PDC鉆頭數字化選型技術及軟件開發

基金項目：中國石油集團西部鉆探工程有限公司科學研究與技術開發項目“鉆頭數字化”（2022XZ401）。

任海濤，王新東，張昕，等.PDC鉆頭數字化選型技術及軟件開發9-16

Ren Haitao，Wang Xindong，Zhang Xin，et al.Digital selection technology and software development of PDC bit9-16

鉆井過程中產生大量與地層、鉆頭相關的工程數據，利用大數據分析技術優選鉆頭能用于指導鉆頭的選型、設計和使用，可使鉆頭的選用從依賴廠家和經驗，轉向依據科學的結構特征分析和大數據優選。通過開展PDC鉆頭結構特征數字化方法研究，建立基于統計數據分析的鉆頭結構特征推薦與選型技術，形成以數據提取與效能分析、鉆頭結構特征數字化，以及鉆頭結構特征重構選型3項內容為核心的基本步驟和分析策略，在此基礎上建立了一套PDC鉆頭數字化選型技術和配套軟件。較常規鉆頭進尺與鉆速對比分析選型方法，該技術重點考慮了結構特征對鉆頭使用效能的影響，體現了實鉆工程數據對鉆頭選型的指導作用。應用該技術與軟件開展了準噶爾盆地某區塊PDC鉆頭選型，并進行實鉆驗證。應用結果表明，選用的鉆頭鉆進中鉆速和進尺顯著提升，縮短了鉆井周期。研究技術與成果有利于提升鉆井服務技術水平，可為油氣田數字化、智能化發展奠定基礎。

PDC鉆頭；鉆頭選型；結構特征；數字化；鉆井提速；軟件開發

TE921

A

002

Digital Selection Technology and Software Development of PDC Bit

Ren Haitao1，2" Wang Xindong3" Zhang Xin3" Yang Yingxin1，2" Su Tao3" Wang Baihui3" Zhou Guangjing4

（1.School of Mechanical Engineering，Southwest Petroleum University；2.Sichuan Drilling Rock Breaking and Bit Engineering Technology Research Center；3.Engineering Technology Research Institute of XDEC；4.Pipe and Well Control Technology Service Company of XDEC）

A large amount of engineering data related to formation and bit is generated in the course of drilling.Using big data analysis technology to optimize bit can be used to guide the selection，design and use of bit，thus shifting the selection of bit from relying on manufacturers and experience to relying on scientific structural feature analysis and big data optimization.In the paper，by means of conducting digital method study on the structural features of PDC bit，a statistical data analysis based bit structure feature recommendation and selection technology was established，forming a basic step and analysis strategy centered on data extraction and efficiency analysis，bit structure feature digitization and bit structure feature reconstruction selection.Then，a set of PDC bit digital selection technology and supporting software were established.Compared with the conventional comparative analysis selection method of bit footage and ROP，this technology focuses on the influence of structural feature on the operation efficiency of bit，reflecting the guiding role of real drilling engineering data in bit selection.The technology and software were used to select PDC bit for a block in the Junggar Basin，and were applied in real drilling.The application results show that the selected bit has obviously improved the ROP and footage in drilling，thus shortening the drilling cycle.The research technology and results are favorable for improving the drilling service technology level，and lay a foundation for the digital and intelligent development of oil and gas fields.

PDC bit;bit selection；structural feature；digital；ROP improving；software development

0" 引" 言

深地、深海、非常規等復雜領域難鉆地層中的油氣資源是我國能源的重要接替。以上領域的鉆井成本在石油勘探開發總投資中占比范圍高達55%～80%，這其中約80%的鉆井費用是花費在僅占總進尺20%的難鉆地層中。而鉆井過程中鉆頭的選擇與使用直接影響到鉆井速度、井身質量以及鉆井安全的保障［1-6］。

鉆井過程中產生的大量與地層、鉆頭相關的數據，能夠為利用大數據技術優選鉆頭及鉆井提速提供重要的技術支撐［7-10］。目前美國Smith公司的DBOS系統，Hughes公司的ROCKY系統，REED公司的TerraSCOPE系統等軟件技術能夠將鉆頭的使用資料，鄰井的測井、錄井資料結合起來，通過大數據分析指導鉆頭的設計和使用，其應用相對成熟［11-16］。國內也開展了相關研究。董宗正等［17］通過結合三坐標測量機測量數據與PDC鉆頭幾何結構特性，建立了布齒法相角、側傾角等分析計算模型，解決了測量數據輸入、模型算法實現、數據可視化等問題。錢浩東等［18］通過EISS系統，在井筒工程中找到大量與地層和鉆頭相關的數據，以利用井筒工程地質一體化數據庫來進行鉆頭選型與優選。陳建婷［19］利用長短期記憶（LSTM）神經網絡多變量時序數據預測方法，對電力負荷值進行預測，其預測誤差小于5%，該方法在鉆頭選型方面也有不錯的應用前景。劉景濤等［20-21］通過對試驗結果進行數理統計分析，建立了基于測井資料的火成巖地層抗鉆特性參數預測模型，繪制了順北二疊系火成巖地層抗鉆特征剖面，并據此開展了鉆頭選型和現場應用。況雨春等［22］利用計算流體動力學技術，通過對PDC鉆頭在井底的三維流場數值模擬，研究了流體在井底的流動特性及井底凈化機理，并優化了PDC鉆頭的水力結構。綜上所述，國內外在基于測井資料解釋和基于大數據統計分析等方面，發展出了巖石力學參數法、數字化仿真分析法和鉆頭使用效果評價法等眾多鉆頭選型理論和軟件手段，上述方法在工程應用實踐中也取得了較好的效果［23-28］。

本文在現有鉆井數據源的基礎上，建立一套包含鉆頭信息、地層類別、鉆井參數等綜合信息的數據庫，同時挖掘地層條件、鉆頭特征、鉆井參數等與鉆頭鉆進效能的內在聯系，開發出一套能夠分析評價地層可鉆性，并結合數據庫同時進行PDC鉆頭優選和使用情況進行綜合評價的軟件系統。從而使鉆頭的應用從以依賴廠家和經驗為主，轉向依據科學的地層可鉆性分析和大數據優選為主。此舉可提升鉆探建井服務的技術水平，特別是提升鉆井提速中鉆頭優選和個性化設計的科學性。這不僅有利于提升我國鉆井服務技術水平，也符合油田數字化、智能化發展的需要［29-31］。

任海濤，等：PDC鉆頭數字化選型技術及軟件開發

1" 鉆頭數字化選型軟件開發原理

1.1" 軟件結構框架

基于大數據分析的鉆頭數字化選型系統軟件（簡稱BDES系統）主要包括3部分結構。

第一部分為鉆井工程與地質綜合數據庫，該數據庫主要為地層巖石可鉆性分析評價和基于大數據綜合評判的鉆頭優選提供數據支撐。數據庫涵蓋的內容包括井位及井身結構數據、巖性及測井數據、鉆頭特征及使用數據、動力鉆具及提速工具數據、鉆井工程參數數據5部分。數據庫的來源有3個方面：①可以通過鉆探公司的信息中心直接提取調用;②能夠以數據、文本等固定格式導入;③以界面交互的方式實現錄入。

第二部分為基于測井數據的地層可鉆性分析評價，其主要功能包括單井抗鉆特性分析、橫向分布規律預測2部分內容。主要作用有3個方面：①分析掌握已鉆井地層巖石力學性質與可鉆性；②分析區塊內特定井深條件下的地層巖石抗鉆特性橫向變化趨勢；③預測特定井身軌跡下待鉆井地層巖石抗鉆特性。該部分內容能夠為基于大數據的鉆頭選型技術提供基礎數據。

第三部分為基于大數據的鉆頭優選評價，其主要內容包括不同類型數據融合、關鍵數據特征提取、鉆頭關鍵結構特征推薦等。主要作用是實現基于大數據分析的PDC鉆頭使用效能分析，各結構特征對鉆進性能的顯示度分析，最終形成能針對特定井段或特定井層位進行鉆頭類型優選的評價。

軟件結構框架如圖1所示。

1.2" 基本步驟及分析策略

鉆頭選型分析有2種限制性約束條件，分別是同井段選型模式和同地層選型模式，如圖2所示。同井段選型是在同一區塊內，具有相同尺寸的井段，即鉆頭直徑尺寸相同，如針對152.4、215.9和311.2 mm等典型鉆頭尺寸井段。同地層選型是在同一區塊內，具有相同地層地質條件的井段，即巖石抗鉆特性類似，如新疆沙灣凹陷吐谷魯群-克拉瑪依組、百口泉組底部至烏爾禾組地層等。

在選型步驟策略上分為3方面內容，如圖3所示，分別如下。①數據提取與效能分析。在同一區塊內，分別以同井段選型模式或同地層選型模式向數據庫提取鉆頭類型、代碼、總進尺、平均鉆速等數據；利用這些數據建立黃金分割效能曲線分析圖譜，在該圖上所顯示出分割曲線右上方的鉆頭代碼作為鉆頭效能分析結果，為下一步鉆頭特征提取提供依據。②鉆頭結構特征數字化。依據上一步提取獲得的鉆頭代碼調取鉆頭結構特征圖片，并進行數字化描述，獲得特征數據，以此為依據對鉆頭特征進行數據分析，提取每個特征對應顯示的度高、效能狀況好的數據作為選型依據。③鉆頭結構特征重構選型。依據上一步獲得鉆頭結構特征數據高顯示度參量后，將PDC鉆頭進行圖形重構，包括刀翼類型、布齒輪廓、齒型大小、布齒密度等，輸出形成鉆頭徑向布齒圖和周向布齒圖，作為鉆頭選型的依據。

2" 鉆頭數字化選型關鍵技術

2.1" PDC鉆頭結構特征數字化技術

將PDC鉆頭各結構特征以數字化代碼的形式呈現出來，即為鉆頭結構特征數字化技術。PDC鉆頭結構特征劃分如圖4所示。PDC鉆頭主要結構特征包括鉆頭刀翼分布、內錐形狀、冠頂曲線、齒型直徑等，將各主要結構特征進行數字編碼，一組編碼即能夠代表一種典型的鉆頭結構。

以PDC鉆頭刀翼分布類型為例，刀翼的數量直接影響鉆頭的布齒密度，因此刀翼分布類型是PDC鉆頭的重要結構特征之一。鉆頭刀翼有長刀翼和短刀翼之分：長刀翼布齒自鉆頭心部一直延伸到保徑位置；短刀翼布齒自內錐外側開始，與鉆頭中心軸線之間有一定的流道區域。由于心部區域回轉半徑小，切削井底巖石的體積相對也小，而外部區域布齒空間大，回轉半徑也大，需要切除的巖石體積也大，為保障鉆頭攻擊性和耐磨性，需要合理地布置刀翼數量和長、短刀翼組合，以獲得合理的攻擊性和均衡的耐磨性。PDC鉆頭刀翼分布類型如圖5所示。通過兩位數據表征鉆頭的刀翼分布類型，第一位表示為刀翼總數，第二位表示為心部刀翼數量，例如“53”表示為一只PDC鉆頭共有5個刀翼，其中長刀翼有3個。關于刀翼分布的數字化特征代碼表示方法，如表1所示。

諸如上述表述，PDC鉆頭結構特征數字化類型共分為26類，具體特征、代碼和類型說明如表2所示。該表涵蓋了PDC鉆頭主要結構特征，能用于表征鉆頭的基本類型，并為鉆頭數字化選型技術奠定了基礎。

例如，圖6所示為一只215.9 mm PDC鉆頭，該鉆頭為典型的四刀翼分布，其中長刀翼數為2，主切削齒采用15.88 mm齒型，刀翼形狀為圓弧狀，保徑結構為短保徑。該只鉆頭具體結構特征與數字化代碼如表2所示。由表2可見，PDC鉆頭結構特征數字化方法共規定了刀翼類型、布齒輪廓、內錐布齒、冠頂布齒、外錐布齒和水力結構等6類特征對象，合計26組特征對象。每組特征對象根據結構形式，細分為3～10種不同的幾何結構，每種結構對應不同的代碼。

2.2" 基于數據分析的鉆頭結構特征推薦

在建立上述PDC鉆頭結構特征數字化技術的基礎上，通過數據統計分析的形式，獲得具有較高鉆進效能的PDC鉆頭所具有的關鍵結構特征分布情況，說明該特征對鉆進效能的提高具有較顯著的優勢。統計某區塊內以“分井段選型”模式進行的所使用鉆頭數字化特征代碼出現頻次，獲取其中出現頻次最高的特征代碼。例如，鉆頭數字化選型分析目標中，表2所示的代碼數字對應特征對象中的具體特征形式所具有的特征為四刀翼類型，其中長刀翼數為2，采用直線型刀翼，保徑結構為直保徑。其他結構特征與此類似。利用表2數據，能夠反演獲得具有這一系列結構特征的鉆頭徑向布齒和周向布齒結構，針對目標井段所推薦的鉆頭結構，如圖7所示。

recommendation of PDC bit

3" 現場應用案例

以準噶爾盆地某區塊為例，該區塊一共完成12口井的鉆井施工，其中215.9 mm井段鉆進地層主要為克拉瑪依組下部、百口泉組、上烏爾禾組、夏子街組至風城組上部，總長度約1 000 m。如圖8所示。其中，百口泉組下部至烏爾禾組地層以致密泥巖、砂巖砂礫巖為主，泥巖壓實嚴重。鉆井過程中，鉆頭吃入難，可鉆性極差，機械鉆速非常低；砂礫巖、含礫泥巖沖擊性強，鉆頭易崩損失效。

對百口泉組下部至烏爾禾組地層共使用常規PDC鉆頭29只，對有效數據進行統計發現，平均單只鉆頭進尺約154 m，平均鉆速3.38 m/h，趟鉆數3～7次。

通過鉆進效能分析，優選獲得紅色優化曲線上方7只鉆頭作為數字化選型分析對象，具體如圖9所示。

對上述7只鉆頭結構特征進行數字化解析描述，取得表2所示的特征頻次統計結果，并對結構特征進行鉆頭布齒結構重構。圖7為選型特征推薦結果。依據該推薦結果，將具有表2所列結構特征的PDC鉆頭作為選型推薦依據。根據推薦依據，推薦GT46Ks型PDC鉆頭應用于百口泉組下部至烏爾禾組地層鉆進。應用結果表明，推薦的PDC鉆頭具有很強的侵入能力，并且鉆頭工作穩定性好。2022年12月，該鉆頭在區塊內SP8井現場試驗應用，鉆井井段自百口泉組中下部井段4 793 m鉆進至烏一段上部5 148 m，總進尺452 m，純鉆時間87.80 h，平均鉆速5.15 m/h，較該地層近兩年的最高進尺提升29.5%，平均鉆速提升17.3%，達到了良好的提速增效目標。如圖10所示。

4" 結" 論

（1）在建立PDC鉆頭結構特征數字化方法的基礎上，提出了基于數據分析的鉆頭結構特征選型技術，開發了“鉆頭數字化分析與選型應用”軟件系統，該軟件系統能夠充分利用鉆井工程數據實現鉆頭結構特征選型推薦。

（2）PDC鉆頭結構特征數字化技術是選型理論和軟件開發的重要基礎，選型策略涵蓋數據提取與能效分析、結構特征數字化描述、鉆頭結構特征重構選型3個方面。該技術與常規鉆頭進尺與鉆速對比分析選型方法相比，重點考慮了結構特征對鉆頭使用效能的影響因素，充分體現了實鉆工程數據對鉆頭選型的指導作用。

（3）應用本技術開展了準噶爾盆地某區塊百口泉組下部至烏爾禾組地層215.9 mm井段的PDC鉆頭使用效能分析和結構特征選型推薦，并根據推薦，選用鉆頭在區塊內SP8井目標層段進行實鉆，取得了鉆速和進尺的顯著提升，明顯縮短了SP8井的鉆井周期。應用結果表明，PDC鉆頭數字化選型技術及軟件為加快目標區塊油氣勘探開發進程提供了技術支撐。

［1］" "陳宗琦，劉景濤，陳修平．順北油氣田古生界鉆井提速技術現狀與發展建議［J］．石油鉆探技術，2023，51（2）：1-6．

CHEN Z Q，LIU J T，CHEN X P.Up-to-Date ROP improvement technologies for drilling in the paleozoic of Shunbei oil amp; gas field and suggestions for further improvements［J］.Petroleum Drilling Techniques，2023，51（2）：1-6.

［2］" 劉丁源，李軍，高德偉，等．PDC鉆頭在礫巖地層中的破巖機理與適應性分析［J］．石油機械，2023，51（7）：51-58，67．

LIU D Y，LI J，GAO D W，et al.Analysis on rock breaking mechanism and adaptability of PDC bit in conglomerate formation［J］.China Petroleum Machinery，2023，51（7）：51-58，67.

［3］" 雷宇奇，房偉，蔡晨光，等．PDC鉆頭復合沖擊井下破巖特性模擬研究［J］．石油機械，2023，51（5）：25-32．

LEI Y Q，FANG W，CAI C G，et al.Simulation of downhole Rock-Breaking characteristics of PDC bit composite impact［J］.China Petroleum Machinery，2023，51（5）：25-32.

［4］" 敬斌杰．基于深度學習的鉆頭選型研究［D］．成都：西南石油大學，2019．

JING B J.Research on drill bit selection based on deep learning［D］.Chengdu：Southwest Petroleum University，2019.

［5］" 彭齊，楊雄文，任海濤，等．扇形齒PDC鉆頭破巖機理及工作性能仿真分析［J］．石油機械，2023，51（7）：28-35．

PENG Q，YANG X W，REN H T，et al.Simulation analysis of rock breaking mechanism and working performance of PDC bit with fan-shaped cutter［J］.China Petroleum Machinery，2023，51（7）：28-35.

［6］" 趙潤琦，陳振良，史懷忠，等．斧形P DC齒破碎致密硬質砂巖特性數值模擬研究［J］．石油機械，2021，49（10）：8-16．

ZHAO R Q，CHEN Z L，SHI H Z，et al.Numerical simulation study on characteristics of tight hard sand broken by axe-shaped PDC cutter［J］.China Petroleum Machinery，2021，49（10）：8-16.

［7］" 張武昌，李忠慧，壽翔，等．瑪湖凹陷砂礫巖地層抗鉆特性預測及鉆頭優選［J］．石油機械，2023，51（3）：9-15．

ZHANG W C，LI Z H，SHOU X，et al.Prediction of Anti-Drilling properties and bit selection for glutenite formations in Mahu sag［J］.China Petroleum Machinery，2023，51（3）：9-15.

［8］" 李乾，劉曉波，張海山，等．斧形齒PDC鉆頭的研制及其在東海的應用［J］．石油機械，2021，49（4）：26-34．

LI Q，LIU X B，ZHANG H S，et al.Development of PDC bit with axe-shaped teeth and its application in East China sea［J］.China Petroleum Machinery，2021，49（4）：26-34.

［9］" 侯凱．基于大數據的鉆頭選型方法研究［D］．成都：西南石油大學，2018．

HOU K.Research on drill bit selection method based on big data［D］.Chengdu：Southwest Petroleum University，2018.

［10］" "張佳偉，孟昭，紀國棟，等．PDC鉆頭破巖效率及穩定性室內試驗研究［J］．石油機械，2020，48（12）：35-43，51．

ZHANG J W，MENG Z，JI G D，et al.Laboratory experimental study on rock breaking efficiency and stability of PDC bit［J］.China Petroleum Machinery，2020，48（12）：35-43，51.

［11］" SANNA Z.Along-string measurements enable critical decisions，understanding of open，cased hole on structurally complex Norwegian North Sea field［J］.Drilling Contractor，2016，72（4）：38，40-41.

［12］" CONSTABLE M V，ANTONSEN F，STALHEIM S O，et al.Looking ahead of the bit while drilling：from vision to reality［J］.Petrophysics，2016，57（5）：426-446.

［13］" CHEN X Y，FAN H H，GUO B Y，et al.Real-Time prediction and optimization of drilling performance based on a new mechanical specific energy model［J］.Arabian Journal for Science and Engineering，2014，39（11）：8221-8231.

［14］" DENG Y，CHEN M，JIN Y，et al.A new method for assessment of rock drillability based on indentation tests［C］∥49th U.S.Rock Mechanics/Geomechanics Symposium.San Francisco，California，2015：ARMA 2015-564.

［15］" DAVID A，SERGEI V.k-means++：the advantages of careful seeding［C］∥The Eighteenth Annual ACM-SIAM Symposium on Discrete Algorithms.New Orleans，Louisiana，2007：1027-1035.

［16］" ADAM W.Drilling modeling and simulation：current state and future goals［J］.Journal of Petroleum Technology，2015，67（9）：140-142.

［17］" 董宗正，況雨春，任海濤，等．PDC鉆頭布齒參數分析系統開發及應用［J］．中國科技論文，2016，11（10）：1104-1107．

DONG Z Z，KUANG Y C，REN H T，et al.Developing and application of teeth-arrangement parameter system for PDC bit［J］.China Sciencepaper，2016，11（10）：1104-1107.

［18］" 錢浩東，張治發，王鵬．基于工程地質一體化數據庫的鉆頭優選應用實踐［J］．鉆采工藝，2021，44（4）：15-18．

QIAN H D，ZHANG Z F，WANG P.Practice of bit optimization based on integrated database of engineering geology［J］.Drilling amp; Production Technology，2021，44（4）：15-18.

［19］" 陳建婷．一種基于深度學習的數據預測方法［J］．電子技術與軟件工程，2019（6）：151-152．

CHEN J T.A data prediction method based on deep learning［J］.Electronic Technology amp; Software Engineering，2019（6）：151-152.

［20］" 劉景濤，黃勇，李文霞．順北二疊系火成巖地層抗鉆特性預測及應用研究［J］．鉆采工藝，2022，45（1）：47-52．

LIU J T，HUANG Y，LI W X.Prediction of anti-drilling characteristics of permian igneous rock strata and its application in Shunbei block［J］.Drilling amp; Production Technology，2022，45（1）：47-52.

［21］" 韓博．王府地區地層抗鉆特性研究及鉆頭選型［D］．大慶：東北石油大學，2015．

HAN B.Wang fu region stratum Drilling resistance characteristics research and bit selection［D］.Daqing：Northeast Petroleum University，2015.

［22］" 況雨春，楊云山，楊迎新，等．PDC鉆頭水力結構優化設計專用軟件研究［J］．石油礦場機械，2007，36（4）：1-4．

KUANG Y C，YANG Y S，YANG Y X，et al.Development of professional software to optimize hydraulic structure of PDC Bits［J］.Oil Field Equipment，2007，36（4）：1-4.

［23］" 張翔，王應剛，陳泓諭，等．基于BP神經網絡與遺傳算法的固結磨具制作工藝參數優化［J］．表面技術，2022，51（2）：358-366．

ZHANG X，WANG Y G，CHEN H Y，et al.Optimization of fixed-abrasive Tool development parameters based on BP neural network and genetic algorithm［J］.Surface Technology，2022，51（2）：358-366.

［24］" 王敏生，光新軍．智能鉆井技術現狀與發展方向［J］．石油學報，2020，41（4）：505-512．

WANG M S，GUANG X J.Status and development trends of intelligent drilling technology［J］.Acta Petrolei Sinica，2020，41（4）：505-512.

［25］" 楊迎新，高翔，陳紅，等．PDC鉆頭巖石可鉆性測定與分級新方法研究［J］．地下空間與工程學報，2019，15（3）：811-819．

YANG Y X，GAO X，CHEN H，et al.A new method for measuring and grading of PDC bit rock drillability［J］.Chinese Journal of Underground Space and Engineering，2019，15（3）：811-819.

［26］" 胡棚杰，李忠慧，蔣戰峰，等．確定巖石抗鉆特性空間分布規律的新方法［J］．石油機械，2021，49（1）：11-19．

HU P J，LI Z H，JIANG Z F，et al.A new method for determining the spatial distribution law of rock Anti-Drilling characteristics［J］.China Petroleum Machinery，2021，49（1）：11-19.

［27］" 況雨春，王芳，魏莉鴻，等．基于Web服務的PDC鉆頭井底流場分析平臺研究［J］．工程設計學報，2017，24（4）：380-386．

KUANG Y C，WANG F，WEI L H，et al.Research on the Bottom hole flow field analysis platform of PDC bit based on Web service［J］.Chinese Journal of Engineering Design，2017，24（4）：380-386.

［28］" 未九森，邵方源，譚紫陽，等．PDC切削齒直徑對切削力的影響規律研究［J］．石油機械，2023，51（4）：8-15．

WEI J S，SHAO F Y，TAN Z Y，et al.Influence of PDC cutter diameter on cutting force［J］.China Petroleum Machinery，2023，51（4）：8-15.

［29］" 唐得勇．石油鉆井工藝技術現狀與發展探討［J］．西部探礦工程，2022，34（7）：49-51．

TANG D Y.The present situation and development pf petroleum drilling technology［J］.West-China Exploration Engineering，2022，34（7）：49-51.

［30］" 楊文．巖石可鉆性預測及鉆頭選型方法研究［D］．成都：西南石油大學，2017．

YANG W.Research on drillability prediction of rock and drill bit selection method［D］.Chengdu：Southwest Petroleum University，2017.

［31］" 肖立志.數字化轉型推動石油工業綠色低碳可持續發展［J］.世界石油工業，2022，29（4）：12-20.

XIAO L Z. Digital transformation promotes the petroleum industry green， low-carbon and sustainable development［J］. World Petroleum Industry， 2022，29（4）：12-20.

第一任海濤，副研究員，生于1982年，2020年畢業于西南石油大學機械工程專業，獲工學博士學位。現從事鉆井破巖與鉆頭相關教學與科研工作。地址：（610500）四川省成都市。電話：（028）83032922。email：254440593@qq.com。2023-10-23宋治國