近日，我院陈敬凯老师团队机械工程2023级专业硕士研究生杨磊在钻柱振动智能预测方面的研究取得重要进展，相关研究成果《基于神经网络模型的钻柱振动动态分析研究》(Dynamic Analysis of Drill String Vibration Enhanced by Neural Network Based Models) 发表于《Geoenergy Science and Engineering》，该期刊是石油工程领域中的国际顶级期刊，2023年影响因子为5.168 (SCI二区Top)。论文第一作者与通讯作者为陈敬凯副教授，第二作者硕士研究生杨磊为该研究工作和论文撰写做出重要贡献，中国石油大学(华东) 为第一署名单位和唯一通讯单位，该研究得到中央高校基本科研业务费专项资金、海洋物探及勘探开发装备国家工程研究中心开放基金、山东省自然科学基金、国家自然科学基金联合资助。
论文首页
在钻井过程中，钻柱振动的强非线性和高随机性，导致钻柱的动态响应极其复杂。传统的基于物理的模型在准确预测钻柱振动方面存在局限性，求解钻柱振动模型的计算成本很昂贵。
钻柱振动智能表征方法流程
针对以上问题，本文通过搭建三种机器学习算法模型(包括NN、PINN、LSTM )，由物理模型生成的数据集进行训练和测试，来预测和分析钻柱在几种典型工况下的振动响应。结果表明，所提出的机器学习算法在预测复杂钻柱振动方面显示出明显优势，可以在几秒钟内准确预测钻柱振动特性，为钻井现场钻柱振动实时预测提供理论依据，完善了智能钻井钻柱动力学基础理论架构。
论文链接：https://authors.elsevier.com/a/1kJtWAUka6dBgU
