地質鉆進過程智能控制研究進展與發展前景

陸承達，甘 超，陳略峰，陳 鑫，曹衛華，吳 敏

(1.中國地質大學(武漢)自動化學院，湖北 武漢 430074；2.復雜系統先進控制與智能自動化湖北省重點實驗室，湖北 武漢 430074；3.地球探測智能化技術教育部工程研究中心，湖北 武漢 430074)

地質資源是人類文明發展進步的物質基礎與動力，地質鉆探是實現資源勘探開發的必要手段。2023 年全國自然資源工作會議指出要加強重要能源礦產資源國內勘探開發，全面啟動新一輪戰略性礦產找礦行動，推進相關科技專項，為找礦突破提供支撐[1]。

隨著數十年的勘探與開發，易開發的表層資源越來越少。《“十四五”現代能源體系規劃》也明確指出要堅持“常非并舉”，強化重點區域基礎地質調查和勘探[2]，對不確定性、強干擾、非線性問題突出的復雜地質環境下的資源進行探查已成必然。地質鉆進過程面臨井下環境多變、運行狀態監測困難、不確定因素多、施工風險高、效率低下等問題，亟需發展新一代變革性鉆進過程智能控制技術。

國際鉆探/鉆井領域知名公司在鉆井風險控制、地質導向或定向鉆井等方面形成了具有領先水平的自動化甚至智能化的軟件系統，如斯倫貝謝公司的NDS 系統、哈里伯頓的Landmark 系統、Verdande 的DrillEdge系統等，可以提供有效的施工與設計服務支持。國內科研院校和企事業單位結合實際項目需要，也開發了一些鉆井分析、監測軟件與系統，取得了一定進展。然而，相比國外公司的鉆井軟件與系統，國內軟件與系統規模較小、功能有待完善豐富，尚處于發展起步階段[3]。

隨著向更深、更復雜地層進軍，信息感知、控制與決策更為困難，需要從鉆進系統角度出發，融合人工智能、新一代信息技術、大數據、先進控制等技術[4]，實現鉆進過程地層環境感知、鉆進過程智能優化、鉆進過程智能控制，從而保障鉆進安全，提高效率。

地質鉆進過程智能控制技術目前處于快速發展階段，具有廣闊的應用前景與開發價值。本文結合筆者團隊近年來在這方面的研究與理解，從鉆進過程感知與建模、鉆進過程智能優化與鉆進過程控制3 個方面梳理總結地質鉆進過程智能控制的研究進展，論述團隊開發的地質鉆進過程智能控制系統及其工程應用情況，展望未來需要攻克的基于工業物聯網的信息物理融合與鉆進過程智能控制技術。

1 鉆進過程智能感知與建模

地質鉆探行業較依賴經驗操作，缺少對鉆進過程的實時優化與智能決策。隨著鉆探深度增加，地質鉆進過程面臨地層環境變化多樣、井下鉆進信息傳輸困難、各類信息相互干擾耦合等問題。因此，需要利用多源鉆進過程信息，建立可靠的地質環境模型，實現對鉆進過程的狀態感知與監測，為安全、高效的鉆進作業提供支撐。

1.1 地質環境智能感知與建模

在地質鉆進過程中，鉆具會穿過復雜多變、具有高度不確定性的地層環境，面臨著高地應力、高地溫和高壓等惡劣地質環境。利用有限的鉆進過程信息，建立地質環境模型，準確感知井下環境變化，是保障地質鉆進過程運行的前提。

1.1.1 環境與過程信息感知

地質環境可以通過地層可鉆性、地層巖性、巖石力學參數、地層壓力等地層特征參數描述。地層可鉆性反映實際鉆進地層的結構與物理力學特性，表征鉆頭鉆進的難易程度[5]。地層巖性代表鉆遇巖層特征與屬性，鉆進過程中鉆遇地層種類多樣、巖石性質變化大、巖層厚度不一，都會導致地層巖性發生改變[6]。巖石力學參數表征巖層的強度和彈性等特性，由于受到巖石種類、地層變化的影響，巖石力學參數具有較強的不可預知性[7]。地層壓力通常指的是巖層孔隙內的流體壓力，與深度、地質條件相關，是進行井漏、井涌等事故預警和診斷的重要參數。

地質鉆進過程信息是對鉆進過程所處區域地質構成的綜合反映，將地質環境與鉆進過程信息相融合，監測鉆進過程地質環境變化，準確描述地層特征，是保障鉆探工程安全、高效實施的關鍵。鉆進過程信息主要分為鉆前信息、鉆中信息和鉆后信息(表1)。鉆前、鉆中與鉆后信息是對區域地質環境的綜合反映，存在一定的相關性。鉆前信息可以對鉆進過程起到指導作用；鉆中信息涵蓋了實際作業中記錄采集的各類實時數據，與鉆進過程密切相關；鉆后信息可以對鉆遇地層信息進行定量/定性描述。

表1 鉆進過程信息種類及來源Table 1 Types and sources of drilling process information

鉆進過程中的各類信息采樣周期不一、時間跨度長、數據粒度多樣，井下地層環境難以觀測、不確定性強。利用信息技術，按照時序對不同傳感器、不同時間段采集的數據進行分析處理，獲得被測對象的詳細描述，這一過程就稱為信息融合。利用多源時空數據，結合貝葉斯估計、D-S 證據推理、模糊邏輯推理、等信息融合手段，可實現地質環境信息與鉆進過程信息的關聯、綜合，通過信息融合準確感知井下環境變化，是地質鉆進過程亟待解決的重要問題。

1.1.2 地質環境建模

建立反映地層可鉆性、地層巖性、巖石力學參數、地層壓力等信息的地質環境模型，可為地質鉆進過程控制提供有力支撐。然而，地質鉆進過程中難以獲取充足的地質環境信息，因此，利用有限的信息建立其與地質環境之間的關聯關系，對地質環境進行建模，獲取地層特征參數，感知井下環境變化，是保障鉆探工程安全、高效實施的重要一環。

地層可鉆性是揭示地層鉆探難度的重要指標，依照空間維度的不同，地層可鉆性可以分為點地層可鉆性、二維地層可鉆性和三維地層可鉆性。統計學分析方法構建的經驗模型或機理模型可對地層可鉆性進行描述，建立點可鉆性、二維可鉆性模型；采用DC 指數法、分形理論法和地層可鉆性分級法等表述地層可鉆性與測井參數、錄井參數和鉆進參數之間的關系。有學者基于BP 神經網絡建立可鉆性數據與易測量測井數據的關聯關系，獲取了較準確的二維地層可鉆性剖面[8]。隨著建模方法與硬件技術的發展，支持向量機、多源信息融合等方法也被運用于地層可鉆性建模，結合粒子群優化算法、融合優化算法[9]等解決了預測模型中的初始權值、閾值影響和泛化能力等問題，取得了較好的預測效果。以上所述方法均為實現點地層可鉆性、二維地層可鉆性奠定了重要基礎，但建模精度與實用價值還有待進一步提高。

三維地層可鉆性場對區域地層可鉆性描述更為直接、準確，可為鉆進軌跡設計和優化提供指導。目前的三維地層可鉆性場建模方法有地震反演法、滑動最小二乘法、克里金插值等，這類方法較難估計地層突變導致的地層數據變化。為實現對三維地層可鉆性場的準確描述，Gan Chao 等[10-11]基于互信息方法，分析鉆進過程數據與地層可鉆性間的關系，運用克里金、散點插值、隨機森林和支持向量回歸4 種建模方法，實現了對地層可鉆性信息的三維空間描述。

地層巖性識別與鉆前測井信息密切相關，主要有人工繪圖法和智能建模方法。人工繪圖法包括交會圖法、階梯圖法、蜘蛛網圖法等[12]，在早期巖性識別工作中起到了重要作用。但是，人工方法難以實時更新，不適用于鉆前和鉆中預測。雖然人工神經網絡法、支持向量機、模糊邏輯和自適應神經模糊推理系統等都取得了較好的識別效果，但是地質鉆進過程地層巖性變化、性狀不一，都會影響巖性識別的準確性[13]。Chen Xi 等[14]考慮鉆前測井數據分布特征，對地層巖性進行集成建模，解決了現有測井數據不均衡、地層巖性變化導致的巖性識別問題。

巖石力學參數在一定程度上反映了井壁穩定性。在實際鉆進過程中，經常使用的巖石力學參數有彈性模量、泊松比、抗壓強度等，一般通過經驗模型估計得到[15]，但這僅針對特定區域和特定巖性有效。針對地質鉆進過程中的高度不確定性、強非線性等特點，深度卷積神經網絡、多層感知器神經網絡等方法成為解決經驗模型局限性的新手段[16]，可實現更為準確的巖石力學參數估計。有學者提出了一種基于數據相似性的巖石力學參數半監督預測方法，用有限且不連續的巖石力學參數集實現模型的強化訓練，提高了對彈性模量、泊松比等參數的預測精度[17]。

地層壓力指的是地層孔隙流體中的壓力，是分析井壁穩定性、規劃鉆進軌跡的主要參數。當前的研究集中在鉆前地層壓力預測、鉆后地層壓力計算方面。鉆前地層壓力預測主要是通過地震資料獲得，通過地震資料可以有效識別斷層、裂縫、褶皺等地層構造[18]。鉆后地層壓力計算通過測井數據估算所鉆地層的壓力，常用方法有Eaton 法、等效深度法以及Bowers 法[19]。

有團隊提出基于深度序列數據分析的鉆進點地層壓力混合建模方法，利用鉆中數據作為地層壓力模型輸入，融合機理參數，考慮異常值、噪聲和地層環境變化等特征，綜合提高地層壓力模型精度[20]。在點地層壓力建模方法基礎上，采用模糊c均值方法劃分相似的壓力子空間，結合克里金插值算法生成不同壓力剖面，獲得整體的區域三維地層壓力模型，捕捉地層壓力局部變化[21]。

1.2 鉆進過程狀態智能監測與事故診斷

地質鉆進過程工況多變、井下環境惡劣，給鉆進過程的安全高效運行帶來挑戰。需要考慮鉆進信息多源多尺度特性以及多種鉆進工況下的不同特征，掌握鉆進系統運行狀態，對可能發生的鉆進過程事故(包括井涌、井漏、卡鉆等)提前預警并對已發生的鉆進過程事故進行診斷。

1.2.1 狀態監測

目前的鉆進過程狀態監測研究包括基于機理模型的監測方法和數據驅動的監測方法。采用機理模型的狀態監測方法主要針對地層可鉆性、地層壓力等特征參數進行定量描述。而隨著鉆進過程數據的積累，基于數據驅動的狀態監測方法逐漸成為重要發展方向。范海鵬等[22]提出一種基于支持向量機的地質鉆進工況識別模型，利用鉆進過程狀態監測數據，實現對鉆進工況的判別。針對鉆進數據信息較少的問題，有學者提出一種基于自組織增量神經網絡的鉆進過程數據增強方法，提高有限樣本下的模型性能[23]。在地質鉆進領域，狀態監測系統的研制仍處于起步階段，主要涉及工況識別、風險評估、事故預警等。當前大多的地質鉆進過程狀態監測系統存在數據單一，區域數據不能互聯互通的問題，可以設計基于Android 的地質鉆進過程狀態監測APP，實現對鉆進現場的實時監控與數據歷史趨勢分析[24]。

1.2.2 事故診斷

由于鉆進過程具有復雜的地質力學環境，對鉆進過程進行故障診斷與預警能有效掌握當前的事故狀況，避免嚴重事故發生。基于機理模型、機器學習與多元統計分析等方法，學者們提出了眾多鉆進過程故障診斷方法。

早期基于控壓鉆井技術的水力學模型為鉆進過程故障診斷提供了一種解決方案。通過水力學或熱力學特性分析，可以實現對井涌、井漏、鉆桿刺漏等事故的診斷；也有學者采用卡爾曼濾波器和邊緣粒子濾波器、狀態觀測器等方法識別井下鉆頭阻塞、跳鉆。上述基于機理模型的方法要求一定的假設條件，模型精度與實際有較大差距，導致工程應用范圍受限。

結合機器學習方法實現鉆進過程故障診斷具有很大潛力。依靠歷史數據，采用集成分類器[25]、集成學習方法[26]等建立合適的狀態監測模型，對于多種鉆進過程故障都能起到較好的檢測效果。上述方法忽略了鉆進過程潛在影響因素、不同工況的影響，一定程度上降低了故障診斷與預警的準確性。考慮到鉆進過程存在的模糊性與隨機性，有學者結合模糊隸屬度函數，設計多層風險評估系統來對特定故障類型進行預測與評估[27]。考慮到工況切換導致的鉆進過程信息變化，Li Yupeng 等[28]基于鉆進信號變化趨勢特征，確定了工況正常切換與發生故障時的數據變化情況，提高了鉆進過程故障識別的準確性。在此基礎上，通過考慮數據分布差異，計算在線數據分布和正常數據分布之間的相似性指標，設計隨深度變化的閾值來提高鉆進過程故障診斷效率與準確率[29]。

2 鉆進過程智能優化

鉆進過程優化涉及鉆速優化、鉆進軌跡優化等，主要目的是面向復雜環境和多變工況，結合機器學習等方法，實現多目標多約束下更快、更安全地鉆進。結合專家經驗判斷鉆進狀態、設定鉆進過程參數的方法難以滿足地質鉆進過程優化調節的需求。因此，如何實現鉆進過程的智能優化，是鉆進過程智能控制要解決的一個重要問題。

2.1 鉆速智能優化

鉆速是衡量鉆進效率的重要指標，建立合適的鉆速模型是實現鉆速優化的前提。鉆速建模方法可分為機理分析法、多元回歸法、滑動窗口估計法和智能建模方法等。機理分析法根據鉆頭破巖機制進行分析，計算鉆頭與地層相互作用力，從而建立鉆速模型。地質鉆進過程使用的鉆頭種類不同，建立的鉆速模型也不同。由于鉆頭磨損、地層變化等因素，機理分析法存在計算繁瑣、精度不高等問題。多元回歸法運用統計學理論建立地層參數、工藝參數與鉆速之間的關聯關系[30]，在非線性程度較低的情況下能夠取得較好的鉆速預測效果。結合優化算法確定最優的多元回歸系數，可進一步提高預測效果[31]。在滑動窗口估計法研究方面，學者們通過建立觀測器實現鉆速估計，采用滑動窗口建立鉆速狀態空間模型，為鉆速優化和控制提供了較好的研究方向與思路[32-33]。有學者通過對比分析發現，基于遺傳算法、布谷鳥搜索算法[34]等智能算法建立的鉆速模型在模型精度和適用性優于普通鉆速建模方法。

在建立的鉆速模型基礎上，通過處理鉆進過程約束、優化操作參數等可以有效提升鉆進效率。目前，鉆速優化方法可以分為基于數學理論推導的鉆速優化方法與采用進化算法、群智能優化方法的智能鉆速優化方法。基于數學理論推導的鉆速優化方法主要包括魯棒優化算法、經典極值法等，此類方法計算過程復雜、優化參數誤差較大。結合智能算法的鉆速優化方法可以有效解決上述方法導致的問題[35-36]。Gan Chao等[37]提出一種鉆速動態預測模型和基于混合蝙蝠算法的鉆速優化方法，在準確預測鉆進速度的基礎上進行操作參數優化，有效提升了鉆進速度。

2.2 鉆進軌跡智能優化

為實現鉆進軌跡的準確跟蹤、降低井下事故，合理設計鉆進軌跡是其中的關鍵。對于如圖1 所示的鉆進軌跡，井段OA 與AB 具有不同的井斜角變化率和方位角變化率，對其進行軌跡優化需要考慮地層因素、鉆進操作參數以及軌跡設計對后續軌跡控制的影響，這樣的軌跡優化問題往往是多目標、多約束的。

圖1 鉆進軌跡Fig.1 Schematic diagram of drilling trajectory

對于以軌跡長度為優化目標的鉆進軌跡單目標優化問題，可以采用數值優化算法求解。針對以最短軌跡或者最高鉆速為目標的三維鉆進軌跡優化問題，黃雯蒂等[38]使用了蟻群算法進行優化求解。這些研究大多忽略了約束或者約束僅僅只是其決策參數的邊界，所以單一算法難以取得滿意的優化結果。有必要綜合不同優化算法的優勢，優化算法性能，獲取更符合實際要求的鉆進軌跡。鉆進軌跡設計還需考慮地層特性的影響。由于鉆頭在巖石中鉆進，地層應力的變化可能會使得井壁失穩，造成井壁坍塌或者鉆井液漏失，需要建立井壁穩定性條件，在鉆進軌跡優化中約束鉆進軌跡參數的范圍[39]。

相較于鉆進軌跡單目標優化，鉆進軌跡多目標優化問題需要綜合考慮軌跡長度和復雜度。鉆進軌跡長度受井斜角、方位角、井眼曲率、造斜點位置等參數影響。井眼曲率與軌跡曲折度被用于量化鉆進軌跡復雜度。多目標優化算法分為間接法和直接法。間接法是通過線性加權法、主要目標函數法、理想點法等轉化多目標優化問題，實現間接求解。直接法通過數學模型直接求解優化問題，結合多目標遺傳算法[40]、小生境Pareto 遺傳算法[41]、非支配排序遺傳算法[42]等遺傳算法，在鉆進軌跡優化設計中可獲得更優的收斂性、魯棒性和適用性。

3 鉆進過程控制

鉆進過程控制是保證鉆探施工安全、高效的關鍵，涉及鉆柱、鉆進軌跡和鉆井液循環等的控制(圖2)。這些系統自身具有不同特性，加上地層復雜變化帶來的高度不確定性，使得鉆進過程控制非常困難，出現鉆柱振動、鉆進軌跡偏斜、井漏井涌等。

圖2 鉆進系統Fig.2 Schematic diagram of drilling system

3.1 鉆柱系統控制

鉆柱由于大長徑比結構，具有彈性形變和剛體運動耦合的物理特性，在鉆進過程中與巖石發生激烈對抗，易發生鉆柱振動等復雜運動。表2 介紹了幾種主要的鉆頭-巖石作用模型。這些鉆頭-巖石作用模型在庫侖摩擦模型和黏性摩擦模型的基礎上發展而來，可以描述鉆頭破巖動態行為，為設計合適的鉆柱系統控制策略提供支撐[43]。

表2 鉆頭-巖石作用模型Table 2 Bit-rock interaction models

鉆柱系統可在軸向、扭轉和橫向3 個方向進行具有耦合關聯的運動[44]。鉆柱軸向運動控制主要依靠鉆機提升系統實現對鉆壓的控制；扭轉運動控制由頂驅/轉盤驅動鉆柱旋轉；鉆柱的橫向運動無法直接控制，但依靠鉆柱運動的多維度耦合特性，可以通過調節鉆柱軸向和扭轉運動來間接控制鉆柱的橫向運動[45]。

鉆柱系統的軸向運動控制需要維持鉆壓穩定在期望的范圍內。雖然現在大多數井場都配備了變頻電動鉆機，但控制方式大多仍是PID 控制或Bang-Bang 控制，參數難以整定、控制精度低[46]。參數整定PID 控制方法根據先驗知識制定工況表，以此來調整控制器增益，應對地層變化帶來的影響[47]。基于模型的鉆壓控制方法考慮到鉆柱和鉆頭-巖石作用等因素，所設計的控制器在鉆進過程中也表現出較好的控制性能[48]。

鉆柱系統的扭轉運動控制是通過調整頂驅/轉盤保證鉆頭轉速達到期望值。已經應用于實際工業的軟力矩轉動系統能夠減小扭矩波動，保持鉆頭轉速穩定，但是由于設計較為簡單，在較深地層應用效果受限[49]。針對井下信息難以獲取的問題，Fu Meng 等[50]通過構造狀態觀測器，提出了基于井下信息估計的鉆柱振動抑制方法。為了有效減弱井上扭轉能量的傳輸時滯、時變測量時滯和鉆柱長度變化對鉆柱扭轉運動控制的影響，學者們分別提出了基于擾動估計器和Smith 預估器的控制方法[51]、時滯依賴的控制方法[52]和基于H∞的增益調度控制方法[53]。

由于鉆柱主要在軸向和扭轉兩個方向上受到控制力和巖石反作用力，鉆柱系統的軸向-扭轉耦合運動控制受到了一定關注。現有的方法主要是利用軸向和扭轉動力學之間的耦合關系，通過抑制扭轉振動來抑制耦合振動，這類方法簡化了控制器的設計，但其控制性能會有一定損失[54]。S.Tashakori 等[55]提出一種能夠同時控制鉆柱軸向和扭轉運動的方法，但所用模型中的時變時滯被簡化為常數，導致設計的控制器存在一定的保守性。Lu Chengda 等[56]提出一種考慮再生切削誘發時滯與執行器飽和的動態輸出反饋控制方法，為鉆柱軸向-扭轉耦合振動抑制提供了有效的控制策略。由于鉆柱軸向-扭轉-橫向耦合運動動態較為復雜，目前這方面的研究主要集中在建模及分析，對控制方法的研究相對較少。結合鉆柱扭轉運動模型和赫茲接觸理論，Fang Pang 等[57]分析了有井壁約束下的軸向-扭轉-橫向耦合鉆柱系統動力學特性。A.P.Christoforou等[58]通過研究鉆柱軸向、扭轉、橫向3 種振動之間的耦合關系，提出了一種簡化的鉆柱振動模型，以及基于該模型的線性控制策略。

3.2 鉆進軌跡控制

鉆進軌跡控制的目的是保證整個鉆進過程按照設計的軌跡鉆進。現有的鉆進軌跡模型可以分為鉆具無關和鉆具相關[59]兩類。鉆具無關的鉆進軌跡模型主要基于運動學分析，對井底鉆具所處位置和鉆具姿態進行幾何學描述。這類模型不考慮鉆具的實際形狀和受力，具有一定的通用性[60]。鉆具相關的鉆進軌跡模型主要在井底鉆具動力學分析的基礎上，通過考慮鉆具受力、鉆頭-巖石作用以及鉆頭運動與鉆進軌跡的關系來描述鉆進軌跡延伸，相較于鉆具無關的模型具有更高的建模精度[61]。

鉆進軌跡控制的任務有鉆進軌跡跟蹤和鉆進軌跡糾偏[62]。J.Auriol 等[63]提出了基于狀態估計的造斜工具面控制方法，只使用井上測量和對工具面方位的估計，實現了對鉆進軌跡的有效控制。針對隨鉆測量信息傳輸延時與異常的問題，Zhang Chi 等[64]提出一種面向旋轉導向系統的定向鉆進軌跡跟蹤自適應容錯控制方法，結合強化學習和積分滑模控制來糾正因信息延時或異常導致的軌跡偏離。考慮到隨鉆測量誤差，Cai Zhen 等[65]提出一種基于狀態觀測器的定向鉆進軌跡跟蹤控制方法，有效提高鉆進軌跡跟蹤控制的精度。I.J.Inyang 等[66]提出一種定向鉆進鉆具姿態雙線性比例積分控制器，降低了隨鉆測量信息傳輸延時、干擾及不確定性對鉆進軌跡跟蹤控制的影響。

軌跡糾偏控制的主要目的是減少軌跡跟蹤偏差，使鉆進軌跡保持垂直。為了保證軌跡質量，對軌跡的傾角和曲率的控制約束是工程中需要考慮的關鍵。傳統的糾偏控制根據軌跡偏差通過人工操作調節導向鉆具，缺少對軌跡的規劃，難以保證軌跡質量[67]。考慮到模型預測控制具有顯式處理約束的能力和較優的控制性能，Zhang Dian 等[68]提出了基于粒子濾波和模型預測控制的垂直鉆進軌跡糾偏控制方法，有效減少了測量噪聲的影響，提高了軌跡的控制精度。基于旋轉導向系統，Wang Ge 等[69]提出復合糾偏控制方法，根據軌跡的偏斜程度調整控制輸入，提高了軌跡的平穩性和控制精度。

3.3 鉆井液循環控制

通過鉆井液循環可以將井底巖屑返回地面、沖洗鉆頭并降溫、驅動井底的馬達、平衡地層壓力與井壁壓力。井底壓力控制因為缺乏有效的井下參數檢測手段、壓力窗口上下限難以界定以及所建立的流體力學模型精度不高等問題，一直是國內外關注的難點。

控壓鉆井技術適用于窄壓力窗口地層[70]，但地層環境的復雜多變給地層壓力帶來了不確定性，需要不斷調整鉆井液循環流量和壓力，使井底壓力與地層壓力保持相對平衡。基于控壓鉆井技術，J.Park 等[71]使用模型預測控制方法，實現了在正常鉆進、接單根和泥漿密度變化下的井底壓力控制。針對因鉆井液觸變行為導致的井底壓力突變，O.Erge 等[72]結合鉆井液觸變模型和反饋控制方法，提升了井底壓力控制的效果。S.N.Lordejani 等[73]提出一種基于觀測器的反饋控制方法，根據井上壓力的測量值控制井底壓力，減弱鉆入高壓或低壓區時遇到的壓力波動。采用這些鉆井液循環控制方法，能夠將井底壓力保持在有限的范圍內，盡量避免井漏、井涌、溢流等事故的發生。

3.4 鉆進系統協調控制

為實現鉆進過程控制目標，需要在鉆頭-巖石作用、鉆柱-井壁碰觸摩擦、鉆井液阻尼等影響下，保證鉆頭高效研磨巖石，鉆進軌跡按照期望延伸，井底壓力與地層適配。然而，鉆柱、鉆進軌跡和鉆井液循環這3 個系統之間是相互耦合、相互影響的(圖3)。例如，在鉆柱系統控制中，為提高鉆速，需要增大鉆壓、轉速、泵量和降低鉆井液密度，但是鉆壓、轉速的增大在鉆頭-巖石作用下會影響井底壓力和加劇軌跡偏斜；鉆進軌跡控制中，井底鉆具姿態發生改變會導致鉆柱系統結構變化，影響鉆壓轉速控制和鉆井液循環；鉆井液循環控制中，泵壓泵量與排渣效果相關，影響鉆柱和鉆進軌跡控制。可見，3 個系統之間的控制回路不僅存在復雜輸入輸出耦合，還存在模型結構變化導致的耦合。

圖3 鉆進系統耦合特性Fig.3 Schematic diagram of coupling characteristics of drilling systems

為保證各系統的控制精度與魯棒性，需要實現3個系統之間的協調。針對鉆進過程的非線性與系統間的耦合性，Zhou Yang 等[74]提出一種考慮鉆進系統間耦合關系的協調優化策略，能夠有效提升鉆速，減小總池體積波動。然而，要實現3 個系統之間的協調，還存在大量問題有待解決。如何實現這些系統之間的協調控制，成為一個有待深入研究的內容。

4 地質鉆進過程智能控制系統設計與應用

圍繞上述相關內容，筆者所在團隊面向實際鉆進工藝與工程應用需求，進行了地質鉆進過程智能控制的理論研究和系統設計與應用，提出區域三維地層特征參數場建模方法，解決多源、低價值密度和不完備信息條件下的復雜地質環境建模問題，實現對區域地質環境的準確刻畫[11,21]；提出基于三維地層特征參數場的鉆進軌跡優化設計方法，解決軌跡優化設計的多樣化、非連續與非參數的多目標優化問題，實現復雜地質環境下的軌跡優化設計[75-76]；提出復雜地質鉆進效率優化策略[37]、考慮系統間耦合關系的協調優化策略[74]和鉆進過程智能控制方法[47,65,68,77]，解決了鉆進過程控制的回路耦合與多樣化擾動的問題，實現鉆進過程的安全高效；提出基于云平臺和三維虛擬仿真的鉆進過程狀態監測技術，實現數據價值密度低、安全性約束強等條件下的綜合監測。

結合上述理論方法與技術，研發了滿足井場功能需求的地質鉆進過程智能控制系統，主要由現場控制系統和智能監控云平臺組成(圖4)。現場控制系統用于采集和存儲現場數據，提供工況識別、安全預警與故障診斷、鉆進參數智能優化、鉆壓和轉速控制等功能模塊；智能監控云平臺可以接收現場發送的數據，存儲現場的鉆進狀態參數和功能模塊運行結果，根據用戶權限等級從桌面端、手機網頁端和App 端對各地井場進行遠程監控。

圖4 地質鉆進過程智能控制系統硬件結構Fig.4 Hardware structure of intelligent control system for geological drilling process

地質鉆進過程智能控制系統的軟件結構如圖5 所示。首先，系統通過PLC、參數采集模塊等，采集變頻器和傳感器中實時鉆進過程數據；通過Profibus 總線、MPI總線、串口等通信方式實現PLC 與工控機之間數據傳輸。然后，利用OPC 通信協議實現系統軟件與工控機WinCC 組態軟件之間的數據通信；調用系統功能模塊，分析、處理實時鉆進數據，執行相應系統功能，實現鉆進過程智能控制。最后，采用ADO 技術實現現場數據的實時存儲，同時利用遠程通信設備，通過網絡通信協議，將實時數據和系統功能運行結果傳輸到遠程的智能監控云平臺。

圖5 地質鉆進過程智能控制系統軟件結構Fig.5 Software structure of intelligent control system for geological drilling process

工況識別模塊基于支持向量機算法，利用獲取的鉤載、鉆壓、轉速、扭矩等參數，可識別旋轉鉆進、下鉆桿、提鉆、停鉆、接單根、倒劃眼6 類工況。安全預警與故障診斷模塊基于集成的多時間尺度分析方法，分析實時數據趨勢來預警和診斷卡鉆、井漏、斷鉆3種鉆進事故。鉆進操作參數智能優化模塊通過實時獲得的鉆進深度、鉆壓、轉速等信息，運用混合支持向量回歸與改進的蝙蝠算法建立鉆速優化模型，實現鉆進操作參數實時優化，推薦優化的操作參數(鉆壓和轉速)。根據推薦操作參數，鉆壓和轉速控制模塊結合實際測量值、稱重、扭矩、相關鉆機與鉆具參數，辨識地層給進阻尼系數，自適應調整鉆壓和轉速控制器參數，實現不同地層環境下的鉆壓和轉速穩定鉆進，保障鉆進安全和控制精度。

系統目前已在多個鉆探工程應用。在湖北襄陽2 000 m 地熱資源預可行性勘查項目中，實現機械鉆速平均提升15.9%，事故預報率達100%，檢測符合率達96%，直井方位角彎強≤0.5 (°)/hm、斜角彎強≤0.05 (°)/hm；在遼東/膠東重要成礦區帶深部探測3 000 m 科學鉆探項目中，鉆進工況識別準確率達90%，事故預報準確率達95%，機械鉆速平均提升20.79%；在河北保定5 000 m地熱地質勘查參數井(JZ-04 井)項目中，工況識別準確率達90%，事故預報準確率達95%，機械鉆速平均提升16.2%，鉆壓控制偏差≤3 kN。通過地質鉆進過程智能控制系統的應用，在一定程度上縮短了工期，節約了成本，有效提高了鉆進過程的安全性和效率。

5 展 望

數字化、網絡化、智能化技術蓬勃發展，有效提升了復雜工業系統的感知深度、綜合調度、全局優化能力，互聯網+制造業也給鉆探行業帶來了全新的發展機遇。可以展望，未來將形成圖6 的基于工業物聯網的信息物理融合與鉆進過程智能控制系統，通過遠程控制與決策中心對多個井場進行協調控制和調度管理，擁有相關權限的人員可以方便利用移動終端遠程訪問各井場的信息或下發控制指令，調整井場工作策略，進行多個井場間的分布式協同控制，具體如下。

圖6 基于工業物聯網的信息物理融合與鉆進過程智能控制Fig.6 Diagram of the cyber-physics fusion and intelligent control of drilling process based on industrial Internet of Things

5.1 多目標和高維約束的優化決策與控制一體化

鉆進過程控制涉及多個相互耦合的控制回路，單一目標優化難以有效協調各系統的工作狀態，高維約束的存在使得優化可行域狹小甚至難以找到滿意的可行解。為了解決以上問題，需要獲取鉆進過程全流程信息，通過井場遠程通信將實時狀態數據傳輸至數據管理中心、遠程控制與決策中心。數據管理中心存儲地層信息和鉆進過程歷史數據，便于移動終端的遠程訪問。遠程控制與決策中心基于可以在線更新的地層模型，結合鉆進過程全流程信息，實現對當前鉆機狀態和所在地層環境的準確判斷。以更快鉆速、更低鉆井事故率和更高井壁穩定性為目標，進行鉆進策略的優化、鉆進軌跡動態的調整、鉆進控制操作參數的優化計算，將控制指令遠程下發至現場鉆機，跨地域解決現場出現的復雜問題。隨著具有地層環境感知、多目標優化計算、網絡通信深度融合的智能優化決策與控制一體化系統的建立，人工操作的參與程度將被極大地降低，最終實現井場的智能化遠程監控、優化與控制。

5.2 融合大數據、云邊協同技術的網絡化智能管控

鉆進現場往往較為偏遠、分散在廣闊的區域中。為了實現資源調配和高效作業，需要對多井場進行協同管控。多個井場在鉆進過程中產生的海量數據，利用5G 甚至更新一代的通信技術遠程實時傳輸至遠程控制與決策中心，綜合運用云計算、邊緣計算、云邊協同等技術對各井場的鉆進過程數據進行處理，用于環境感知、優化決策、狀態監測等任務。基于對不同井場數據的監測和分析，實時更新各井場運轉情況，預警可能發生的設備故障和鉆進事故，優化鉆進軌跡和鉆進過程操作參數，實現各井場鉆進過程的遠程、無人、智能的協同管控。結合多井場狀態信息，以綜合配給資源和優化控制決策為目的，開發多井場的綜合指揮調度系統，最后通過通信設備將最優控制指令下發，協調控制各井場的鉆進過程，實現鉆探行業的產能優化和成本控制。

6 結論

a.地質鉆進過程智能控制離不開鉆探工藝、人工智能、新一代信息技術、先進控制理論等理論方法和技術的突破和綜合。鉆進過程感知與建模研究致力于利用信息融合、數據處理、機器學習、機理建模等手段實現對井下環境變化和鉆進過程狀態的準確感知、監測和事故診斷預警；鉆進過程智能優化的研究重點在于面向復雜環境和工況，獲得多目標多約束下最優的鉆進過程操作參數，以及實時規劃最優的鉆進軌跡；鉆進過程控制的研究需要考慮鉆柱、鉆進軌跡、鉆井液循環控制系統自身的特性和控制難點以及它們之間的耦合作用，應對地層變化和施工工況帶來的高度不確定性，實現對這些系統的快速、準確、穩定控制，保障地質鉆進的安全高效。

b.展望未來的基于工業物聯網的信息物理融合與鉆進過程智能控制，將能夠實現多目標和高維約束的優化決策與控制一體化以及融合大數據、云邊協同技術的網絡化智能管控，從而提升鉆進這類復雜工業系統的感知深度、綜合調度和全局優化能力。

c.隨著新一輪找礦突破戰略行動的開展，未來勢必面臨更深、更復雜的地質鉆進條件，存在一系列感知、建模、優化和控制難題有待解決。人工智能、新一代信息技術等新興技術的蓬勃發展為地質鉆探行業的跨越式發展帶來了新動能，有力推進了地質裝備和系統的創新和升級。亟需推進人工智能、新一代信息技術與地質鉆探相關工藝、理論方法和技術的深度融合，突破地質鉆進過程智能控制的關鍵科學問題，研發先進的智能地質裝備，為資源勘探和開發提供技術支撐。