一种基于transformer的钻机卡钻预测方法技术

本发明专利技术公开了一种基于transformer的钻机卡钻预测方法，属于深度学习故障预测技术领域，其步骤为：获取原始数据，并对原始数据进行归一化处理，构建数据集；基于transformer构建钻机卡钻预测模型，钻机卡钻预测模型包括N个编码器，每个编码器均包括多头注意力层、前向传播层和协调注意力层，使用S1中的数据集对该模型进行训练，得到训练好的钻机卡钻预测模型；使用训练好的钻机卡钻预测模型对钻头实时状态进行预测。本发明专利技术针对现有的卡钻预测方法中忽略数据时间特征的问题，充分考虑输入数据各因素之间、输入数据时间之间的关系，对钻头状态做出预测。该方法简单可靠且便于实现，对于提高钻机卡钻状态预测的精度有重要的意义。

【技术实现步骤摘要】

本专利技术属于深度学习故障预测，具体涉及一种基于transformer的钻机卡钻预测方法。

技术介绍

1、钻机在矿井作业过程中常伴随裂隙卡钻和沉渣卡钻问题。裂隙卡钻是指在地下岩层中，由于存在裂隙或者岩石构造不均匀等原因，导致钻孔或者采煤机具卡住无法继续作业的情况；沉渣卡钻是指在地下开采作业中，由于岩屑、泥浆或其他杂质在钻孔或者采煤机具的作用下堆积、凝结，导致设备卡住无法继续进行作业的情况。为了减少卡钻事故，技术人员将很多种数学模型应用于卡钻研究，但是由于钻机工作涉及的领域相当广，很难用数学模型精确的体现钻头运行过程中的规律。同时，数学模型存在着系数难以计算和过程难以确定等缺点，不便于实际操作，也不能从根本上减少卡钻事故的发生和对卡钻事故的及时预测。随着深度学习的发展，使用神经网络对样本数据学习，建立黑箱模型，避免了精确数学模型所带来的数据分析和建模的困难的问题。因此，鉴于神经网络简单易实现、可逼近任意非线性函数等特点，通过设计合理的神经网络进行钻机卡钻状态的预测是减少钻井过程发生卡钻问题的重要途径。

技术实现思路

本文档来自技高网...

【技术保护点】

1.一种基于transformer的钻机卡钻预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于transformer的钻机卡钻预测方法，其特征在于，所述S1中，所述原始数据包括钻井压力、转进扭矩、马达转速、泵排量、液压压力、温度、X向震动、Y向震动和Z向震动；将到时间段的原始数据归一化处理后，构建大小为m×n的输入特征矩阵，其中n为特征的个数，m为时间步长，表示为：，输入特征矩阵对应的输出状态标签向量为，、、分别代表钻头所属的状态，依次为正常、裂隙卡钻和沉渣卡钻。

3.根据权利要求2所述的一种基于transformer的钻机卡钻预测方法，其特征...

【技术特征摘要】

1.一种基于transformer的钻机卡钻预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于transformer的钻机卡钻预测方法，其特征在于，所述s1中，所述原始数据包括钻井压力、转进扭矩、马达转速、泵排量、液压压力、温度、x向震动、y向震动和z向震动；将到时间段的原始数据归一化处理后，构建大小为m×n的输入特征矩阵，其中n为特征的个数，m为时间步长，表示为：，输入特征矩阵对应的输出状态标签向量为，、、分别代表钻头所属的状态，依次为正常、裂隙卡钻和沉渣卡钻。

3.根据权利要求2所述的一种基于transformer的钻机卡钻预测方法，其特征在于，在多头注意力层中，首先获取的查询矩阵、键矩阵和值矩阵，其中，为查询矩阵、键矩阵或值矩阵的个数，=8，表达式如下：

4.根...

【专利技术属性】
技术研发人员：黃梁松，张坤，杜明超，赵乐骅，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：