Идентификация и снижение вибраций бурильной колонны на основе ИИ в литологиях с гетерогенной структурой

Вибрации бурильной колонны по-прежнему представляют собой серьёзную техническую и экономическую проблему в буровых работах, приводя к механическим отказам, плохому качеству ствола и сниженным темпам проходки. В данной работе предложены две методологии на основе искусственного интеллекта (ИИ), предназначенные для идентификации и подавления этих вибраций в реальном времени. За счёт интеграции множества поверхностных и забойных параметров предложенный подход повышает точность прогнозирования и даёт практические рекомендации для улучшения эффективности бурения и операционной деятельности в гетерогенных разрезах. Традиционная идентификация вибраций опирается на забойные датчики или численное моделирование динамики колонны, которые ограничены в условиях сложных литологий. Для преодоления этих ограничений была разработана гибридная структура, сочетающая искусственные нейронные сети (ИНС) с глобальной теорией Галёркина для оценки интенсивности вибраций, используя только данные поверхностных датчиков. ИНС обучались на сочетании забойных и поверхностных измерений для аппроксимации нелинейных динамических откликов. Для смягчения вибраций реализована модель на основе кластеризации, определяющая зоны доверия для скорости вращения и нагрузки на долото (WOB, weight on bit), минимизируя вредные режимы вибраций при сохранении эффективности бурения. Предложенные методики были верифицированы в двух сложных литологиях: высоко-гетерогенном конгломерате и чередовании аргиллитов и песчаников. Традиционные численные модели испытывают трудности при описании взаимодействий долото-колонна-скважина-коллектор в таких условиях. В отличие от них, модель на базе ИНС точно захватила нелинейную динамику системы, обеспечив быстрые и надёжные предсказания вибраций. Модель смягчения успешно определила оптимальные эксплуатационные пределы, что привело к снижению интенсивности вибраций более чем на 40% и увеличению скорости проходки (ROP) более чем на 30% в одном полевом применении. Эти улучшения напрямую привели к снижению механических напряжений, уменьшению износа долота, повышению устойчивости ствола и увеличению срока службы инструментов. Модели продемонстрировали высокую вычислительную эффективность, что делает их пригодными для интеграции в существующие платформы управления бурением. В целом, предложенная ИИ-основная структура представляет практическое, основанное на данных решение для мониторинга и оптимизации вибраций в реальном времени, сокращая разрыв между физико-ориентированным моделированием и полевым применением. Данное исследование представляет одну из первых успешных интеграций ИИ и Галёркин-основанного моделирования для анализа динамики бурения в реальном времени. Методология обеспечивает точную оценку вибраций, используя только поверхностные данные, существенно снижая зависимость от забойных инструментов. Модульная конструкция позволяет лёгкую интеграцию с автономными системами управления бурением, что является шагом к интеллектуальным, самооптимизирующимся буровым операциям, особенно ценным в гетерогенных и непредсказуемых подсurfaceных условиях.