技部通過“十四五”國(guó)家重點(diǎn)研發(fā)計(jì)劃“高性能制造技術(shù)與重大裝備”、“深海和極地關(guān)鍵技術(shù)與裝備”、“戰(zhàn)略性礦產(chǎn)資源開發(fā)利用”、“重大自然災(zāi)害防控與公共安全”等重點(diǎn)專項(xiàng)明確部署，將深地鉆探裝備作為未來(lái)5年高端重大裝備國(guó)產(chǎn)化研制的核心任務(wù)之一。以此來(lái)實(shí)現(xiàn)高性能制造技術(shù)和重大裝備的自主可控，增強(qiáng)我國(guó)戰(zhàn)略性高端產(chǎn)品和重大工程關(guān)鍵裝備的核心競(jìng)爭(zhēng)力，顯著提升突發(fā)公共事件應(yīng)急救援能力[2]。

深部硬巖地層鉆進(jìn)效率低、成本高的問題是現(xiàn)階段深井、超深井鉆井過程中長(zhǎng)期面臨的難點(diǎn)問題[3]。旋沖鉆進(jìn)技術(shù)由于具有提高硬巖地層鉆進(jìn)效率、降低定向鉆進(jìn)中黏滑振動(dòng)以及提高鉆壓傳遞效率等優(yōu)點(diǎn)而得到工程界的高度認(rèn)可，已被逐漸應(yīng)用于礦產(chǎn)、石油、天然氣、地下水、地?zé)崮艿鹊刭|(zhì)勘探[4]以及陸地與海洋地下資源開采[5]、應(yīng)急搶險(xiǎn)救災(zāi)[6]、爆破施工[7]、樁基施工[8]、深基坑錨固[9]、隧道管棚支護(hù)[10]等領(lǐng)域，具有廣闊的應(yīng)用前景。

旋沖鉆進(jìn)技術(shù)對(duì)傳統(tǒng)旋轉(zhuǎn)鉆進(jìn)技術(shù)進(jìn)行改進(jìn)，在傳統(tǒng)鉆進(jìn)技術(shù)的基礎(chǔ)上增加沖擊器，鉆頭在原有靜壓旋轉(zhuǎn)的基礎(chǔ)上施加沖擊動(dòng)載，利用靜壓旋轉(zhuǎn)和沖擊載荷協(xié)同作用進(jìn)行破巖。在工作過程中，施加的沖擊動(dòng)載能夠增加鉆頭吃深，有效擴(kuò)張巖石裂隙，使得巖石大體積破碎；旋轉(zhuǎn)作用會(huì)產(chǎn)生扭轉(zhuǎn)剪切力，切削巖石，顯著提高巖石硬脆性、破碎性，從而有效提高鉆進(jìn)效率，在工程應(yīng)用時(shí)可提高鉆進(jìn)速度10%～50%以上，符合增產(chǎn)增效、應(yīng)急搶險(xiǎn)的需要。

旋沖鉆進(jìn)技術(shù)具有傳統(tǒng)旋轉(zhuǎn)鉆進(jìn)技術(shù)不可比擬的優(yōu)越性，但是鉆進(jìn)系統(tǒng)存在強(qiáng)耦合、高度非線性、參數(shù)時(shí)變性、負(fù)載工況多變、環(huán)境干擾不確定性、多源動(dòng)力協(xié)同工作等特性，常規(guī)控制方法對(duì)于這樣一個(gè)復(fù)雜非線性動(dòng)力學(xué)系統(tǒng)難以取得理想的控制效果。鉆進(jìn)系統(tǒng)的靜、動(dòng)態(tài)響應(yīng)特性對(duì)于鉆機(jī)的性能起著舉足輕重的作用，這就要求旋沖鉆進(jìn)系統(tǒng)必須對(duì)設(shè)定的目標(biāo)具有快速的控制響應(yīng)特性和穩(wěn)態(tài)跟蹤精度。旋沖鉆進(jìn)控制技術(shù)作為深井、超深井鉆進(jìn)過程控制中的關(guān)鍵核心技術(shù)，對(duì)于旋沖鉆進(jìn)系統(tǒng)的控制問題，至今仍是工程界迫切需要解決的難題。

本文作者以旋沖鉆進(jìn)系統(tǒng)的控制策略為研究對(duì)象，以鉆進(jìn)速度、鉆進(jìn)壓力、鉆進(jìn)軌跡等方面的控制策略為出發(fā)點(diǎn)，對(duì)近年來(lái)國(guó)內(nèi)外研究機(jī)構(gòu)和學(xué)者在鉆進(jìn)系統(tǒng)控制方法研究方面的成果及應(yīng)用現(xiàn)狀進(jìn)行綜述，并對(duì)其發(fā)展趨勢(shì)進(jìn)行展望，為旋沖鉆進(jìn)系統(tǒng)的智能高效控制提供理論參考。

1 旋沖鉆進(jìn)系統(tǒng)組成及功能

旋沖鉆進(jìn)系統(tǒng)包括液壓給進(jìn)子系統(tǒng)、氣動(dòng)沖擊子系統(tǒng)、旋轉(zhuǎn)子系統(tǒng)、綜合動(dòng)力集成子系統(tǒng)，狀態(tài)監(jiān)測(cè)與控制系統(tǒng)。系統(tǒng)傳動(dòng)原理如圖1所示。

(1)液壓給進(jìn)子系統(tǒng)

液壓給進(jìn)子系統(tǒng)包括負(fù)載敏感液壓泵、負(fù)載敏感控制閥、主閥、給進(jìn)油缸等。

負(fù)載敏感液壓泵可根據(jù)負(fù)載壓力變化自動(dòng)調(diào)節(jié)輸出流量，負(fù)載敏感液壓泵的工作原理如圖2所示。負(fù)載變化時(shí)，負(fù)載敏感閥通過閥芯移動(dòng)來(lái)實(shí)現(xiàn)變量活塞缸的動(dòng)作，活塞桿的移動(dòng)可以改變泵斜盤的傾角，從而實(shí)現(xiàn)泵輸出流量的改變。負(fù)載敏感控制閥為負(fù)載敏感多路閥，由比例方向節(jié)流閥和壓力補(bǔ)償閥組成(壓力補(bǔ)償閥為定差減壓閥)。壓力補(bǔ)償閥布置在液壓泵與主閥之間，使負(fù)載的流量只與主閥開口面積有關(guān)，可實(shí)現(xiàn)單一動(dòng)力源下多負(fù)載協(xié)同運(yùn)動(dòng)的工況。給進(jìn)油缸作為執(zhí)行元件，通過改變主閥開口的大小來(lái)調(diào)整輸入給進(jìn)油缸的流量，控制油缸的動(dòng)作，實(shí)現(xiàn)鉆具給進(jìn)和起拔。

圖2 負(fù)載敏感液壓泵工作原理

(2)氣動(dòng)沖擊子系統(tǒng)

氣動(dòng)沖擊子系統(tǒng)包括空氣壓縮機(jī)、氣動(dòng)控制閥、主軸、專用接頭、加長(zhǎng)鉆桿和氣動(dòng)沖擊鉆具。

空氣壓縮機(jī)作為氣動(dòng)動(dòng)力源，氣動(dòng)控制閥與主軸相連，主軸采用通孔結(jié)構(gòu)，頂端設(shè)置氣孔，底端通過專用接頭連接加長(zhǎng)鉆桿和鉆具，氣動(dòng)控制閥通過主軸上的氣孔為氣動(dòng)沖擊鉆具輸送氣壓動(dòng)力，實(shí)現(xiàn)鉆具的高頻沖擊。

(3)旋轉(zhuǎn)子系統(tǒng)

旋轉(zhuǎn)子系統(tǒng)包括負(fù)載敏感液壓泵、負(fù)載敏感控制閥、高速變量柱塞馬達(dá)和低速擺線馬達(dá)。

旋轉(zhuǎn)子系統(tǒng)可實(shí)現(xiàn)主軸旋轉(zhuǎn)速度和輸出扭矩的調(diào)節(jié)，高速變量柱塞馬達(dá)單獨(dú)驅(qū)動(dòng)主軸回轉(zhuǎn)時(shí)，輸出高轉(zhuǎn)速小扭矩，雙馬達(dá)并聯(lián)驅(qū)動(dòng)主軸回轉(zhuǎn)時(shí)，輸出低轉(zhuǎn)速大扭矩。馬達(dá)的轉(zhuǎn)速可以通過負(fù)載敏感泵、負(fù)載敏感閥等組成的負(fù)載敏感控制系統(tǒng)進(jìn)行調(diào)節(jié)。

(4)綜合動(dòng)力集成子系統(tǒng)

綜合動(dòng)力集成子系統(tǒng)包括輸入軸、扭矩轉(zhuǎn)速儀、嚙合套、變速齒輪箱和動(dòng)力頭拖板。

采用低速擺線馬達(dá)與高速變量柱塞馬達(dá)的雙馬達(dá)組合驅(qū)動(dòng)形式，調(diào)節(jié)主軸旋轉(zhuǎn)速度和輸出扭矩。輸入軸的輸入端與低速擺線馬達(dá)、高速變量柱塞馬達(dá)輸出端的嚙合套相連，通過嚙合套的連接和斷開實(shí)現(xiàn)不同的驅(qū)動(dòng)形式；輸入軸的輸出端通過變速齒輪箱與主軸相連，經(jīng)三級(jí)齒輪變速，驅(qū)動(dòng)主軸實(shí)現(xiàn)鉆具回轉(zhuǎn)，帶動(dòng)鉆具完成旋轉(zhuǎn)鉆進(jìn)或擰卸鉆桿工作。動(dòng)力頭拖板與給進(jìn)油缸的活塞桿相連，用于鉆具的給進(jìn)和起拔。

(5)狀態(tài)監(jiān)測(cè)與控制系統(tǒng)

狀態(tài)監(jiān)測(cè)與控制系統(tǒng)包括計(jì)算機(jī)、比較器、調(diào)節(jié)器、電荷放大器及傳感器等。

狀態(tài)監(jiān)測(cè)與控制系統(tǒng)實(shí)現(xiàn)各個(gè)子系統(tǒng)的參數(shù)狀態(tài)檢測(cè)及閉環(huán)反饋控制。計(jì)算機(jī)作為輸入元件，將壓力、轉(zhuǎn)速及氣動(dòng)參數(shù)等輸入信號(hào)傳遞到各個(gè)子系統(tǒng)的輸入端；傳感器作為反饋測(cè)量元件，測(cè)量系統(tǒng)的輸出量，并轉(zhuǎn)換為反饋信號(hào)；比較器作為比較元件，對(duì)輸入信號(hào)和反饋信號(hào)進(jìn)行比較給出偏差信號(hào)；調(diào)節(jié)器對(duì)偏差信號(hào)進(jìn)行調(diào)節(jié)轉(zhuǎn)換，經(jīng)電荷放大器放大，輸出給閥類控制元件，進(jìn)而控制執(zhí)行元件。

2 旋沖鉆進(jìn)系統(tǒng)控制策略研究現(xiàn)狀

為實(shí)現(xiàn)高效、安全鉆進(jìn)，鉆進(jìn)過程中需要及時(shí)對(duì)鉆速、鉆壓進(jìn)行調(diào)整，通過調(diào)節(jié)鉆進(jìn)參數(shù)，實(shí)現(xiàn)對(duì)鉆速、鉆壓的控制。另外，鉆進(jìn)時(shí)容易出現(xiàn)鉆孔偏斜問題，需要對(duì)鉆進(jìn)軌跡進(jìn)行優(yōu)化設(shè)計(jì)，進(jìn)而控制鉆進(jìn)軌跡，從而提高鉆進(jìn)效率。

2.1 鉆進(jìn)速度控制

巖層鉆探速度直接關(guān)系到鉆井工作的總體實(shí)施效果，在鉆進(jìn)過程中，對(duì)鉆進(jìn)參數(shù)進(jìn)行準(zhǔn)確的優(yōu)化調(diào)整，可實(shí)現(xiàn)最優(yōu)機(jī)械鉆速(Rate of Penetration，ROP)，從而提高鉆進(jìn)綜合效率。

鉆進(jìn)參數(shù)優(yōu)化方法不斷發(fā)展，從單參數(shù)研究逐漸發(fā)展到多目標(biāo)、多參數(shù)優(yōu)化。2010年，中國(guó)石油大學(xué)伊鵬等人[12]對(duì)自適應(yīng)遺傳算法進(jìn)行改進(jìn)，以求解多元鉆井參數(shù)組合的非線性最優(yōu)化數(shù)學(xué)模型，仿真結(jié)果表明：改進(jìn)算法收斂迅速且穩(wěn)定，群體適應(yīng)度波動(dòng)小，綜合性能優(yōu)于改進(jìn)前算法。2013年，西安石油大學(xué)沙林秀[13]針對(duì)鉆井參數(shù)優(yōu)化方法求解效率和精度低等問題，提出了基于斐波那契數(shù)列的自適應(yīng)量子遺傳算法，實(shí)例計(jì)算表明：該算法收斂速度快、效率高、穩(wěn)定性和魯棒性好。2013年，西安石油大學(xué)李琳等人[14]建立了鉆進(jìn)參數(shù)多目標(biāo)優(yōu)化模型，采用非支配排序遺傳算法對(duì)模型進(jìn)行仿真計(jì)算，該算法能以較快的收斂速度求解分布均勻的Pareto最優(yōu)解集，為鉆井優(yōu)化提供了有效解決方案，提高了工作效率。2014年，印度礦業(yè)學(xué)院GURIA等[15]利用二進(jìn)制編碼的帶精英策略的非支配排序遺傳算法，對(duì)鉆井參數(shù)進(jìn)行多目標(biāo)優(yōu)化，減少了鉆探時(shí)間和鉆探成本。2016年，西南石油大學(xué)王超[16]針對(duì)傳統(tǒng)鉆進(jìn)參數(shù)優(yōu)化方法中存在實(shí)時(shí)建模困難的問題，建立了一套使用隨鉆測(cè)井?dāng)?shù)據(jù)的鉆井參數(shù)實(shí)時(shí)優(yōu)化方法，實(shí)時(shí)優(yōu)化鉆井施工，對(duì)實(shí)現(xiàn)低成本、高效率鉆井具有指導(dǎo)作用。2017年，東北大學(xué)王凱等人[17]提出了一種基于Pareto最優(yōu)原理的鉆進(jìn)參數(shù)多目標(biāo)優(yōu)化方法，該方法包含基于小生境思想擁擠度值的計(jì)算方法以及自適應(yīng)交叉和變異算子，仿真結(jié)果表明：與非支配排序遺傳算法和多目標(biāo)粒子群優(yōu)化算法相比，該算法求解實(shí)際問題時(shí)得到的Pareto前端解集分布均勻，且能有效提高機(jī)械鉆速。2018年，西安石油大學(xué)趙毅[18]嘗試將控制算法轉(zhuǎn)向?qū)W習(xí)算法，提出了由感知層、傳輸層、應(yīng)用層、控制層組成的基于神經(jīng)網(wǎng)絡(luò)的鉆井參數(shù)優(yōu)化架構(gòu)和算法，通過實(shí)驗(yàn)驗(yàn)證了優(yōu)化方法的可行性。為了優(yōu)化鉆井參數(shù)，2020年，阿米爾卡比爾理工大學(xué)MOAZZENI、 KHAMEHCHI[19]提出了一種元啟發(fā)式雨水優(yōu)化算法，并與現(xiàn)有的粒子群算法、蝙蝠群算法進(jìn)行比較，仿真結(jié)果表明：所提出的算法可以同時(shí)找到全局最優(yōu)解和局部最小值。2020年，北京郵電大學(xué)李藝鑫[20]利用機(jī)器學(xué)習(xí)算法解決鉆井參數(shù)優(yōu)化問題，并提出了一種融合的鉆井速度回歸模型，開發(fā)了鉆井參數(shù)優(yōu)化系統(tǒng)，對(duì)系統(tǒng)進(jìn)行仿真，結(jié)果表明：參數(shù)優(yōu)化可以提升鉆井效率，為深海鉆井系統(tǒng)應(yīng)用提供了技術(shù)保障。2020年，中國(guó)石油大學(xué)伍喆[21]研究了鉆柱扭轉(zhuǎn)振動(dòng)特性，建立了鉆柱扭轉(zhuǎn)振動(dòng)工況模型，結(jié)合機(jī)械鉆速方程完成了鉆井參數(shù)優(yōu)化，確定了適用于不同地層的鉆井參數(shù)優(yōu)選范圍。2021年，印度理工學(xué)院RAMBA等[22]提出了一種基于實(shí)時(shí)優(yōu)化鉆井速度、鉆井效率的鉆井參數(shù)優(yōu)化方法，實(shí)驗(yàn)結(jié)果表明：采用改進(jìn)回放法優(yōu)化機(jī)械鉆速可以提高鉆井效率。

ROP預(yù)測(cè)可以準(zhǔn)確規(guī)劃鉆井作業(yè)，降低鉆井成本。2018年，沙赫魯?shù)吕砉ご髮W(xué)ANEMANGELY等[23]為預(yù)測(cè)鉆井的機(jī)械鉆速，建立了多層感知器神經(jīng)網(wǎng)絡(luò)與粒子群算法、布谷鳥優(yōu)化算法相結(jié)合的混合模型，模型的訓(xùn)練結(jié)果表明：多層感知器神經(jīng)網(wǎng)絡(luò)與布谷鳥優(yōu)化算法組成的混合模型的收斂速度更快、精度更高。2019年，中國(guó)石油大學(xué)趙穎等人[24]基于極限學(xué)習(xí)機(jī)，建立了海上鉆井機(jī)械鉆速預(yù)測(cè)模型，并以南海YL8-3-1井為例進(jìn)行了驗(yàn)證，結(jié)果表明：該預(yù)測(cè)模型可以對(duì)機(jī)械鉆速進(jìn)行實(shí)時(shí)監(jiān)測(cè)，并通過優(yōu)化鉆井參數(shù)來(lái)提高鉆井效率。2019年，中石油川慶鉆探工程有限公司劉勝娃等[25]提出了一種基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的定向井機(jī)械鉆速預(yù)測(cè)模型，訓(xùn)練和仿真預(yù)測(cè)結(jié)果表明：在數(shù)據(jù)量較充足且數(shù)據(jù)質(zhì)量較高的條件下，該預(yù)測(cè)模型的絕對(duì)平均誤差可達(dá)4.25 m/h，具有較高的精確度。2020年，深圳大學(xué)ZHAO等[26]為了預(yù)測(cè)鉆井過程中的鉆速，將人工神經(jīng)網(wǎng)絡(luò)模型與優(yōu)化算法相結(jié)合，使用人工蜂群算法優(yōu)化對(duì)鉆速有影響的參數(shù)，該模型的訓(xùn)練和測(cè)試均方根差分別為0.912和0.893，精確度較高，實(shí)驗(yàn)結(jié)果表明：鉆速可提高20%～30%。2020年，中國(guó)地質(zhì)大學(xué)ZHOU等[27]基于建立的在線支持向量回歸預(yù)測(cè)模型，開發(fā)了一種協(xié)調(diào)優(yōu)化策略，并采用非支配排序遺傳算法找出Pareto最優(yōu)集，實(shí)測(cè)鉆井?dāng)?shù)據(jù)表明：該方法可平均提高鉆速39.8%。2020年，法赫德國(guó)王石油礦產(chǎn)大學(xué)HASSAN等[28]開發(fā)了7個(gè)基于人工神經(jīng)網(wǎng)絡(luò)的模型來(lái)預(yù)測(cè)ROP，仿真結(jié)果表明：7個(gè)模型可有效預(yù)測(cè)鉆速，誤差較小，平均絕對(duì)百分比誤差約為7.9%。2021年，中國(guó)石油大學(xué)周長(zhǎng)所等[29]基于機(jī)械比能理論，建立了鉆進(jìn)能量平衡方程，該方程能夠基于地層巖石屬性，分析優(yōu)化鉆井參數(shù)，預(yù)測(cè)機(jī)械鉆速，實(shí)驗(yàn)結(jié)果表明：該方程預(yù)測(cè)的機(jī)械鉆速平均誤差為8%，誤差較小，表現(xiàn)出良好的適用性，可為后續(xù)深井、超深井鉆井作業(yè)優(yōu)化設(shè)計(jì)提供依據(jù)。2022年，伊斯蘭阿扎德大學(xué)BRENJKAR和 BINIAZ DELIJANI[30]使用4種機(jī)器學(xué)習(xí)方法(Machine Learning，ML)和2種傳統(tǒng)ROP模型來(lái)預(yù)測(cè)鉆速，通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn)：相較于傳統(tǒng)ROP模型，ML模型的可靠度及有效性更高，并且與元啟發(fā)式算法相結(jié)合可獲得比傳統(tǒng)算法更好的結(jié)果。

傳統(tǒng)鉆速控制方法工作效率和控制精度低、控制時(shí)間長(zhǎng)。為提高鉆進(jìn)的效率，2019年，中國(guó)礦業(yè)大學(xué)GUO等[31]設(shè)計(jì)了一種自適應(yīng)魯棒控制器，以跟蹤可變圍巖環(huán)境下鉆機(jī)的最佳轉(zhuǎn)速，實(shí)驗(yàn)結(jié)果表明：該控制器能夠快速跟蹤最優(yōu)轉(zhuǎn)速，且有效減弱沖擊振蕩，有利于提高鉆進(jìn)效率。2019年，美國(guó)德克薩斯大學(xué)HEGDE等[32]將鉆速優(yōu)化過程與基于機(jī)器學(xué)習(xí)的振動(dòng)模型相結(jié)合，以確定最佳鉆井參數(shù)，實(shí)驗(yàn)結(jié)果表明：該模型在減輕鉆井振動(dòng)的同時(shí)，可提高鉆速14.1%。2019年，中國(guó)地質(zhì)大學(xué)GAN等[33]提出了一種由一個(gè)標(biāo)準(zhǔn)蝙蝠算法和五項(xiàng)改進(jìn)方法組成的混合蝙蝠算法來(lái)優(yōu)化鉆速，進(jìn)一步提高了蝙蝠算法的全局尋優(yōu)性能，該算法收斂速度顯著提升，且跳出局部最優(yōu)的能力優(yōu)于其他算法；將它應(yīng)用于鉆井過程中，鉆速提高了34.84%，與傳統(tǒng)鉆速優(yōu)化方法相比，提高鉆速效果顯著。2020年，HEGDE等[34]介紹了一種利用機(jī)器學(xué)習(xí)算法耦合多個(gè)井下參數(shù)的方法，采用基于隨機(jī)森林算法的數(shù)據(jù)驅(qū)動(dòng)建模方法建立耦合模型，仿真表明：該方法可使ROP平均增加31%，機(jī)械比能降低49%，以威利斯頓盆地為例，證明了該模型可實(shí)際應(yīng)用。2021年，中海油能源發(fā)展股份有限公司黃小龍等[35]利用大數(shù)據(jù)與人工智能技術(shù)提高鉆速，建立了基于機(jī)器學(xué)習(xí)方法和最優(yōu)化算法的鉆速實(shí)時(shí)優(yōu)化模型，如圖3所示，將模型嵌入可視化系統(tǒng)指導(dǎo)現(xiàn)場(chǎng)作業(yè)，可以有效提高鉆井速度。

圖3 鉆速實(shí)時(shí)優(yōu)化模型建模流程[35]

2.2 鉆進(jìn)壓力控制

傳統(tǒng)自動(dòng)送鉆控制系統(tǒng)不能有效適應(yīng)變載荷工況，控制參數(shù)存在時(shí)滯、非線性、不確定性等問題。2012年，西安石油大學(xué)付勃[36]針對(duì)傳統(tǒng)鉆壓優(yōu)化方式上存在的不足，提出了鉆壓優(yōu)化自動(dòng)送鉆系統(tǒng)，并設(shè)計(jì)了鉆壓模糊控制器，仿真結(jié)果表明：該控制器具有較好的鉆壓跟隨性能。2016年，西安石油大學(xué)白曉輝[37]針對(duì)傳統(tǒng)自動(dòng)送鉆PID控制系統(tǒng)存在的不足，提出了自動(dòng)送鉆模糊控制系統(tǒng)，仿真結(jié)果表明：該系統(tǒng)能夠較好地補(bǔ)償誤差、減少超調(diào)，適用于非線性、時(shí)滯、時(shí)變自動(dòng)送鉆系統(tǒng)的控制。2018年，重慶科技學(xué)院LI等[38]針對(duì)石油鉆機(jī)自動(dòng)鉆進(jìn)系統(tǒng)的非線性導(dǎo)致鉆壓精確控制難以實(shí)現(xiàn)的問題，提出了一種基于PLC的模糊控制系統(tǒng)，仿真結(jié)果表明：該系統(tǒng)響應(yīng)速度更快、更穩(wěn)定。2022年，西安石油大學(xué)沙林秀等[39]提出了一種模糊PID與小腦模型神經(jīng)網(wǎng)絡(luò)自適應(yīng)切換相結(jié)合的控制策略，仿真結(jié)果表明：與傳統(tǒng)PID控制和模糊PID控制相比，該方法可使系統(tǒng)超調(diào)量降至0.1%，調(diào)整時(shí)間降低到0.2 s，系統(tǒng)的穩(wěn)定性和快速性得到提高。

在自動(dòng)送鉆控制系統(tǒng)中，系統(tǒng)能夠自動(dòng)調(diào)節(jié)鉆壓，使它保持在設(shè)定值，實(shí)現(xiàn)恒定鉆壓送鉆[40]；然而，在鉆進(jìn)過程中，鉆壓需要適應(yīng)復(fù)雜的地質(zhì)條件，根據(jù)負(fù)載變化進(jìn)行優(yōu)化調(diào)整。2012年，廣東石油化工學(xué)院廖輝等人[41]針對(duì)目前深海鉆井作業(yè)鉆柱運(yùn)動(dòng)難以實(shí)現(xiàn)鉆壓調(diào)整的問題，對(duì)鉆柱運(yùn)動(dòng)補(bǔ)償系統(tǒng)進(jìn)行了研究，設(shè)計(jì)了能夠自動(dòng)調(diào)整補(bǔ)償控制效果的模型參考自適應(yīng)控制器，結(jié)果表明：適應(yīng)性好的控制器可以有效減小負(fù)載工況多變對(duì)控制效果的影響。2016年，燕山大學(xué)康紹鵬等[42]深入分析了全液壓鉆機(jī)的實(shí)際工況和負(fù)載特性，對(duì)給進(jìn)電液系統(tǒng)進(jìn)行優(yōu)化設(shè)計(jì)，通過仿真證明了給進(jìn)壓力控制回路能夠?qū)毫M(jìn)行準(zhǔn)確調(diào)節(jié)，優(yōu)化后的給進(jìn)電液系統(tǒng)在給進(jìn)壓力控制方面取得較理想的效果。

控壓鉆井(Managed Pressure Drilling，MPD)能夠快速調(diào)節(jié)井下環(huán)空壓力，以應(yīng)對(duì)地層壓力的變化。國(guó)內(nèi)外學(xué)者為提高M(jìn)PD控制系統(tǒng)的性能，對(duì)MPD系統(tǒng)的控制方法進(jìn)行了研究。2016年，阿格德爾大學(xué)ZHOU和 KRSTIC[43]針對(duì)存在未知參數(shù)、擾動(dòng)和時(shí)滯的鉆井系統(tǒng)，探討了自適應(yīng)預(yù)測(cè)因子反饋設(shè)計(jì)方法，仿真結(jié)果表明：該方法具有良好的跟蹤性、抗擾性和時(shí)滯補(bǔ)償能力。良好的流量、壓力控制在欠平衡鉆井過程中至關(guān)重要，2018年，挪威科技大學(xué)PEDERSEN等[44]評(píng)估了非線性模型預(yù)測(cè)控制方法在欠平衡鉆井過程中對(duì)壓力和流量進(jìn)行多元控制的效果，仿真結(jié)果表明：在模型匹配足夠好的情況下，該方法求解優(yōu)化問題的平均計(jì)算時(shí)間為3 s，最大運(yùn)行時(shí)間為9 s，求解速度較快。2021年，西南石油大學(xué)ZHANG等[45]提出了一種用于控壓鉆井的改進(jìn)粒子群優(yōu)化PID神經(jīng)網(wǎng)絡(luò)模型，仿真結(jié)果表明：該模型調(diào)整時(shí)間為0.69 s，控制誤差為0.007，具有自學(xué)習(xí)特性好、優(yōu)化質(zhì)量高、控制精度高、無(wú)超調(diào)、響應(yīng)速度快等優(yōu)勢(shì)。2021年，西南石油大學(xué)LIANG等[46]提出了一套MPD井底壓力監(jiān)測(cè)方法，建立了基于模擬退火算法的改進(jìn)支持向量回歸機(jī)(Simulated Annealing-Support Vector Regression，SA-SVR)的集合( SA-SVR回歸模型如圖4所示)，優(yōu)化了MPD井底監(jiān)測(cè)方法，為鉆井作業(yè)井底壓力監(jiān)測(cè)提供理論支撐。

圖4 SA-SVR 回歸模型示意[46]

2022年，中國(guó)石油大學(xué)ZHU等[47]提出了用于預(yù)測(cè)MPD井底壓力的混合神經(jīng)網(wǎng)絡(luò)模型，結(jié)合反向傳播、長(zhǎng)短期記憶(Long Short-Term Memory，LSTM)和一維卷積神經(jīng)網(wǎng)絡(luò)模型的不同優(yōu)勢(shì)，建立了基于多分支并行的混合神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，內(nèi)部結(jié)構(gòu)如圖5所示，為解決復(fù)雜地層精細(xì)壓力控制的時(shí)間特性優(yōu)化問題提供了參考。2022年，中國(guó)石油大學(xué)孟卓然等[48]提出了一種用于穩(wěn)定井底壓力、提高機(jī)械鉆速并減弱黏滑振動(dòng)幅值的非線性模型預(yù)測(cè)控制方法，與常規(guī)PID控制相比，該控制方法的穩(wěn)定性更好，且具有更強(qiáng)的抗擾動(dòng)魯棒性，可以實(shí)現(xiàn)更好的控制效果，此外，該方法能夠有效抑制氣侵，降低黏滑振動(dòng)，同時(shí)提升機(jī)械鉆速。

圖5 BP-LSTM并行網(wǎng)絡(luò)內(nèi)部詳細(xì)結(jié)構(gòu)[47]

在MPD系統(tǒng)的控制器方面，學(xué)者們也做了相關(guān)研究。2011年，YILMAZ等[49]提出了用于MPD系統(tǒng)的智能控制與優(yōu)化框架，使用智能模糊邏輯控制器建立非線性鉆井過程模型，優(yōu)化石油鉆井過程性能，仿真結(jié)果表明：所提出的框架對(duì)于非線性和實(shí)時(shí)優(yōu)化具有實(shí)際意義。2017年，紐芬蘭紀(jì)念大學(xué)NANDAN和 IMTIAZ[50]基于輸出反饋控制結(jié)構(gòu)，采用無(wú)偏移公式，提出了一種新的非線性模型預(yù)測(cè)控制方法，該方法在井底壓力控制方面表現(xiàn)出了良好的性能。2019年，紐芬蘭紀(jì)念大學(xué)SULE等[51]提出了一種MPD控制系統(tǒng)，該系統(tǒng)使用了非線性模型預(yù)測(cè)控制器和兩相流模型計(jì)算方法，控制環(huán)空壓力，通過與PI控制器進(jìn)行比較，證實(shí)了所提方法對(duì)擾動(dòng)的響應(yīng)速度更快。2020年，埃因霍溫理工大學(xué)ABBASI等[52]開發(fā)了一種用于MPD的鉆井方法，提出一種遞減基的新方法來(lái)處理非線性問題，并在MPD模型上成功進(jìn)行了測(cè)試，所得到的降階模型可用于鉆井系統(tǒng)的高效在線仿真和控制器設(shè)計(jì)。2022年，KN圖什理工大學(xué)SHEIKHI等[53]提出了一種非線性預(yù)測(cè)廣義最小方差控制方法，并將該方法用于控制器中，實(shí)現(xiàn)擾動(dòng)下MPD系統(tǒng)的自動(dòng)控制，進(jìn)一步研究了控制器在面對(duì)擾動(dòng)和不確定性時(shí)的魯棒性，與PI控制器相比，應(yīng)用該方法的控制器穩(wěn)態(tài)性能更好。

2.3 鉆進(jìn)軌跡控制

鉆進(jìn)軌跡多目標(biāo)優(yōu)化是實(shí)現(xiàn)高效、安全鉆進(jìn)的關(guān)鍵路徑之一。鉆進(jìn)軌跡優(yōu)化設(shè)計(jì)是影響鉆井工程成本和風(fēng)險(xiǎn)的關(guān)鍵性問題，隨著不斷改進(jìn)優(yōu)化算法的性能，求解軌跡優(yōu)化問題能夠得到更好的軌跡設(shè)計(jì)方案。2014年，伊朗德黑蘭阿米爾卡比爾理工大學(xué)ATASHNEZHAD等[54]提出了一種隨機(jī)鉆井軌跡設(shè)計(jì)方法，為尋找定向井和水平井的最佳鉆井測(cè)量深度，將連續(xù)粒子群算法應(yīng)用于三維空間，為斜井軌跡設(shè)計(jì)提供了更加經(jīng)濟(jì)有效的方法。2015年，阿米爾卡比爾理工大學(xué)MANSOURI等[55]提出了一種基于多目標(biāo)遺傳算法的最優(yōu)解計(jì)算方法，將它與井筒長(zhǎng)度和扭矩2個(gè)目標(biāo)函數(shù)相結(jié)合，建立了一組Pareto最優(yōu)解，用以幫助選擇風(fēng)險(xiǎn)較小、成本較低的井眼軌跡設(shè)計(jì)。2019年，西安石油大學(xué)XU等[56]針對(duì)當(dāng)前鉆井軌跡設(shè)計(jì)的智能優(yōu)化算法存在收斂速度慢、易陷入局部最優(yōu)解等問題，提出了一種基于蟻群算法的井眼軌跡設(shè)計(jì)優(yōu)化方法，利用蟻群算法在約束條件下找到鉆進(jìn)軌跡的最優(yōu)參數(shù)，從而實(shí)現(xiàn)鉆進(jìn)軌跡設(shè)計(jì)的優(yōu)化。2019年，北京化工大學(xué)SUN等[57]以最短井長(zhǎng)為目標(biāo)函數(shù)，采用人工魚群算法優(yōu)化鉆進(jìn)軌跡，該算法結(jié)構(gòu)簡(jiǎn)單、收斂速度快，可快速生成全局最優(yōu)軌跡。

深部地質(zhì)環(huán)境復(fù)雜、鉆進(jìn)難度較大，同時(shí)由于缺少高性能的鉆進(jìn)軌跡控制策略，導(dǎo)致最優(yōu)鉆進(jìn)軌跡實(shí)現(xiàn)難度大。2014年，中國(guó)石化石油工程技術(shù)研究院劉修善和中國(guó)石油集團(tuán)鉆井工程技術(shù)研究院劉修善和蘇義腦[58]將空間圓弧軌跡的井斜方程用于求解空間圓弧軌跡所在斜平面姿態(tài)以及空間圓弧軌跡井斜角極值，揭示了空間圓弧軌跡的井斜演化規(guī)律和控制模式。2016年，埃因霍溫理工大學(xué)VAN DE WOUW等[59]為了穩(wěn)定地獲得復(fù)雜的三維井眼幾何形狀，同時(shí)避免不必要的井眼螺旋，提出了一種動(dòng)態(tài)狀態(tài)反饋控制器設(shè)計(jì)方法，該設(shè)計(jì)基于非線性延遲微分方程的三維井眼傳播模型，將井眼傳播問題轉(zhuǎn)化為跟蹤問題后，證明了所提出的控制器能穩(wěn)定生成復(fù)雜的三維井眼幾何形狀。2018年，烏法國(guó)立石油技術(shù)大學(xué)AGZAMOV[60]提出了一種基于預(yù)測(cè)模型的油氣井定向鉆井軌跡控制方法，該方法能夠精確地鉆探定向井，并在大范圍隨機(jī)干擾的情況下以最小的偏差跟蹤鉆井軌跡。2019年，英國(guó)克蘭菲爾德大學(xué)INYANG和WHIDBORNE[61]提出了一種定向鉆井工具姿態(tài)的控制方法，以雙線性模型作為雙線性比例積分控制器設(shè)計(jì)的基礎(chǔ)，仿真結(jié)果表明：相較于現(xiàn)有PI控制器，所提出的控制器在定向鉆具姿態(tài)控制方面更加有效、魯棒性更好。2021年，中國(guó)地質(zhì)大學(xué)ZHANG等[62]提出了一種基于粒子濾波和改進(jìn)模型預(yù)測(cè)控制的垂直鉆井偏差校正策略，結(jié)果表明：粒子濾波器有效地抑制了測(cè)量噪聲，改進(jìn)的模型預(yù)測(cè)控制器在實(shí)現(xiàn)鉆井軌跡小傾角偏差校正方面有著重要作用。2021年，中國(guó)地質(zhì)大學(xué)蔡振[63]從鉆具運(yùn)動(dòng)建模和控制出發(fā)，建立了鉆進(jìn)軌跡模型，分析了鉆具運(yùn)動(dòng)特性，進(jìn)一步提出了一種鉆具姿態(tài)控制策略，實(shí)現(xiàn)了對(duì)鉆進(jìn)軌跡的高精度控制。

2.4 其他控制

硬質(zhì)巖層硬度高，巖層構(gòu)造裂隙復(fù)雜，鉆機(jī)鉆進(jìn)時(shí)負(fù)載工況多變，輸出扭矩跟隨性差則易發(fā)生黏滑振動(dòng)現(xiàn)象，不僅造成鉆頭機(jī)械鉆速降低，同時(shí)加速鉆具老化和失效，進(jìn)而導(dǎo)致鉆井效率降低。2016年，西北工業(yè)大學(xué)鞏全成[64]以鉆柱系統(tǒng)為研究對(duì)象，建立了基于給定驅(qū)動(dòng)扭矩的黏滑振動(dòng)控制系統(tǒng)，對(duì)抑制黏滑振動(dòng)的魯棒控制算法進(jìn)行了理論研究，實(shí)現(xiàn)了對(duì)鉆柱黏滑振動(dòng)控制技術(shù)的自主創(chuàng)新。2019年，西安石油大學(xué)吳永強(qiáng)[65]以鉆機(jī)運(yùn)動(dòng)系統(tǒng)為研究對(duì)象，開展了抑制鉆機(jī)黏滑振動(dòng)、鉆頭反彈建模與控制策略的研究工作，設(shè)計(jì)了基于LQR控制策略的控制器，有效地抑制了鉆機(jī)黏滑振動(dòng)和鉆頭反彈。2019年，西北工業(yè)大學(xué)FU等[66]提出了一種基于狀態(tài)觀測(cè)器和參考調(diào)速器的控制策略，以抑制鉆柱的黏滑振動(dòng)，根據(jù)估計(jì)的非線性相互作用扭矩，引入?yún)⒖颊{(diào)速器對(duì)原始輸入?yún)?shù)進(jìn)行修正，仿真結(jié)果表明：該控制策略具有良好的動(dòng)態(tài)特性，可有效抑制鉆柱的黏滑振動(dòng)。2020年，西南石油大學(xué)LIN等[67]通過路徑跟蹤分析，并利用比例微分反饋控制器，對(duì)鉆柱系統(tǒng)的黏滑抑制和速度調(diào)控問題進(jìn)行了研究，研究結(jié)果不僅揭示了黏滑振動(dòng)和恒定旋轉(zhuǎn)的共存機(jī)制，同時(shí)得到了控制鉆頭速度可以抑制黏滑現(xiàn)象的結(jié)論。2020年，馬里蘭大學(xué)ZHENG等[68]提出了一種數(shù)值延拓方法用于跟蹤具有摩擦、接觸損失和狀態(tài)相關(guān)時(shí)滯的鉆柱系統(tǒng)的周期軌道，在此基礎(chǔ)上，提出了一種基于觀測(cè)器的時(shí)滯系統(tǒng)連續(xù)極點(diǎn)配置控制方案，通過仿真驗(yàn)證了該方法抑制黏滑行為的有效性。鉆進(jìn)過程中存在卡鉆問題，在黏滑振動(dòng)和井孔偏斜作用下，沖擊鉆頭易卡在井孔或巖層夾道中，無(wú)法提鉆或繼續(xù)鉆進(jìn)。2021年，山東科技大學(xué)趙元志等[69]設(shè)計(jì)了由基于雙算法的智能決策器和基于粒子群算法的執(zhí)行器兩部分組成的智能防卡控制器，仿真結(jié)果表明：智能防卡控制器可預(yù)測(cè)卡鉆并自行決策，防止發(fā)生卡鉆事故。

3 總結(jié)與展望

旋沖鉆進(jìn)技術(shù)在多個(gè)領(lǐng)域呈現(xiàn)出廣闊的應(yīng)用前景，然而旋沖鉆進(jìn)系統(tǒng)工作時(shí)要適應(yīng)復(fù)雜地質(zhì)條件下未知巖層結(jié)構(gòu)的變載荷工況，需要及時(shí)對(duì)鉆速、鉆壓進(jìn)行調(diào)整。鉆機(jī)振動(dòng)力大，穩(wěn)定性較差，實(shí)際施工中操作不當(dāng)往往會(huì)造成井孔偏斜，無(wú)法繼續(xù)鉆進(jìn)。此外，鉆進(jìn)過程中還存在黏滑振動(dòng)和卡鉆等問題。關(guān)于旋沖鉆進(jìn)系統(tǒng)控制技術(shù)的研究備受國(guó)內(nèi)外學(xué)者的關(guān)注，研究人員針對(duì)鉆速、鉆壓、鉆進(jìn)軌跡及鉆進(jìn)過程中的若干問題進(jìn)行探究，為旋沖鉆進(jìn)控制性能的提升提供了理論指導(dǎo)。文中對(duì)近年來(lái)國(guó)內(nèi)外相關(guān)研究成果進(jìn)行了梳理，對(duì)系統(tǒng)在鉆速、鉆壓、鉆進(jìn)軌跡及其他方面的控制策略進(jìn)行了系統(tǒng)的總結(jié)和分析。

目前，我國(guó)深井、超深井鉆進(jìn)技術(shù)的智能化程度還比較低，在探索新的智能調(diào)控機(jī)制、提高鉆進(jìn)系統(tǒng)的智能化水平和控制精度、高效地將優(yōu)化和控制相結(jié)合實(shí)現(xiàn)復(fù)雜非線性系統(tǒng)的最優(yōu)控制等方面，仍需要進(jìn)一步深入探索。

(1)在鉆速最優(yōu)控制方面，為使鉆速能夠適應(yīng)復(fù)雜地質(zhì)條件下的鉆進(jìn)需要，解決鉆進(jìn)參數(shù)時(shí)變性強(qiáng)的問題，鉆速預(yù)測(cè)和參數(shù)優(yōu)化對(duì)實(shí)現(xiàn)鉆速的優(yōu)化控制有重大作用。目前，國(guó)內(nèi)外研究學(xué)者多采用模型和優(yōu)化算法結(jié)合的方式來(lái)實(shí)現(xiàn)鉆速預(yù)測(cè)及鉆進(jìn)參數(shù)優(yōu)化，還有一部分學(xué)者研究了機(jī)器學(xué)習(xí)算法。機(jī)器學(xué)習(xí)算法可作為未來(lái)的研究方向，現(xiàn)有的計(jì)算機(jī)系統(tǒng)和人工智能系統(tǒng)學(xué)習(xí)能力有限，探索更多的自適應(yīng)學(xué)習(xí)方法和智能優(yōu)化算法，對(duì)實(shí)現(xiàn)鉆井參數(shù)的準(zhǔn)確、快速優(yōu)化，實(shí)現(xiàn)鉆速優(yōu)化控制有著重大意義。

(2)在鉆壓高精度控制方面，系統(tǒng)受負(fù)載工況多變、參數(shù)時(shí)變性、環(huán)境干擾不確定性等因素的影響，鉆壓不能實(shí)現(xiàn)精確控制，此外，實(shí)現(xiàn)鉆壓在負(fù)載變化時(shí)的自動(dòng)調(diào)節(jié)也需要深入研究。未來(lái)可將智能控制理論引入鉆壓控制系統(tǒng)，應(yīng)用神經(jīng)網(wǎng)絡(luò)控制、模糊控制、深度強(qiáng)化學(xué)習(xí)等智能控制方法實(shí)現(xiàn)鉆壓的精確控制，研究基于智能優(yōu)化算法的自適應(yīng)控制器，以滿足負(fù)載變化時(shí)的壓力變化需要。

(3)在鉆進(jìn)軌跡最優(yōu)控制方面，復(fù)雜地質(zhì)條件下容易發(fā)生井孔偏斜，系統(tǒng)需要調(diào)整鉆進(jìn)方向，及時(shí)修正鉆進(jìn)軌跡，鉆進(jìn)軌跡控制難度大。未來(lái)可加強(qiáng)在鉆井軌跡優(yōu)化設(shè)計(jì)方面的研究，目前主要采用的是三維井眼軌跡設(shè)計(jì)方法，將不同軌跡設(shè)計(jì)方法優(yōu)勢(shì)互補(bǔ)，并與智能優(yōu)化算法相結(jié)合，有望實(shí)現(xiàn)最優(yōu)鉆進(jìn)軌跡設(shè)計(jì)。預(yù)測(cè)真實(shí)的鉆進(jìn)軌跡有助于鉆進(jìn)軌跡的控制，目前多采用模型預(yù)測(cè)，未來(lái)可考慮將實(shí)測(cè)數(shù)據(jù)與預(yù)測(cè)控制模型相結(jié)合，建立數(shù)據(jù)驅(qū)動(dòng)與物理模型相融合的數(shù)字孿生體，提高預(yù)測(cè)精度，實(shí)現(xiàn)鉆進(jìn)軌跡的最優(yōu)控制。

(4)在其他控制方面，鉆進(jìn)過程中存在如黏滑振動(dòng)、卡鉆等問題，目前，在抑制黏滑振動(dòng)方面，國(guó)內(nèi)外研究學(xué)者已開展了控制策略和控制器的研究，智能防卡鉆方法和智能防卡控制器得到初步應(yīng)用。針對(duì)鉆進(jìn)過程中存在的問題，未來(lái)可深度探究鉆柱黏滑振動(dòng)的動(dòng)力學(xué)特性，研究抑制黏滑振動(dòng)的智能主動(dòng)抑制算法。另外，可研究智能防卡鉆策略，提高系統(tǒng)防卡鉆響應(yīng)速度及復(fù)雜地層適應(yīng)能力，實(shí)現(xiàn)系統(tǒng)自適應(yīng)處理卡鉆問題。