钻井过程中对上返岩屑的监测与识别是感知地层变化、及时发现掉块并减缓井壁失稳风险的关键手段。实现快速、客观、自动化的岩屑识别对保障钻井安全、提高钻井效率具有重要意义。目前,岩屑识别主要依赖人工经验判断,存在主观性强、耗时...钻井过程中对上返岩屑的监测与识别是感知地层变化、及时发现掉块并减缓井壁失稳风险的关键手段。实现快速、客观、自动化的岩屑识别对保障钻井安全、提高钻井效率具有重要意义。目前,岩屑识别主要依赖人工经验判断,存在主观性强、耗时长和工作量大等问题。基于实际采集的岩屑图像,提出一种基于Segment Anything Model 2(SAM2)与KMeans聚类算法的岩屑识别模型,实现对岩屑颗粒的精确分割与自动聚类。同时,设计了交互式选择功能,支持工程师快速挑选目标岩屑块,显著提升岩屑块可视化与识别效率。实验结果表明,SAM2在岩屑图像分割任务中表现优异,分割精度较现有主流方法提升3%~6%。在四川威远构SX井的实际岩屑图像测试中,模型聚类识别准确率达83.9%,与人工标注结果高度一致。在典型井段的应用中,模型识别出4类主要岩屑,各类别占比分布与人工判别结果差异较小。研究结果表明,本文提出的模型方法能够有效划分不同粒径岩屑块并合理预测各类岩性占比,有助于辅助工程师快速判定地层岩性,提升钻井过程监测的客观性与实时性。展开更多
文摘钻井过程中对上返岩屑的监测与识别是感知地层变化、及时发现掉块并减缓井壁失稳风险的关键手段。实现快速、客观、自动化的岩屑识别对保障钻井安全、提高钻井效率具有重要意义。目前,岩屑识别主要依赖人工经验判断,存在主观性强、耗时长和工作量大等问题。基于实际采集的岩屑图像,提出一种基于Segment Anything Model 2(SAM2)与KMeans聚类算法的岩屑识别模型,实现对岩屑颗粒的精确分割与自动聚类。同时,设计了交互式选择功能,支持工程师快速挑选目标岩屑块,显著提升岩屑块可视化与识别效率。实验结果表明,SAM2在岩屑图像分割任务中表现优异,分割精度较现有主流方法提升3%~6%。在四川威远构SX井的实际岩屑图像测试中,模型聚类识别准确率达83.9%,与人工标注结果高度一致。在典型井段的应用中,模型识别出4类主要岩屑,各类别占比分布与人工判别结果差异较小。研究结果表明,本文提出的模型方法能够有效划分不同粒径岩屑块并合理预测各类岩性占比,有助于辅助工程师快速判定地层岩性,提升钻井过程监测的客观性与实时性。
文摘针对传统的滚动轴承故障诊断方法难以准确高效的实现故障分类,提出了一种融合对称点模式(Symmetrized Dot Pattern,SDP)和改进SAM⁃MobileNetv2的滚动轴承故障分类方法。首先,将轴承振动信号通过SDP算法转化为含有丰富特征信息的二维图像。然后,将二维图像输入到改进SAM⁃MobileNetv2网络模型中,对故障特征信息进行提取和分类。在改进SAM⁃MobileNetv2网络中,使用自适应激活函数ACON(Activate or not)对SAM⁃MobileNetv2中的ReLU6激活函数进行替换,提高模型分类性能。最后,将本模型与多种网络模型做对比。试验结果表明,本模型可以准确高效地实现对滚动轴承故障的分类,使用凯斯西储大学轴承故障数据的准确率为99.5%,使用渥太华大学轴承故障数据的准确率为97.2%。
