沙特阿美技术学报（2023年夏季刊）
page2/无绳井下机器人的新导航技术HuseyinR.Seren博士，MaxDeffenbaugh博士，MohamedLarbiZeghlache博士和AhmedY.Bukhamseen博士 page54/在模拟运行时间内自动放置井道井BabatopeO.Kayode，KarlD.Stephen博士和BabatundeO.Moriwawon博士 《阿美技术杂志》由沙特阿拉伯达兰的沙特阿拉伯石油公司每季度出版一次，通过展示旨在促进碳氢化合物行业知识的技术信息，为该公司的科学和工程界提供一个交流思想的论坛。 管理阿明·纳赛尔沙特阿美总裁兼首席执行官NabeelA.Al-Jama’人力资源和企业服务执行副总裁KhalidA.Zamil公共事务副总裁编辑顾问AbdulHameedA.Al-Rushaid钻井和修井高级副总裁KhalidM.Al-Abdulqader非常规资源高级副总裁WaleedA.AlMulhim石油工程与开发高级副总裁JumaanG.Zahrani北部地区天然气业务高级副总裁AliA.Meshari技术监督和协调高级副总裁KhaledA.AlAbdulgader南部地区钻井和修井业务副总裁OmarS.Al-Husaini北部地区钻井和修井业务副总裁FaisalN.AlNughaimish副总裁兼石油总工程师KhalidY.Al-Qahtani副总裁、总工程师GeraldM.DeNazelle研发中心主任GhaithanA.MuntasheriEXPEC高级研究中心主任Editor威廉·E·布拉德肖生产协调理查德·E·多蒂公司出版物,阿美美洲Design图形引擎设计工作室美国德克萨斯州奥斯汀 未经沙特阿美石油公司书面许可，不得复制或印刷《阿美石油公司技术杂志》上的文章，包括艺术和插图，但受版权保护的来源除外。请向编辑提交复制项目的许可请求。 阿美技术杂志感谢整个公司众多运营组织的协助，贡献和合作。 无绳井下机器人的新导航技术 在第四次工业革命之后，石油和天然气业务的自动化成为主要目标。已经提出了各种努力来创建自主井下工具,其可以增加时间和成本效率,同时减少健康和安全隐患。自主工具的导航仍然是阻止这些技术变得可用的高障碍之一。本文介绍了我们为我们的无绳自主测井工具开发的两个新解决方案，以克服这一障碍。为了提高井下机器人的环境自我意识，我们开发了两种可以协同工作的技术。第一种技术是低功率小型化套管接箍定位器 抽象/ （CCL），其中采用了毫米大小的磁力计芯片和两个1”棒磁体。第二种技术是基于由钢壳产生的剩余磁场的一维特征匹配。这里,两个磁力计沿着运动方向以已知的间隔放置在工具上。相关算法使用磁场日志来计算位置和速度。 低功率小型化CCL放置在电缆工具上，以进行概念验证。该工具在深度为1,450英尺的充满水的测试井中运行。使用去中心化器来保持工具靠近套管壁。定期观察到清晰的峰。将检测深度与测井服务公司运行的CCL进行比较，并观察到一对一的匹配。首先通过使用电缆工具从同一测试井收集剩余磁场数据来演示一维磁特征匹配技术。所收集的信号在空间上移位,并且添加噪声以模仿第二磁力计的差异。使用匹配算法来成功地找到两个信号之间在时间上沿着完整日志的偏移。这有助于估计用于计算位置的工具的速度 。使用来自现有技术的信息以及来自其他环境传感器的数据，例如压力和温度，将提供以前无法获得的精确位置。确定性将通过采用将集成传感器输入的卡尔曼滤波器来提高。 与所有自动驾驶车辆一样，提高自动井下工具的环境自我意识对于智能决策以及成功和安全的操作非常重要。地面应用的技术,例如全球定位系统和雷达,不适合于井下环境。因此，我们在这里介绍的新传感技术将为在地表下操作的机器人完成这些工作。 Introduction 油气井的测井和干预已经从传感器和操作两个方面发展。对于操作，最重要的部件是输送，这是传感器和表面系统之间的接口。在最常见的测井和介入配置中,输送确保传感器和工具从地面到所需底部间隔的安全行程,同时保持与井底组件(BHA)的电气和/或机械连接。 输送技术选择主要取决于井剖面和井下条件。在井中部署存储器和电池供电的工具需要机械连接;而地面供电和实时测井工具需要通过输送系统的电连接。图1示出了基于实时情况分类的输送技术。这被称为系绳运输。对于不具有硬机械和/或电连接的传感器和工具,测井和干预被称为无束缚。 在过去的几十年中，不受限制的自主机器人达到了前所未有的能力。它们目前用于各种环境，例如陆地，水上和水下，空中和太空，包括其他行星1,和astrelies3此外，自主机器人的使用在地下使用中受到很大限制， 更具体地说，是在油气井的井下环境中。一些挑战包括:几何约束、苛刻和不均匀的介质、有限的表面通信、运动和导航。很多时候，环境的独特性阻碍了现有机器人技术的采用，需要升级或全新的解决方案。例如,导航工具,诸如由潜艇使用的回声定位,或者由水、陆地和飞行器使用的全球定位系统,不能用于井下机器人。 图1运输方法的分类。 在很大程度上解决了诸如钻井工具或电缆工具之类的系绳井下工具的导航问题，以确定距地面参考点-地面地板，方钻杆衬套或工作台等的距离。对于钢缆工具,它们主要依赖于由安装在钢缆卷筒上的深度轮测量的线长度。对于钻井工具，它们主要依靠BHA的计数。必要时，可以进行二次深度测量，例如电缆标记，套管接箍定位器（CCL），自然伽马射线检测和惯性测量。 磁场测量通常用于井下工具中。例如,在定向钻井期间使用高精度磁力计来确定方位角。CCL还利用磁场畸变来检测项圈。这些工具可能具有重量大、能耗高或成本过高的一个或多个缺点。另一方面,井下机器人需要重量轻、低能量和低成本,因为它们依赖于电池,并且预期比它们的常规对应物更实用。 作者先前已经介绍了一种称为传感器球的自动无绳小型化测井机器人4-6将手掌大小的机器人掉入充满液体的孔中。它落到期望的深度,在那里它释放小的可溶解的重量以变得有浮力。然后，它返回到表面，并在其内部存储器中记录数据。该机器人大大减少了井场的操作时间，因为它不需要任何重型设备，如起重机，绞车或压力控制设备以及大型工作人员进行监督。 -除了部署和检索。 使这种机器人成为常规电缆和光滑线监视的可靠替代品的原因是低功率电子设备，小型化传感器和执行器。传感器球以及因此任何类似的无绳自主机器人的挑战之一是深度确定。对两种在ta-dem中工作的技术进行了可行性研究和实施。第一种是低功率小型化CCL。第二个是由铁磁壳体(例如碳钢)产生的剩余磁场的1D特征匹配。 微型CCL 典型的CCL依赖于两个圆柱形磁体，其排斥极（北到北或南到南）彼此面对。这种几何形状创建了一个对称平面，在该平面上的法向磁场分量 通常,强而重的磁体与对称平面中的线圈一起使用,通过变化的磁场测量感应电压。 对于传感器球,CCL设计被小型化,其中使用毫米尺寸的磁力计芯片和两个1"长、5/16"直径的Nd-Fe-B棒磁体。磁体被分开21/2",并且磁力计居中在它们之间,其中一个主轴与棒磁体的极化方向对准。研究了几个设计参数的影响，包括磁体长度，磁体之间的距离和外壳材料的磁导率。7. 微型化CCL的性能通过将其集成到图2和图3的电缆工具中并将结果与来自测试井的商业CCL测井进行比较来评估。CCL测井是从用6½”内径钢套管完成的测试井收集的。 TheresultsaresummarizedinFig.4.Thelogwerecollectedfirstwithout the magners,which retained a rich residualmagneralvariationduetothesteel 图3用于测试小型化CCL的电缆工具。 弹壳，无花果。a.然后,放置磁体,并且在工具与套管壁的三个偏移距离处收集原木,i.Procedres.、2、“1”和“1/2”。微型CCL测井结果示于图。图4b、4c和4d。结果表明，性能在很大程度上取决于传感器与套管壁的偏移。随着到内壳体壁的距离增加,所收集的场数据与在没有磁体的情况下收集的剩余磁场数据紧密相关。这表明在这种情况下来自永磁体的贡献是不显著的。随后,随着工具更靠近套管内壁,观察到大的峰。在最近的距离处对收集的日志应用阈值滤波器提供准确的项圈位置。图4e与商业工具的日志相比。4f.因此,将无绳工具设计成使得其尽可能靠近壳体内壁行进可以提供清晰的CCL输出,即使具有所呈现的小型化设计。但是，如果不能沿井剖面正确控制工具位置，则需要额外的策略。 磁里程表 如前所述，微型CCL数据质量取决于机器人与套管内壁的偏移距离，这可能会产生假阴性或假阳性。这就需要额外的传感技术来改进套环检测和深度控制。为此，Santos和Meggiolaro(2015)建议使用CCL和里程表8然而,这仅对于在壳体壁上具有良好抓地力的轮式机器人是有用的。 在这里，提出的解决方案是一种磁性里程表，可用于任何井下工具的钢套管井9磁里程表依赖于使用沿井筒轴线具有已知偏移的两个磁力计测量井内的剩余磁场。a.当工具沿着井行进时,采集井的剩余磁场的两个时间序列数据。[[[51]]]这两个传感器在向下和向上运动中根据工具速度以时间延迟对相同的磁场模式进行采样。工具的平均速度可以根据两个传感器之间的已知距离和使用1D特征搜索算法找到的它们收集的信号之间的计算时间差来估计。 作为微型CCL的替代方案，已经研究了剩余磁场数据。通常,剩余磁场在套环周围表现出快速变化;然而,它们并不总是明显可断开的。应用各种过滤器,e.Procedre，一种不同的滤波器，可以提高检测精度。此外,由于接头长度和套环之间的间隔距离是已知的,因此可以通过观察检测到的残余峰的时间间隔来进行更强的预测。 Thealgorithmusedtofindthespeedanddisplacement-mentissummaryinFig.6.Thecalculationstartedbyselectingasampleofthedatafromthefirstmemand-tometer,whichisusedasasearchfeature,orreferencedata. 船上有两个磁力计的工具的运动。首先,磁力计之间的距离总计为1英尺。然后,使用速度曲线,使得速度在0.5ft/s和1.5ft/s之间以200秒的周期性正弦变化。根据该速度曲线计算工具的位移(或深度),如图中的灰色曲线所示。7a.如果工具在测试井中遵循该假设的位移曲线，则可以找到两个磁力计观察到的磁场。最后，该算法用于找到估计的轨迹并了解各种条件的影响。图7a和7b分别示出了磁信号噪声对估计轨迹的影响和得到的相对误差率。 窗口。然后,在来自第二磁力计的数据上应用具有相同长度的另一窗口。首先对采样信号进行调节,i.Procedres.，偏差修正和归一化，以消除由传感器校准引起的差异。然后,通过采样信号之间的绝对差的时间积分来找到相似度的品质因数(FOM)。小的FOM值指示信号之间的高相似性。通过在第二数据集上移动窗口来重复FOM计算。 时间偏移被限制为最大期望值以降低计算成本。例如,如果最慢的预期工具速度是0.1ft/s并且传感器之间的距离是1ft,则最大时移被限制为10秒。因此,针对所选择的参考窗口和速度找到表示最佳FOM的时间偏移值,并且可以计算将提供加窗时间上的平均值的位移。该过程通过移动参考窗口来继续,以更新速度和位移,直到日志结束。 图的插图。图7b示出了具有添加的高斯噪声的样本信号,其中顶部曲线具有10的信噪比(SNR),底部曲线具有1的SNR。如所预期的,较高的SNR导致更好的深度预测,使得对于1和10的SNR,在900英尺行进之后发现相对错误率分别为30%和1%。另一个重要的参数是采样率。的性能。 通过使用测试井的剩余磁场数据和模拟来证明该技术 该技术在0.01秒、0.1秒和0.5秒的磁场采样周期进行了测试。像基于加速度计的位移估计一样，高采样频率有助于提高精
