Prediction of Weight-on-Bit based on Real-Time Surface Measurements

Rainer Paulic

Prediction of Weight-on-Bit based on Real-Time Surface Measurements

Titel in Übersetzung: Vorhersage der Meißellast mittels Echtzeitmessungen an der Oberfläche

Rainer Paulic

Lehrstuhl für Drilling and Completion Engineering (590)

Publikation: Thesis / Studienabschlussarbeiten und Habilitationsschriften › Masterarbeit

399 Downloads (Pure)

Abstract

Hohe Bohrfortschritte bei Tiefbohrungen können nur mit der richtigen Meissellast erzielt werden. Mithilfe von Datenmessungen an der Oberfläche, wie zum Beispiel der Hakenlast, kann die Meissellast abgeschätzt werden. Andere Messparameter können dazu verwendet werden verschiedene die Kraftübertragung beeinflussende Funktionsstörungen beim Bohren, wie z.B. Stick-Slip, zu entdecken. Indem Oberflächenmessungen mit Messungen aus dem Bohrloch, die mit einem ISUB-Tool aufgezeichnet wurden, korreliert werden kann der Einfluss der verschiedenen Störfunktionen auf die Kraftübertragung abgeschätzt werden. Um das Verhalten des Bohrstrnages zu simulieren wird ein Feder-Masse Modell vorgeschlagen. Da so ein System jedoch sehr komplex ist sollten für die Modellierung des Bohrstranges in Echtzeit neuronale Netzwerke entwickelt werden.

Titel in Übersetzung	Vorhersage der Meißellast mittels Echtzeitmessungen an der Oberfläche
Originalsprache	Englisch
Qualifikation	Dipl.-Ing.
Betreuer/-in / Berater/-in	Thonhauser, Gerhard, Betreuer (intern)
Datum der Bewilligung	30 März 2007
Publikationsstatus	Veröffentlicht - 2007

Bibliographische Notiz

nicht gesperrt

Schlagwörter

Kraftübertragung Meissellast Stick-Slip neuronale Netzwerke Feder-Masse Modell

Zugriff auf Dokument

VolltextEndgültige, publizierte Fassung, 3,53 MB

Dieses zitieren

@mastersthesis{e7a70a526612474ca4f9fe1914d8d041,

title = "Prediction of Weight-on-Bit based on Real-Time Surface Measurements",

abstract = "High rates of penetration can be achieved when drilling with the right weight-on-bit. Using surface measurements of the hookload, the weight-on-bit can be estimated. Other surface measurements can be used to detect various drilling dysfunctions like stick-slip which influence the transfer of force to the bit. By correlating surface measurements with downhole measurements taken by an ISUB tool, the influence of different drilling dysfunctions on force transfer can be estimated. A spring-mass model is proposed to simulate the force transfer to the bit. Because of the complexity of such a system, neural networks may be the best solution to solve this task in real-time.",

keywords = "axial force transfer weight-on-bit stick-slip neural networks mass-spring model, Kraft{\"u}bertragung Meissellast Stick-Slip neuronale Netzwerke Feder-Masse Modell",

author = "Rainer Paulic",

note = "no embargo",

year = "2007",

language = "English",

}

TY - THES

T1 - Prediction of Weight-on-Bit based on Real-Time Surface Measurements

AU - Paulic, Rainer

N1 - no embargo

PY - 2007

Y1 - 2007

N2 - High rates of penetration can be achieved when drilling with the right weight-on-bit. Using surface measurements of the hookload, the weight-on-bit can be estimated. Other surface measurements can be used to detect various drilling dysfunctions like stick-slip which influence the transfer of force to the bit. By correlating surface measurements with downhole measurements taken by an ISUB tool, the influence of different drilling dysfunctions on force transfer can be estimated. A spring-mass model is proposed to simulate the force transfer to the bit. Because of the complexity of such a system, neural networks may be the best solution to solve this task in real-time.

AB - High rates of penetration can be achieved when drilling with the right weight-on-bit. Using surface measurements of the hookload, the weight-on-bit can be estimated. Other surface measurements can be used to detect various drilling dysfunctions like stick-slip which influence the transfer of force to the bit. By correlating surface measurements with downhole measurements taken by an ISUB tool, the influence of different drilling dysfunctions on force transfer can be estimated. A spring-mass model is proposed to simulate the force transfer to the bit. Because of the complexity of such a system, neural networks may be the best solution to solve this task in real-time.

KW - axial force transfer weight-on-bit stick-slip neural networks mass-spring model

KW - Kraftübertragung Meissellast Stick-Slip neuronale Netzwerke Feder-Masse Modell

M3 - Master's Thesis

ER -