模糊推理系统及其仿真研究+文献综述(9)
出口温度 全烃↑
c2/c3<1并且↓
一个工程事故模型的创建要经过一系列的步骤，这里我们把这整个过程定义为：模糊化、模糊推理、解模糊和求最终结果报警等。下面本文以井涌为例介绍一下工程事故模糊模型的整个创建过程。
4.1 钻井事故模糊化
模糊化的过程实际上就是确定模糊变量的过程。在这个过程中首先要找出判别该工程事故的主要参数，然后根据实际工作经验建立起各个参数的隶属度函数，最后根据参数的变化情况应用到隶属度函数得出模糊变量。
现有的故障预测算法模型是在简单的模糊数学知识的基础上建立起来的，但这些模型的建立需要一定的钻井工程经验，由于现在的工程经验还有相当大的欠缺，所以模型不一定适用。
按照钻井过程中的状态依存与递进关系，结合各种参数传感器的实际测量结果，辅助人工专家判断，将钻井过程分为若干典型状态，并将其个种对应的传感器参数划归为所对应的状态模型进行处理。项目目前已经完成状态的分类方法研究，编制了可以适用于向C语言移植、在线连续运算的Matlab[17,18]通用程序。
图5 分解状态数据
图6 出口流量数据
各传感信息在进入一个新的钻井状态得起始点至数据稳定点之间的数据称为该状态的暂态数据。暂态数据的信息特征如超调量、振荡峰值、振荡频率、振荡次数、上升时间等的异常现象将作为判断事故发生的重要依据。 稳态数据的分析主要包括数字在线滤波、各传感信号不同状态的FFT全频谱分析、短时富立叶时频分析（STFT）、小波(Wavelet)分解。
现有的预警系统总共有数据预处理和故障预测算法模型两块内容。第一部分数据预处理是将实时采集得到的数据利用相应的方法进行处理，使其变成对整个系统有用的数据，然后将这些工程数据应用到第二部分，即故障预测算法模型，然后再根据模型得出相应的结论。
在整个钻井录井过程当中，由于受一些外界因素的干扰，也由于整个钻井状态也在不停的发生着变化，所以实时采集得到的所有参数肯定不会处于一种完全正常、完全有效的状态；钻井状态变化的前后，某些参数会发生相当大幅度的变化，在某些状态中，某些参数完全就失去了它的意义等等。所以有这些问题的存在，数据预处理是很有必要的。
4.2 钻井事故的模糊推理
关于用模糊推理系统方面的知识去解决钻进信息处理和事故预报中，需要做以下的工作。判别井涌的参数有出口流量、总体积、套管压力、出口密度以及出口电导等，这里我们考察一段时间内出口流量上升百分比和总体积上升量。
定义一组模糊子集：“无”、“小”、“中”、“大”，分别代表出口流量和总体积的上升程度以及井涌发生的大小程度。
首先定义一组模糊子集：“无”、“小”、“中”、“大”等，分别代表出口流量和总体积的上升程度以及井涌发生的大小程度。隶属度函数形态如图7，图8：
图7 总体积 图8 出口流量
假设在某一段时间内，出口流量上升了9％，总体积上升了0.8立方米，那么作用于上面两个隶属度函数形态就有如图9，图10表示：
图9 总体积 图10 出口流量