艾池，徐海粟，馮福平 （提高油氣采收率教育部重點實驗室（東北石油大學），黑龍江 大慶163318）

李靜 （中石油大慶油田有限責任公司第一采油廠，黑龍江 大慶163001）

李玉偉，趙萬春 （提高油氣采收率教育部重點實驗室（東北石油大學），黑龍江 大慶163318）

巖石研磨性是進行鉆頭結構設計及優(yōu)選、確定鉆井消耗和合理起下鉆時機的重要依據。目前巖石研磨性的確定方法主要有2種：一種是通過室內研磨性試驗測定，室內測定結果能夠反映巖石的礦物組成和膠結特性對鉆頭的摩擦磨損機理及磨損規(guī)律，但無法體現井下復雜工況下巖石對鉆頭的磨損性能，由于室內試驗與現場條件下巖石對鉆頭的磨損機理不同，使得室內研磨性評價結果與現場實際研磨性差距很大；另一種是通過現場實際鉆頭磨損情況反演巖石研磨性，該方法需要大量的現場數據統(tǒng)計得出，由于無法體現巖石的特性對鉆頭磨損的機理，故而具有較大的應用局限性?，F場鉆頭磨損是在巖石中的硬質礦物對鉆頭的摩擦磨損、沖擊振動、熱應力以及疲勞磨損的共同控制下發(fā)生的，評價巖石的研磨性需要綜合考慮這些因素的共同影響。

筆者針對室內試驗和現場研磨性所反映出的各自的缺陷，采用神經網絡的方法綜合考慮了巖石自身性能和鉆頭使用條件對其研磨性的影響，提出了通過室內試驗數據確定現場巖石研磨性的方法，更真實地反映井下工況條件下巖石對鉆頭的磨損性能。

1 室內試驗測量研磨性的方法與研磨機理分析

室內巖石研磨性測定方法大致可分為標準件測定法、磨削法、摩擦磨損法以及微鉆頭鉆進法［1］。標準件測定法、磨削法、摩擦磨損法都是通過一定的標準件或硬質材料，在穩(wěn)定的接觸壓力和轉速下，計算出單位時間內標準件的磨損質量或體積來表征巖石的研磨性，這幾種方法無法反映具有特殊結構外形的鉆頭與巖石的研磨特征。微鉆頭鉆進法采用小尺寸鉆頭模擬鉆進，在固定的鉆進參數下，測出給定時間內鉆頭切削刃的外形磨損。相較于其他方法，微鉆頭鉆進法能夠較好地模擬現場實際鉆井過程。

室內試驗巖石與研磨工具接觸摩擦時，二者的微凸體相互接觸，研磨工具在巖石的堅硬礦物顆粒的研磨下，達到物體的極限強度，使工具表面的材料以微粒的形式“脫?！毕聛怼Ｓ捎诒谎心ハ聛淼奈⒘？杀磺逅疀_洗帶走，不參與工具和巖石表面間的磨損工作，故鉆磨完成后，工具磨損面呈拋光的形式，表現為受力穩(wěn)定、摩擦均勻的摩擦磨損，這種摩擦磨損恰好能夠反映巖石的礦物組成和膠結特性對工具的磨損特征及機理［2］。

圖1 室內微牙輪鉆頭

圖2 微PDC鉆頭磨損表面

圖3 牙輪鉆頭牙齒磨損及崩齒

由于室內研磨環(huán)境較為穩(wěn)定，受力相對均勻，磨損時間較短，很難形成因長時間研磨才會造成的疲勞磨損，或者因散熱不良造成的熱損傷以及沖擊磨損。室內微牙輪鉆頭磨損（圖1）產生了相對均勻的摩擦磨損，無沖擊作用造成的斷齒和掉齒現象。微PDC鉆頭（圖2）由于硬度較高，牙齒磨損量非常小，無疲勞磨損、脆性碎裂產生的崩齒（圖3）以及熱損傷形成的石墨化現象（圖4）發(fā)生，即室內試驗巖石對鉆頭的磨損機理主要為相對平穩(wěn)的摩擦磨損。

圖4 PDC鉆頭切削齒石墨化、碎裂及胎體磨損

2 現場測量巖石研磨性的方法與研磨機理分析

對比室內的微牙輪鉆頭與微PDC鉆頭，在油田現場這2種鉆頭在工作條件與研磨機理上和室內試驗有著很大差別。在現場這2種鉆頭都受到與室內試驗形式相同的摩擦磨損，但除此之外，由于油田現場地質條件復雜，現場巖石大都是非均質的，巖石中可能含有大塊的石英顆粒，會導致鉆頭在旋轉鉆進過程切削井底巖石時，造成受力不均，產生多種無規(guī)律有害的橫向振動、縱向振動、扭轉振動及各種耦合作用，造成沖擊疲勞效應或者局部高溫。同時鉆頭破碎巖石產生的巖粉在沖洗液攜帶下對胎體及牙齒產生了沖蝕研磨作用，加速了鉆頭的磨損［3］。

牙輪鉆頭磨損的主要形式是井底清洗效果差，重復破碎牙齒，產生疲勞剝蝕和氧化；另外由于非常規(guī)的井眼或井斜原因造成鉆柱異常振動，高溫下產生的顆粒脫落。牙輪鉆頭牙齒主要是由碳化鎢及鈷組成。在摩擦功不大的情況下，碳化鎢只能產生疲勞剝蝕和氧化。在摩擦功較大的情況下，摩擦產生高溫，使鈷的硬度下降，無法很好地膠結碳化鎢，造成碳化鎢顆粒脫落。而脫落的碳化鎢顆粒在巖石與鉆頭的孔隙內進一步地刻劃硬質合金表面，導致硬質合金磨損［4］。如圖3所示，牙輪鉆頭在研磨性地層內鉆進時，常會發(fā)生鉆頭縮徑，雖然內排齒磨損不嚴重，但外排齒和背錐齒嚴重磨損。牙輪鉆頭表現為齒高變短，牙齒變細，個別牙齒崩斷，在現場施工中容易產生跳鉆。

金剛石磨損的主要形式是摩擦過程中的熱損傷、機械振動作用下的碎裂和剝蝕、以及胎體過度磨損后的金剛石脫落［5］。當金剛石破碎巖石時，由于與巖石直接劇烈摩擦，產生大量的熱及大量巖粉。部分位于金剛石前端被壓實的巖粉不能立即被沖洗液沖走，導致散熱不良，金剛石刃尖溫度升高，高溫造成熱損傷，使金剛石石墨化。隨著鉆進的繼續(xù)進行，石墨脫落，露出的金剛石受高溫繼續(xù)石墨化。金剛石內部本就存在的內部顯微缺陷裂紋，在切向力的作用下，不斷承受張應力而誘發(fā)裂紋發(fā)育，逐漸向金剛石外表連貫，產生了脆性碎裂。在鉆頭鉆進的過程中，由于被金剛石破碎下來的巖粉顆粒在鉆頭或沖洗液的帶動下不斷磨損或沖刷胎體表面的黏結金屬，使得黏結金屬首先被磨掉，金剛石顆粒裸露在外，得不到胎體的保護而脫落。脫落的金剛石顆粒留在巖石與金剛石所鉆的縫隙中，繼續(xù)研磨胎體，加劇金剛石的脫落。由圖4可以看出，現場PDC鉆頭牙齒有脆性裂紋的產生，同時牙齒表面被磨出許多平行于運動方向的溝槽，通常認為這是金剛石產生石墨化磨損的表現，胎體雖未脫落，但是已有明顯的刮痕。

現場施工時，隨著井深的增加，巖石性質的改變，鉆頭切削刃磨損加劇，選取的鉆井參數以及水力參數也在變化。不同鉆壓、轉速以及水力參數對研磨性的影響是不同的。對比表1中的巖樣1和巖樣4可知，轉速越大，研磨性越小。對比巖樣2和巖樣3可知，鉆壓越大，研磨性越大。對比巖樣1和巖樣5可知，巖樣1鉆壓、轉速均小于巖樣5，但研磨性卻十分接近。這是由于單一因素對研磨性的影響權重是不相同的，每個因素對研磨性的影響并不一定能通過線性方程表示出來。當多個因素同時改變時，各單一因素影響比重不同，且各因素之間也可能存在相互影響的關系，因而很難通過幾個因素的增減變化定量地計算出研磨性系數，這就使得現場的研磨性與各影響因素之間的非線性關系不能直接通過計算表達出來［6］。

表1 部分巖樣現場研磨性對比

通過實驗室與現場巖石研磨性機理對比可以發(fā)現，室內研磨試驗載荷均勻，研磨工具和巖石只是表面接觸摩擦，沒有鉆進深度與胎體磨損，也沒有考慮熱效應、鉆井液的潤滑和沖擊崩裂等因素的影響，沒有疲勞、剝蝕、氧化、熱損傷、脆性碎裂、脫粒等現象發(fā)生，與實際鉆井情況有較大的差別。鑒于機理以及試驗方法的不同，室內試驗算得的研磨性與現場的實測值相差很大，室內試驗測試結果不能直接用于現場。

3 室內試驗與現場研磨性的轉換方法研究

由于室內試驗條件與現場的實際工況差別巨大，室內試驗與現場條件下巖石對鉆頭的磨損機理存在較大差別，同時研磨性的主要影響因素（如鉆壓、轉速、水力參數）對研磨性的影響增減不一，影響權重也不盡相同，造成了各因素對研磨性的影響是一種多變量的非線性關系，因而要準確建立一個能夠反映多種研磨機理的研磨性計算模型是十分困難的。

人工神經網絡具有良好的非線性映射能力和較強的學習功能，能夠通過對可預測的突變數據進行學習，實現對某些特殊情況的出現進行預測，同時神經網絡能夠將多維輸入參數通過降維計算出一個輸出值，一旦訓練完成，輸入參數后即可輸出符合規(guī)定精度的預測輸出值，因此能夠用來描述現場工況下巖石對鉆頭多種磨損機理聯合作用下的磨損性能［7］。將影響研磨機理的主要因素對研磨性的影響理解為是一個多輸入單輸出的網絡系統(tǒng)，通過室內測試結果反映巖石對鉆頭的摩擦磨損性能，現場的鉆壓、鉆速、泵排量和使用時間綜合反映鉆頭的沖擊磨損、熱磨損以及疲勞磨損特征，即將室內測定的研磨性X1、鉆壓X2、轉速X3、排量X4、鉆頭使用時間X5作為神經網絡的輸入參數，設輸入參數為x，表示如下：

現場研磨性系數y為輸入參數x的函數：

當用NNE表示研磨性神經網絡方法時，室內研磨性以及現場研磨主要影響因素對現場研磨性的影響可以用下式表示：

通過上述關系式就得到了現場及室內參量與研磨性之間的定量關系，研磨性神經網絡具體計算流程如圖5。

研磨性神經網絡可看成是從輸入到輸出的高維非線性映射。在開始訓練時，網絡不斷地用每一個樣本進行訓練，調整網絡權值。當每個樣本的誤差都達到精度要求時，則網絡收斂，網絡訓練成功。再將未輸入過網絡內的巖石室內研磨性以及現場施工的對應巖層的鉆壓、排量、轉速及預期使用時間輸入訓練完成的網絡中，網絡經過計算，即可輸出研磨性神經網絡預測的現場研磨性［8］。

圖5 研磨性神經網絡算法流程圖

4 實例分析

室內試驗采用微鉆頭鉆進法，使用微牙輪鉆頭以及微PDC鉆頭作為切削工具。選取了室內試驗算得的研磨性，以及現場施工的對應巖層的鉆壓、轉速、排量及使用時間，通過85組基礎數據對神經網絡進行訓練，再通過10組數據對網絡進行檢驗，最終取10塊巖石的室內研磨性以及現場的鉆壓、轉速、排量、使用時間代入網絡，求出網絡研磨性預測值（表2）。

表2 室內、現場及預測研磨性對比

由圖6、7可以看出，預測研磨性系數更加接近于現場實際研磨性系數，預測牙輪鉆頭研磨性系數與現場研磨性系數的符合率為87.5%，較之于微牙輪鉆頭研磨性系數與現場研磨性系數的符合率50.9%，提高了36.6個百分點；預測PDC鉆頭研磨性系數與現場研磨性系數的符合率為85.5%，較之于微牙輪鉆頭研磨性系數與現場研磨性系數的符合率33.6%，提高了51.9個百分點，因而能夠更加準確地滿足現場施工前鉆頭研磨性預測的需求，適合現場工程應用，因此建立的神經網絡預測模型具有良好的工程應用性。

圖6 牙輪鉆頭研磨性對比圖

圖7 PDC鉆頭研磨性對比圖

5 結論

1）室內試驗條件下巖石對鉆頭主要為相對平穩(wěn)的摩擦磨損，而現場條件下鉆頭的損壞是在摩擦磨損、熱磨損、疲勞磨損、沖擊磨損多種作用下聯合發(fā)生的，因此室內研磨性測試結果與現場研磨性有較大的差別。

2）以室內研磨性測試結果和現場實際鉆頭使用條件為輸入參數，綜合考慮了巖石自身性能和鉆頭使用條件對其研磨性的影響，建立了現場研磨性神經網絡預測模型，通過室內試驗能夠確定現場工況下巖石對鉆頭的磨損性能。

3）現場研磨性神經網絡預測的研磨性系數較之于室內試驗，牙輪鉆頭研磨性系數符合率提高了36.6個百分點，PDC鉆頭研磨性系數符合率提高了51.9個百分點，能夠更加準確地滿足現場施工前鉆頭研磨性系數預測的需求，更好地指導現場鉆頭的設計與選取以及鉆進規(guī)程的制定。

［1］Okubo S，Fukui K，Nishimatsu Y.Estimating abrasivity of rock by laboratory and in situ tests ［J］.Rock Mechanics and Rock Engineering，2011，44（2）：231～244.

［2］Hoseinie S H，Ataei M，Osanloo M.A new classification system for evaluating rock penetrability ［J］.International Journal of Rock Mechanics and Mining Sciences，2009，46（8）：1329～1340.

［3］王太平，李靜 .淺談鉆頭磨損評定方法與國際標準接軌 ［J］.石油鉆探技術，2001，29（1）：48.

［4］李宬曉，顧從越，李榮，等 .鄂爾多斯盆地南梁油田西區(qū)PDC鉆頭切削齒磨損分析及應用研究 ［J］.鉆采工藝，2012，35（6）：71～74.

［5］鄒德永，王瑞和.PDC鉆頭的巖石研磨性試驗研究 ［J］.石油大學學報（自然科學版），2003，27（2）：41～43.

［6］趙靖影，鄧金根，謝玉洪，等 .通用地層研磨性預測模型的建立及應用 ［J］.中國海上油氣，2011，23（5）：329～334.

［7］崔吉峰，乞建勛，楊尚東 .基于粒子群改進BP神經網絡的組合預測模型及其應用 ［J］.中南大學學報（自然科學版），2009，40（1）：190～194.

［8］艾池，卜志丹，趙萬春，等 .用正交尺度小波網絡方法預測固井質量 ［J］.石油鉆探技術，2008，36（6）：56～58.