【技术实现步骤摘要】
一种基于模糊综合评价的钻进轨迹多目标优化方法
本专利技术涉及复杂地质钻进过程智能控制领域,尤其涉及一种基于模糊综合评价的钻进轨迹多目标优化方法。
技术介绍
由于地质钻探通常面临复杂的地质环境,导致井下信息传递延迟、数据价值密度低,使得钻进效率低、安全风险相对更高,因此发展智能化的钻进装备与工程技术意义重大,需要建立符合实际的钻进过程智能决策和控制方法。定向水平井是石油、天然气、页岩气等资源勘探开发的主要形式,在钻前进行轨迹设计是提高中靶准确率和钻进效率的关键之一。在特定的钻井工艺和地层条件下,减少轨迹长度能够直接减少钻井工程成本,因此许多相关研究通过最小化轨迹长度来优化钻进轨迹。例如用序列无约束最小化方法、数论序贯优化算法等优化造斜点和造斜率。但是这些问题中的轨迹模型相对简单,对于更为复杂的轨迹模型,例如自变量与目标函数和约束为非线性关系的情况,上述基于梯度的优化方法将不再适用。遗传算法、粒子群算法等智能优化算法能够有效解决这些问题,然而更短的轨迹长度往往意味着更复杂的井眼结构。这将会产生快速变化的井斜角和方位角,以及较大的狗腿角,从而加大钻进安全风险。因此,有必要将钻进轨迹优化问题归为多目标优化问题进行求解。目前已有的多目标轨迹优化算法大多采用经典多目标优化算法,这些方法将多目标问题转化为单目标优化问题进行求解,在转化过程中可能会丢失一些重要信息,也不能在单次计算中求得帕累托最优解集,使得决策者必须要干涉优化过程,多目标进化算法则能够有效解决这些问题。针对轨迹优化问题中复杂的非线性约束,有必要在多目标进化算法中加入约束处理的手段。另一方面,将帕累托解集中 ...
【技术保护点】
1.一种基于模糊综合评价的钻进轨迹多目标优化方法,其特征在于,包括以下步骤:S1,建立待优化的钻进轨迹的钻进轨迹多目标优化模型和对应的约束函数,结合所述约束函数计算得到钻进轨迹多目标优化模型的帕累托解集,所述帕累托解集中的每个解对应一条不同的钻进轨迹;S2,计算所述帕累托解集中所有解对应的钻进轨迹长度的平均值、井眼剖面能量的平均值、中靶误差的平均值,然后根据所述钻进轨迹长度的平均值计算得到最小模糊熵下的钻进轨迹长度的模糊隶属度函数,根据所述井眼剖面能量的平均值计算得到最小模糊熵下的井眼剖面能量的模糊隶属度函数,根据所述中靶误差的平均值计算得到最小模糊熵下的中靶误差的模糊隶属度函数;S3,利用所述钻进轨迹长度的模糊隶属度函数、井眼剖面能量的模糊隶属度函数、中靶误差的模糊隶属度函数计算得到帕累托解集中每个解对应的目标函数值的模糊隶属度,根据得到的模糊隶属度建立帕累托解集的模糊评价矩阵;S4,确定钻进轨迹长度、井眼剖面能量、中靶误差的权重向量,根据所述模糊评价矩阵和权重向量计算得到帕累托解集中的每个解的综合评价值,选出最大的综合评价值,最大的综合评价值对应的解为最优钻进轨迹。
【技术特征摘要】
1.一种基于模糊综合评价的钻进轨迹多目标优化方法,其特征在于,包括以下步骤:S1,建立待优化的钻进轨迹的钻进轨迹多目标优化模型和对应的约束函数,结合所述约束函数计算得到钻进轨迹多目标优化模型的帕累托解集,所述帕累托解集中的每个解对应一条不同的钻进轨迹;S2,计算所述帕累托解集中所有解对应的钻进轨迹长度的平均值、井眼剖面能量的平均值、中靶误差的平均值,然后根据所述钻进轨迹长度的平均值计算得到最小模糊熵下的钻进轨迹长度的模糊隶属度函数,根据所述井眼剖面能量的平均值计算得到最小模糊熵下的井眼剖面能量的模糊隶属度函数,根据所述中靶误差的平均值计算得到最小模糊熵下的中靶误差的模糊隶属度函数;S3,利用所述钻进轨迹长度的模糊隶属度函数、井眼剖面能量的模糊隶属度函数、中靶误差的模糊隶属度函数计算得到帕累托解集中每个解对应的目标函数值的模糊隶属度,根据得到的模糊隶属度建立帕累托解集的模糊评价矩阵;S4,确定钻进轨迹长度、井眼剖面能量、中靶误差的权重向量,根据所述模糊评价矩阵和权重向量计算得到帕累托解集中的每个解的综合评价值,选出最大的综合评价值,最大的综合评价值对应的解为最优钻进轨迹。2.根据权利要求1所述的基于模糊综合评价的钻进轨迹多目标优化方法,其特征在于,步骤S1中,钻进轨迹多目标优化模型为:min[f1(x)=L,f2(x)=Ew,f3(x)=Et]约束函数为:其中,L=L1+L2EW=(κ12+τ12)L1+(κ22+τ22)L2上式中,L为轨迹长度,Ew为井眼剖面能量,Et为中靶误差,NB、EB、DB为钻进轨迹终点的坐标,NT、ET、DT为靶点的坐标,Dmax为靶窗高度,Hmax为靶窗水平宽度,(tN,tE,tD)为靶窗平面的法向量,κ是井眼曲率,τ是井眼扭转。3.根据权利要求1所述的基于模糊综合评价的钻进轨迹多目标优化方法,其特征在于,步骤S1中,帕累托解集的计算过程为:S101,设置钻进轨迹多目标优化模型的迭代次数和种群大小;S102,利用切比雪夫算法将多目标优化问题按不同目标权重分解为多个子优化问题,计算公式为:计算当前种群中符合约束函数的解的数量即可行解的数量,若当前种群中全部为可行解,则所有可行解的目标函数值为返回到切比雪夫算法中的值:F(x)=f(x);其中,向量f(x)的元素为当前个体对应的各个目标函数值;若当前种群中没有可行解,则将约束违反度传送到切比雪夫算法中:F(x)=v(x);其中,约束违反度若当前种群中有部分可行解,则利用目标函数值和约束违反度计算后传送到切比雪夫算法中,计算公式为:其中,rf为当前种群中可行解数量与种群数之比;S103,根据计算得...
【专利技术属性】
技术研发人员:吴敏,黄雯蒂,陈略峰,
申请(专利权)人:中国地质大学武汉,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。