基于粒子群算法的鉆進參數多目標優化

李琳　張棟棟　沙林秀　徐紅

摘 要： 為了使鉆進過程達到最優，提出了基于機械鉆速、鉆頭壽命和鉆頭比能的鉆進參數多目標優化模型。參考典型的多目標優化進化算法NSGA?Ⅱ，提出了一種多目標粒子群算法（MOPSO）。采用一個鉆進參數優化實例對優化模型和算法進行檢驗，得到分布均勻的Pareto最優解，一些最優解與傳統的鉆進參數單目標優化的解近似；討論了算法中的種群規模、迭代次數和外部檔案規模三個參數，得到一組兼顧解質量和計算時間的參數值，其計算時間的統計結果證明模型和算法滿足鉆進參數動態優化的要求。

關鍵詞： 鉆進參數； 多目標優化； 機械鉆速； 粒子群

中圖分類號： TN911?34 文獻標識碼： A 文章編號： 1004?373X（2014）10?0024?04

Abstract： In order to make the drilling process optimal， a multi?objective optimization model of drilling parameters based on the penetration rate， the bit life and the mechanical specific energy of bit is proposed. Inspired by a classic multi?objective evolution optimization algorithm NSGA?II， a multi?objective particle swarm optimization （MOPSO） algorithm is proposed. The optimized model and algorithm were verified with a real example whose drilling parameters were optimized. The evenly distributed Pareto optimal solutions were obtained， some of which are similar to the solutions of the traditional single?objective optimization of drilling parameter. Three parameters of population scale， iteration number and external population scale in the algorithm are discussed. A group of parameter values which balance the solution quality and the computing time are chosen. The statistical result of computing time proves that the model and the algorithm meet the need of the dynamic optimization of drilling parameters.

Keywords： drilling parameter； MOP； ROP； PSO

0 引 言

鉆進參數優化的目的是尋求一定的鉆壓、轉速配合，使鉆進過程達到最佳的技術經濟效果[1]。為了達到這一目地，首先需要確定一個衡量鉆進技術經濟效果的標準，傳統上一般以單位進尺成本為目標[2?3]。這一指標實際是機械鉆速和鉆頭磨損的成本組合。為了更好地研究鉆進參數優化，可以將其劃分為兩個階段：無偏好的鉆進參數多目標優化階段和成本最低偏好決策階段。由于成本最低偏好決策需要相應的成本函數，而這些成本函數的確定常常需要考慮復雜的商業原理、法律條文和會計準則，因此本文只討論第一階段，即無偏好的鉆進參數多目標優化。

最近大量事例和跡象表明進化算法的機理最適合求解多目標優化問題，遺傳算法是進化算法的主流，第二代非支配排序遺傳算法（NSGA?Ⅱ）被認為是其中最優秀的一種算法[4]。受NSGA?Ⅱ啟發得到一種多目標粒子群算法（MOPSO），標準函數測試實驗證明其運行效率更高，運行時間更優[5]。本文采用該算法求解無偏好的鉆進參數多目標優化。

1 鉆進參數多目標優化模型

本文提出基于機械鉆速、鉆頭壽命和鉆頭比能的鉆進參數多目標優化模型，采用類似于NSGA?Ⅱ的MOPSO算法求解，根據一個實例，得到了分布均勻的優化結果，證明了模型正確、算法有效，最后討論并確定了MOPSO算法的參數。

表2 種群規模對計算時間的影響

參考文獻

[1] 陳庭根，管志川.鉆井工程理論與技術[M].北京：中國石油大學出版社，2000.

[2] 伊鵬，劉衍聰，郭欣，等.基于改進自適應遺傳算法的鉆井參數優化設計[J].石油機械，2010，38（2）：32?73.

[3] 李士斌，張立剛，荊玲，等.鉆井參數優選新方法[J].石油鉆探技術，2007，35（4）：9?11.

[4] 崔遜學.多目標進化算法及其應用[M].北京：國防工業出版社，2006.

[5] 趙張娜.多目標粒子群優化方法的實驗分析[D].北京：中國地質大學，2012.

[6] 李琳，聶臻，沙林秀.基于NSGA2的多目標鉆進參數優化研究[J].石油機械，2013，41（3）：55?71.

[7] 樊洪海，馮廣慶，肖偉，等.基于機械比能理論的鉆頭磨損監測新方法[J].石油鉆探技術，2012，40（3）：116?120.

[8] 景寧，樊洪海，翟應虎，等.基于比能理論的鉆頭工作狀態監測方法[J].斷塊油氣田，2011，18（4）：538?540.

[9] 劉厚才，陳志鋼.非支配排序均勻遺傳算法[J].計算機應用研究，2011，28（11）：4020?4025.

[10] 王洋，劉金園，王東風，等.基于改進NSGA?Ⅱ算法的電廠多目標負荷分配[J].電力科學與工程，2010，26（8）：56?60.

[11] 談恩民，王鵬.基于NSGA?II算法的SoC測試多目標優化研究[J].電子測量與儀器學報，2011，25（3）：226?232.

[12] 汪文彬，鐘聲.基于改進擁擠距離的多目標進化算法[J].計算機工程，2009，35（9）：211?213.

[13] 徐未強，朱元昌，邸彥強.改進的差異進化多目標優化算法在靶場測控方案優化設計中的應用[J].現代電子技術，2011，34（3）：8?10.

摘 要： 為了使鉆進過程達到最優，提出了基于機械鉆速、鉆頭壽命和鉆頭比能的鉆進參數多目標優化模型。參考典型的多目標優化進化算法NSGA?Ⅱ，提出了一種多目標粒子群算法（MOPSO）。采用一個鉆進參數優化實例對優化模型和算法進行檢驗，得到分布均勻的Pareto最優解，一些最優解與傳統的鉆進參數單目標優化的解近似；討論了算法中的種群規模、迭代次數和外部檔案規模三個參數，得到一組兼顧解質量和計算時間的參數值，其計算時間的統計結果證明模型和算法滿足鉆進參數動態優化的要求。

關鍵詞： 鉆進參數； 多目標優化； 機械鉆速； 粒子群

中圖分類號： TN911?34 文獻標識碼： A 文章編號： 1004?373X（2014）10?0024?04

Abstract： In order to make the drilling process optimal， a multi?objective optimization model of drilling parameters based on the penetration rate， the bit life and the mechanical specific energy of bit is proposed. Inspired by a classic multi?objective evolution optimization algorithm NSGA?II， a multi?objective particle swarm optimization （MOPSO） algorithm is proposed. The optimized model and algorithm were verified with a real example whose drilling parameters were optimized. The evenly distributed Pareto optimal solutions were obtained， some of which are similar to the solutions of the traditional single?objective optimization of drilling parameter. Three parameters of population scale， iteration number and external population scale in the algorithm are discussed. A group of parameter values which balance the solution quality and the computing time are chosen. The statistical result of computing time proves that the model and the algorithm meet the need of the dynamic optimization of drilling parameters.

Keywords： drilling parameter； MOP； ROP； PSO

0 引 言

鉆進參數優化的目的是尋求一定的鉆壓、轉速配合，使鉆進過程達到最佳的技術經濟效果[1]。為了達到這一目地，首先需要確定一個衡量鉆進技術經濟效果的標準，傳統上一般以單位進尺成本為目標[2?3]。這一指標實際是機械鉆速和鉆頭磨損的成本組合。為了更好地研究鉆進參數優化，可以將其劃分為兩個階段：無偏好的鉆進參數多目標優化階段和成本最低偏好決策階段。由于成本最低偏好決策需要相應的成本函數，而這些成本函數的確定常常需要考慮復雜的商業原理、法律條文和會計準則，因此本文只討論第一階段，即無偏好的鉆進參數多目標優化。

最近大量事例和跡象表明進化算法的機理最適合求解多目標優化問題，遺傳算法是進化算法的主流，第二代非支配排序遺傳算法（NSGA?Ⅱ）被認為是其中最優秀的一種算法[4]。受NSGA?Ⅱ啟發得到一種多目標粒子群算法（MOPSO），標準函數測試實驗證明其運行效率更高，運行時間更優[5]。本文采用該算法求解無偏好的鉆進參數多目標優化。

1 鉆進參數多目標優化模型

本文提出基于機械鉆速、鉆頭壽命和鉆頭比能的鉆進參數多目標優化模型，采用類似于NSGA?Ⅱ的MOPSO算法求解，根據一個實例，得到了分布均勻的優化結果，證明了模型正確、算法有效，最后討論并確定了MOPSO算法的參數。

表2 種群規模對計算時間的影響

參考文獻

[1] 陳庭根，管志川.鉆井工程理論與技術[M].北京：中國石油大學出版社，2000.

[2] 伊鵬，劉衍聰，郭欣，等.基于改進自適應遺傳算法的鉆井參數優化設計[J].石油機械，2010，38（2）：32?73.

[3] 李士斌，張立剛，荊玲，等.鉆井參數優選新方法[J].石油鉆探技術，2007，35（4）：9?11.

[4] 崔遜學.多目標進化算法及其應用[M].北京：國防工業出版社，2006.

[5] 趙張娜.多目標粒子群優化方法的實驗分析[D].北京：中國地質大學，2012.

[6] 李琳，聶臻，沙林秀.基于NSGA2的多目標鉆進參數優化研究[J].石油機械，2013，41（3）：55?71.

[7] 樊洪海，馮廣慶，肖偉，等.基于機械比能理論的鉆頭磨損監測新方法[J].石油鉆探技術，2012，40（3）：116?120.

[8] 景寧，樊洪海，翟應虎，等.基于比能理論的鉆頭工作狀態監測方法[J].斷塊油氣田，2011，18（4）：538?540.

[9] 劉厚才，陳志鋼.非支配排序均勻遺傳算法[J].計算機應用研究，2011，28（11）：4020?4025.

[10] 王洋，劉金園，王東風，等.基于改進NSGA?Ⅱ算法的電廠多目標負荷分配[J].電力科學與工程，2010，26（8）：56?60.

[11] 談恩民，王鵬.基于NSGA?II算法的SoC測試多目標優化研究[J].電子測量與儀器學報，2011，25（3）：226?232.

[12] 汪文彬，鐘聲.基于改進擁擠距離的多目標進化算法[J].計算機工程，2009，35（9）：211?213.

[13] 徐未強，朱元昌，邸彥強.改進的差異進化多目標優化算法在靶場測控方案優化設計中的應用[J].現代電子技術，2011，34（3）：8?10.

摘 要： 為了使鉆進過程達到最優，提出了基于機械鉆速、鉆頭壽命和鉆頭比能的鉆進參數多目標優化模型。參考典型的多目標優化進化算法NSGA?Ⅱ，提出了一種多目標粒子群算法（MOPSO）。采用一個鉆進參數優化實例對優化模型和算法進行檢驗，得到分布均勻的Pareto最優解，一些最優解與傳統的鉆進參數單目標優化的解近似；討論了算法中的種群規模、迭代次數和外部檔案規模三個參數，得到一組兼顧解質量和計算時間的參數值，其計算時間的統計結果證明模型和算法滿足鉆進參數動態優化的要求。

關鍵詞： 鉆進參數； 多目標優化； 機械鉆速； 粒子群

中圖分類號： TN911?34 文獻標識碼： A 文章編號： 1004?373X（2014）10?0024?04

Abstract： In order to make the drilling process optimal， a multi?objective optimization model of drilling parameters based on the penetration rate， the bit life and the mechanical specific energy of bit is proposed. Inspired by a classic multi?objective evolution optimization algorithm NSGA?II， a multi?objective particle swarm optimization （MOPSO） algorithm is proposed. The optimized model and algorithm were verified with a real example whose drilling parameters were optimized. The evenly distributed Pareto optimal solutions were obtained， some of which are similar to the solutions of the traditional single?objective optimization of drilling parameter. Three parameters of population scale， iteration number and external population scale in the algorithm are discussed. A group of parameter values which balance the solution quality and the computing time are chosen. The statistical result of computing time proves that the model and the algorithm meet the need of the dynamic optimization of drilling parameters.

Keywords： drilling parameter； MOP； ROP； PSO

0 引 言

鉆進參數優化的目的是尋求一定的鉆壓、轉速配合，使鉆進過程達到最佳的技術經濟效果[1]。為了達到這一目地，首先需要確定一個衡量鉆進技術經濟效果的標準，傳統上一般以單位進尺成本為目標[2?3]。這一指標實際是機械鉆速和鉆頭磨損的成本組合。為了更好地研究鉆進參數優化，可以將其劃分為兩個階段：無偏好的鉆進參數多目標優化階段和成本最低偏好決策階段。由于成本最低偏好決策需要相應的成本函數，而這些成本函數的確定常常需要考慮復雜的商業原理、法律條文和會計準則，因此本文只討論第一階段，即無偏好的鉆進參數多目標優化。

最近大量事例和跡象表明進化算法的機理最適合求解多目標優化問題，遺傳算法是進化算法的主流，第二代非支配排序遺傳算法（NSGA?Ⅱ）被認為是其中最優秀的一種算法[4]。受NSGA?Ⅱ啟發得到一種多目標粒子群算法（MOPSO），標準函數測試實驗證明其運行效率更高，運行時間更優[5]。本文采用該算法求解無偏好的鉆進參數多目標優化。

1 鉆進參數多目標優化模型

本文提出基于機械鉆速、鉆頭壽命和鉆頭比能的鉆進參數多目標優化模型，采用類似于NSGA?Ⅱ的MOPSO算法求解，根據一個實例，得到了分布均勻的優化結果，證明了模型正確、算法有效，最后討論并確定了MOPSO算法的參數。

表2 種群規模對計算時間的影響

參考文獻

[1] 陳庭根，管志川.鉆井工程理論與技術[M].北京：中國石油大學出版社，2000.

[2] 伊鵬，劉衍聰，郭欣，等.基于改進自適應遺傳算法的鉆井參數優化設計[J].石油機械，2010，38（2）：32?73.

[3] 李士斌，張立剛，荊玲，等.鉆井參數優選新方法[J].石油鉆探技術，2007，35（4）：9?11.

[4] 崔遜學.多目標進化算法及其應用[M].北京：國防工業出版社，2006.

[5] 趙張娜.多目標粒子群優化方法的實驗分析[D].北京：中國地質大學，2012.

[6] 李琳，聶臻，沙林秀.基于NSGA2的多目標鉆進參數優化研究[J].石油機械，2013，41（3）：55?71.

[7] 樊洪海，馮廣慶，肖偉，等.基于機械比能理論的鉆頭磨損監測新方法[J].石油鉆探技術，2012，40（3）：116?120.

[8] 景寧，樊洪海，翟應虎，等.基于比能理論的鉆頭工作狀態監測方法[J].斷塊油氣田，2011，18（4）：538?540.

[9] 劉厚才，陳志鋼.非支配排序均勻遺傳算法[J].計算機應用研究，2011，28（11）：4020?4025.

[10] 王洋，劉金園，王東風，等.基于改進NSGA?Ⅱ算法的電廠多目標負荷分配[J].電力科學與工程，2010，26（8）：56?60.

[11] 談恩民，王鵬.基于NSGA?II算法的SoC測試多目標優化研究[J].電子測量與儀器學報，2011，25（3）：226?232.

[12] 汪文彬，鐘聲.基于改進擁擠距離的多目標進化算法[J].計算機工程，2009，35（9）：211?213.

[13] 徐未強，朱元昌，邸彥強.改進的差異進化多目標優化算法在靶場測控方案優化設計中的應用[J].現代電子技術，2011，34（3）：8?10.