[发明专利]一种基于BP神经网络的钻速预测方法和基于BP神经网络以及粒子群算法的钻速优化方法

权利要求书

1.一种基于BP神经网络的钻速预测方法，其特征在于，采集钻井工具的扭矩、钻压、泵压和排量，并基于BP神经网络预测钻速，具体包括如下步骤：

步骤1：按照采样周期，通过传感器测量钻井工具的扭矩N_m、钻压P_m、泵压P_b和排量Q_m参数；

步骤2：依次将参数进行规格化，确定三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄}；其中x₁为钻井工具的扭矩系数、x₂为钻压系数、x₃为泵压系数、x₄为排量系数；

步骤3：所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,…,y_m}；m为中间层节点个数；

步骤4：得到输出层向量o＝{o₁}；o₁为钻速预测系数；

步骤5：预测钻井工具的钻速为：

其中，为第i次采样周期输出层向量的钻速预测系数，ω_{m_max}为钻井工具的最大钻速，ω_m(i+1)为第i+1个采样周期时钻井工具的预测钻速。

2.如权利要求1所述的基于BP神经网络的钻速预测方法，其特征在于，在所述步骤1中，还包括对所述扭矩N_m、钻压P_m、泵压P_b和排量Q_m进行校正，且校正系数满足：

式中，分别为扭矩N_m、钻压P_m、泵压P_b和排量Q_m的校正系数，h为当前钻井深度，h₀为预计钻井深度，T₀为设定温度，T为环境温度，G₂为钻井工具钻头的硬度，G₁为当前钻井河床的硬度。

3.如权利要求1所述的基于BP神经网络的钻速预测方法，其特征在于，步骤3中，将钻井工具的扭矩N_m、钻压P_m、泵压P_b和排量Q_m进行规格化的公式为：

其中，x_j为输入层向量中的参数，X_j分别为测量参数N_m、P_m、P_b、Q_m，j＝1,2,3,4；X_jmax和X_jmin分别为相应测量参数中的最大值和最小值。

4.如权利要求1所述的基于BP神经网络的钻速预测方法，其特征在于，所述中间层节点个数m满足：其中n为输入层节点个数，p为输出层节点个数；所述中间层及所述输出层的激励函数均采用S型函数f_j(x)＝1/(1+e^-x)。