بهینه سازی پارامترهای حفاری برای کنترل ارتعاشات پیچشی با استفاده از هوش مصنوعی و الگوریتم ژنتیک

رشته های حفاری تحت تاثیر نیروهای دینامیکی بسیار پیچیده ای قرار دارند که این نیروها باعث ارتعاشات رشته شده و استهلاک سیستم را به دنبال دارد.این ارتعاشات موجب کاهش سرعت حفاری، کاهش ایمنی و افزایش هزینه حفاری خواهند شد. یکی از بارزترین پیامدهای ارتعاشات رشته حفاری، پدیده چسبیدن - لغزیدن (stick-slip) رشته حفاری می باشد که عواقب منفی متعددی در پی دارد. تاکنون مدل های مختلفی برای پیش بینی و کاهش این پدیده در حفاری ارائه شده است. اغلب این روش ها پیچیده بوده و ضعف اساسیآن ها کم بودن دقت در شبیه سازی مساله می باشد. مقاله پیش رو مدلی جدید، ساده و دقیق برای شبیه سازی پدیده چسبیدن - لغزیدن در حفاری چاه های نفت و گاز ارائه کرده است. در این مطالعه داده های میدانی از یک چاه در خلیج مکزیک که پدیده چسبیدن - لغزیدن در حفاری آن رخ داده بود، جمع آوری شده است. سپس شبیه سازی مساله توسط شبکه عصبی مصنوعی در نرم افزار مطلب صورت پذیرفت. تابع هدف(خروجی شبکه)، شاخص چسبیدن - لغزیدن (SSI) در نظر گرفته شد و متغیرهای اصلی تصمیم گیری (ورودی شبکه)، شش پارامتر اصلی حفاری یعنی وزن روی مته، دور میز دوار،گشتاور میز دوار،دبی پمپ،استحکام تراکمی سازند و ضریب فرسایشی سازند می باشند.همچنین محدودیت اساسی این مساله، نرخ نفوذ حفاری (ROP) است. پس از طراحی بهترین شبکه و تست و ارزیابی آن، بهینه سازی سیستم برای رسیدن به پارامترهای بهینه توسط الگوریتم ژنتیک انجام می گیرد. در پایان مدل ارائه شده قادر به پیش بینی پارامترهای بهینه چاه های جدید (در حال حفاری) برای دستیابی به ماکزیمم نرخ نفوذ و مینیمم پدیده چسبیدن - لغزیدن خواهد بود. بررسی آماری نتایج به دست آمده در این مطالعه نشان داد که روش ارائه شده، علاوه بر مرتفع نمودن ضعف های روش های پیشین، نتایج قابل قبولی را در پی دارد .

بهینه سازی پارامترهای حفاری برای کنترل ارتعاشات پیچشی با استفاده از هوش مصنوعی و الگوریتم ژنتیک Keywords:

ارتعاشات پیچشی , پدیده چسبیدن لغزیدن , شبکه عصبی مصنوعی , الگوریتم ژنتیک