THE AUTOCORRELATION FUNCTIONS AND THE STOCHASTIC SIGNAL SPECTRAL DENSITY FUNCTIONS ANALYTICAL MODELS IN THE CONTROL AND MANAGEMENT SYSTEM FOR THE WELL DRILLING PROCESS
Keywords:
stochastic time series, Hurst exponent H, persistence, autocorrelation function, analytic model, the spectral density function.Abstract
Using the example of the study of time series of parameters and indicators of drilling has been demonstrated the approach to the analysis of random processes, which is to identify such classifications as chaos process, the type of the distribution, persistence rates Hurst H sign ergodic. The principles of determining analytical models autocorrelation function and spectral density functions of random signals in the control system of drilling wells has been demonstrated.
Downloads
Download data is not yet available.
References
1. Dupriest F.E. Maximizing Drill Rates with Real-Time Surveilllance of Mechanical Specific Energy / F.E.Dupriest and Kaederits, L.William // Proc. SPE/IADC Drilling Conference, Amsterdam, 23-25 February, 2005. SPE-92134-MS.
2. Rommentveit R. e-Drilling: A System for Real-Time Drilling Simulation. 3D Visualisation and Control / R.Rommentveit, G.W.Halsey at al // Proc. Digital Energy Conference and Exhibition, Houston, 11-12 April 2007. SPE-106903-MS.
3. Iversen F.P. Monitoring and Control of Drilling Utilizing Continuously Updated Process Models / F.P. Iversen, E.Caysux, E.W.Dvergsnes et al // Proc. IADC/SPE Digital Conference, Miami, 21-23 februery, 2006, SPE – 99207. – MS.
4. Azar J.J. Drilling Problems and Solutions / J.J. Azar // Drilling Engineerin, University of Tulsa. – 2006. – P. 433-454.
5. Okpo E.E. Artificial Neural Network Model for Predicting Wellbore Instability / E.E.Okpo, A.Dosunmu, B.S.Odagme; Conference and Exhibition, 2-4 August, Lagos, Nigeria. – 2016. – Режим доступу: http://dx.doi.org/ 10.2118/184371-MS.- SPENigeria Annual International
6. John P. Systems Architecture and Operations States for Drilling and Completion: The Foundation to Real Performance Measurement and Drilling Systems Automation / Р.John, Е.Calvin, L.Moray, D.John; IADC/SPE Drilling Conference and Exhibition, 1-3 March, Fort Worth, Texas, USA. – 2016. – Режим доступу: http://dx.doi.org /10.2118/178814-MS.
7. Cayeux E. Early Detection of Drilling Conditions Deterioration Using Real-Time Calibration of Comupter Models: Field Examplefrom North Sea Drilling Operations. / E.Cayeux, B.Daireaux; Paper SPE 119435 presented at the SPE/IADC Drilling Conference and Exhibition, Amsterdam, The Netherlands, 17-19 March. –2009. – Режим доступу: http://dx.doi.org/10.2118/119435-MS.
8. Горбійчук М.І. Побудова емпіричних моделей процесу поглиблення свердловин з врахуванням швидкості / М.І.Горбійчук, Т.В.Гуменюк, Я.І.Заячук, Н.Т.Лазорів // Методи та прилади контролю якості. – 2016. – № 1. – С.86-94.
9. Семенцов Г.Н. Моделювання та ідентифікація процесу буріння для задач оптимізації управління: [монографія] / Г.Н.Семенцов, О.В.Гутак. – Одеса: Купрієнко С.В., 2014. – 265 с.
10. Назаренко М.В. Теоретичні засади та принципи моделей динамічних процесів та їх регуляторів: [монографія] / М.В.Назаренко. – Кривий Ріг: Діоніс (ФОП Чернявський Д.О.). – 2010. – 204 с.
11. Білак Н.В. Апроксимативно-спектральний аналіз випадкового процесу / Н.В.Білак, О.О.Скляр // Проблеми інформації та управління. – 2015, № 2(50). – С. 26-31.
12. Денисюк В.П. Непрямий метод оцінювання кореляційних функцій / В.П.Денисюк, А.А.Світлична // Вісник нац.. авіаційного ун-ту. – 2005, тои 23, № 1. – С.30-36.
13. Берзлев О.Ю. Методика перед прогнозного фрактального аналізу часових рядів / О.Ю.Берзлев // Управління розвитком складних систем. – 2013, № 16. – С.76-81.
14. Методы классической и современной теории автоматеческого управления; под ред. К.А.Пункова, Н.Д.Егупова, том. 3: Синтез регуляторов систем автоматического управления. – М.: Изв. МГТУ им. Бауменка Н.Г.. – 2004. – 614 с.
2. Rommentveit R. e-Drilling: A System for Real-Time Drilling Simulation. 3D Visualisation and Control / R.Rommentveit, G.W.Halsey at al // Proc. Digital Energy Conference and Exhibition, Houston, 11-12 April 2007. SPE-106903-MS.
3. Iversen F.P. Monitoring and Control of Drilling Utilizing Continuously Updated Process Models / F.P. Iversen, E.Caysux, E.W.Dvergsnes et al // Proc. IADC/SPE Digital Conference, Miami, 21-23 februery, 2006, SPE – 99207. – MS.
4. Azar J.J. Drilling Problems and Solutions / J.J. Azar // Drilling Engineerin, University of Tulsa. – 2006. – P. 433-454.
5. Okpo E.E. Artificial Neural Network Model for Predicting Wellbore Instability / E.E.Okpo, A.Dosunmu, B.S.Odagme; Conference and Exhibition, 2-4 August, Lagos, Nigeria. – 2016. – Режим доступу: http://dx.doi.org/ 10.2118/184371-MS.- SPENigeria Annual International
6. John P. Systems Architecture and Operations States for Drilling and Completion: The Foundation to Real Performance Measurement and Drilling Systems Automation / Р.John, Е.Calvin, L.Moray, D.John; IADC/SPE Drilling Conference and Exhibition, 1-3 March, Fort Worth, Texas, USA. – 2016. – Режим доступу: http://dx.doi.org /10.2118/178814-MS.
7. Cayeux E. Early Detection of Drilling Conditions Deterioration Using Real-Time Calibration of Comupter Models: Field Examplefrom North Sea Drilling Operations. / E.Cayeux, B.Daireaux; Paper SPE 119435 presented at the SPE/IADC Drilling Conference and Exhibition, Amsterdam, The Netherlands, 17-19 March. –2009. – Режим доступу: http://dx.doi.org/10.2118/119435-MS.
8. Горбійчук М.І. Побудова емпіричних моделей процесу поглиблення свердловин з врахуванням швидкості / М.І.Горбійчук, Т.В.Гуменюк, Я.І.Заячук, Н.Т.Лазорів // Методи та прилади контролю якості. – 2016. – № 1. – С.86-94.
9. Семенцов Г.Н. Моделювання та ідентифікація процесу буріння для задач оптимізації управління: [монографія] / Г.Н.Семенцов, О.В.Гутак. – Одеса: Купрієнко С.В., 2014. – 265 с.
10. Назаренко М.В. Теоретичні засади та принципи моделей динамічних процесів та їх регуляторів: [монографія] / М.В.Назаренко. – Кривий Ріг: Діоніс (ФОП Чернявський Д.О.). – 2010. – 204 с.
11. Білак Н.В. Апроксимативно-спектральний аналіз випадкового процесу / Н.В.Білак, О.О.Скляр // Проблеми інформації та управління. – 2015, № 2(50). – С. 26-31.
12. Денисюк В.П. Непрямий метод оцінювання кореляційних функцій / В.П.Денисюк, А.А.Світлична // Вісник нац.. авіаційного ун-ту. – 2005, тои 23, № 1. – С.30-36.
13. Берзлев О.Ю. Методика перед прогнозного фрактального аналізу часових рядів / О.Ю.Берзлев // Управління розвитком складних систем. – 2013, № 16. – С.76-81.
14. Методы классической и современной теории автоматеческого управления; под ред. К.А.Пункова, Н.Д.Егупова, том. 3: Синтез регуляторов систем автоматического управления. – М.: Изв. МГТУ им. Бауменка Н.Г.. – 2004. – 614 с.
Downloads
Published
2017-04-15
How to Cite
Кропивницька, В. Б. (2017). THE AUTOCORRELATION FUNCTIONS AND THE STOCHASTIC SIGNAL SPECTRAL DENSITY FUNCTIONS ANALYTICAL MODELS IN THE CONTROL AND MANAGEMENT SYSTEM FOR THE WELL DRILLING PROCESS. METHODS AND DEVICES OF QUALITY CONTROL, (1(38), 76–82. Retrieved from https://mpky.nung.edu.ua/index.php/mpky/article/view/374
Issue
Section
METHODS AND DEVICES FOR THE TECHNOLOGICAL PARAMETERS CONNTROL
.png)
