钻头钻进不同介质时的振动信号特征识别研究

钻井作业中,钻头破碎岩石产生振动,利用该振动特征可以实时反映钻进介质的种类。提出了一种钻头钻进不同介质时的振动信号特征识别方法,通过牙轮钻头破岩室内实验,采集到在不同钻压下钻头钻进砂岩、页岩、水泥环和套管时的声振信号,基于数字信号的时频处理,提取了信号时域和频域的50个特征值,应用PCA降维特征矩阵获取特征向量,建立不同钻进情况的钻头信号"指纹"特征,最后通过BP神经网络对"指纹"信息进行聚类后识别岩性和钻压。结果表明,该方法可以完成对钻头信号的特征识别,进而区分钻进地层和井眼材料(套管和水泥环),为井眼防碰作业中岩性在线识别提供技术支撑。     

基于小波包分析的含砂流中砂粒信号特征识别

针对高含水期的油井出砂监测问题,基于小波包分析方法对管壁处出砂振动信号进行识别研究。通过设计出砂监测室内试验,获取出砂振动信号,对该信号进行db4小波包3层分解,归一化每组分量的能量,分析含有出砂特征的信号分量,并进行重构。采用高频段精细分解方法,突出了出砂信号的频域局部化特征。重构信号的频域特征表明,出砂信号的频率区间为19~25k Hz。重构信号的功率谱特征表明,出砂信号功率谱幅值与含砂量之间呈二次增长关系,采用小波包分析方法可以有效地识别油井出砂振动信号。所得结论可为识别复杂流体条件下的油井出砂信息提供参考。