發(fā)布時(shí)間：2018-01-11 23:17

  本文關(guān)鍵詞：基于改進(jìn)的粒子群算法的鉆進(jìn)參數(shù)多目標(biāo)優(yōu)化研究　出處：《西安石油大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 鉆進(jìn)參數(shù) 多目標(biāo)優(yōu)化 粒子群算法

【摘要】：鉆進(jìn)參數(shù)是影響和制約鉆進(jìn)速度、成本和質(zhì)量等的重要因素。將鉆進(jìn)參數(shù)優(yōu)化組合可以提高機(jī)械鉆速、減少鉆頭磨損、降低鉆井成本。原有的鉆進(jìn)參數(shù)優(yōu)化理論和方法主要以鉆速為核心,把降低成本作為單一目的,忽略了對(duì)其它因素的考慮,而目前的鉆井工程不僅要提高鉆速,更要綜合考慮鉆頭壽命、比能等因素,需要多目標(biāo)優(yōu)化。另外,近年來(lái)應(yīng)用智能優(yōu)化算法來(lái)有效解決實(shí)時(shí)參數(shù)優(yōu)化已成為鉆井優(yōu)化的關(guān)鍵技術(shù)之一,引入優(yōu)化算法新理論對(duì)鉆進(jìn)模型進(jìn)行求解是不可避免的趨勢(shì)。本文針對(duì)單目標(biāo)鉆進(jìn)參數(shù)優(yōu)化的局限性,建立了一定約束條件下,綜合考慮機(jī)械鉆速、鉆頭壽命和鉆頭比能的多目標(biāo)優(yōu)化模型。針對(duì)現(xiàn)有優(yōu)化方法求解效率低、易陷入局部最優(yōu)等問題,提出一種改進(jìn)的、基于混沌的粒子群優(yōu)化算法。基準(zhǔn)測(cè)試函數(shù)檢驗(yàn)結(jié)果表明:改進(jìn)算法具有良好的分布性和收斂性,而且跳出局部最優(yōu)的能力較強(qiáng)。最后,將改進(jìn)算法應(yīng)用于某油田井段鉆進(jìn)參數(shù)優(yōu)化模型的求解。利用回歸分析法確定鉆速模型的待定系數(shù),討論并選擇了算法相關(guān)參數(shù)。仿真試驗(yàn)得到了較多且分布均勻的Pareto前端,從而驗(yàn)證了模型和算法的有效性,為工程實(shí)際優(yōu)化方案的選擇提供了有效依據(jù)。
[Abstract]:Drilling parameters are important factors that influence and restrict drilling speed, cost and quality. Optimizing drilling parameters can improve drilling speed and reduce bit wear. The original drilling parameter optimization theory and method mainly take drilling speed as the core, regard reducing the cost as the single purpose, ignore the consideration of other factors, but the drilling engineering at present should not only increase the drilling speed. In addition, the intelligent optimization algorithm has become one of the key techniques in drilling optimization in recent years. It is inevitable to introduce the new theory of optimization algorithm to solve the drilling model. Aiming at the limitation of single objective drilling parameter optimization, this paper establishes a certain constraint condition and synthetically considers the mechanical drilling speed. Multi-objective optimization model of bit life and bit specific energy. An improved method is proposed to solve the problems of low efficiency and easy to fall into local optimization. Particle swarm optimization algorithm based on chaos. Benchmark function test results show that the improved algorithm has good distribution and convergence, and the ability to jump out of the local optimization is strong. Finally. The improved algorithm is applied to solve the optimization model of drilling parameters in a certain oil field, and the undetermined coefficient of drilling velocity model is determined by regression analysis. The relevant parameters of the algorithm are discussed and selected. The simulation results show that the Pareto front end is more and more evenly distributed, which verifies the validity of the model and the algorithm. It provides an effective basis for the selection of practical optimization schemes.
【學(xué)位授予單位】：西安石油大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TE24;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 肖曉偉;肖迪;林錦國(guó);肖玉峰;;多目標(biāo)優(yōu)化問題的研究概述[J];計(jì)算機(jī)應(yīng)用研究;2011年03期

2 范成洲;尹曉利;曹鈞;楊歡;鄧?yán)?;大直徑豎井鉆井鉆速多元回歸模型分析及應(yīng)用[J];礦山機(jī)械;2012年05期

3 吳桐;;影響鉆井機(jī)械鉆速的因素[J];機(jī)械工程師;2011年05期

4 公茂果;焦李成;楊咚咚;馬文萍;;進(jìn)化多目標(biāo)優(yōu)化算法研究[J];軟件學(xué)報(bào);2009年02期

5 況雨春;馬青松;王勤;楊浩瓏;許春堂;;鉆井水力參數(shù)優(yōu)化方法及應(yīng)用現(xiàn)狀[J];石油礦場(chǎng)機(jī)械;2010年07期

6 伊鵬;劉衍聰;郭欣;李進(jìn);;基于改進(jìn)自適應(yīng)遺傳算法的鉆井參數(shù)優(yōu)化設(shè)計(jì)[J];石油機(jī)械;2010年02期

7 李士斌;張立剛;荊玲;徐守峰;;鉆井參數(shù)優(yōu)選新方法[J];石油鉆探技術(shù);2007年04期

8 張立剛;呂華恩;李士斌;陳波濤;;鉆井參數(shù)實(shí)時(shí)優(yōu)選方法的研究與應(yīng)用[J];石油鉆探技術(shù);2009年04期

9 金業(yè)權(quán);王茂林;;綜合考慮成本和鉆速的PDC鉆頭鉆進(jìn)參數(shù)優(yōu)化設(shè)計(jì)[J];石油鉆探技術(shù);2012年05期

10 Chandan Guria;Kiran K Goli;Akhilendra K Pathak;;Multi-objective optimization of oil well drilling using elitist non-dominated sorting genetic algorithm[J];Petroleum Science;2014年01期

相關(guān)博士學(xué)位論文 前2條

1 譚躍;具有混沌局部搜索策略的粒子群優(yōu)化算法研究[D];中南大學(xué);2013年

2 趙森;基于精英集選擇與擴(kuò)展策略的多目標(biāo)智能算法研究[D];華南理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前3條

1 高媛;非支配排序遺傳算法（NSGA）的研究與應(yīng)用[D];浙江大學(xué);2006年

2 常雷;基于范例推理的鉆井參數(shù)優(yōu)化方法研究[D];大慶石油學(xué)院;2008年

3 左一多;多目標(biāo)優(yōu)化問題的粒子群算法及其性能分析[D];中國(guó)地質(zhì)大學(xué)（北京）;2013年

，

本文編號(hào)：1411670