Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/handle/123456789/31936
Title: Controle inteligente de oscilações stick-slip em colunas de perfuração de poços de petróleo utilizando aprendizagem de máquina
Authors: Medeiros, Philippe Eduardo de
Keywords: Coluna de perfuração;Oscilações stick-slip;Controle inteligente;Redes neurais artificiais;Aprendizagem por reforço
Issue Date: 8-Dec-2020
Publisher: Universidade Federal do Rio Grande do Norte
Citation: MEDEIROS, Philippe Eduardo de. Controle inteligente de oscilações stick-slip em colunas de perfuração de poços de petróleo utilizando aprendizagem de máquina. 2020. 151f. Tese (Doutorado em Engenharia Mecânica) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020.
Portuguese Abstract: As oscilações stick-slip representam uma das principais causas de problemas e da queda de desempenho do processo de perfuração de um poço de petróleo, além de limitar a vida útil e a produtividade da broca. Embora grandes melhorias tenham sido feitas para superar essa disfunção, o projeto de controladores para esse tipo de sistema é muito desafiador, principalmente em consequência da grande quantidade de incertezas envolvidas. Neste trabalho, um controlador inteligente inspirado numa estrutura biológica é proposto para atenuar as auto-oscilações torcionais em colunas de perfuração de poços de petróleo devido ao fenômeno stick-slip. A estrutura do controlador inteligente é baseada na combinação de uma técnica de controle não linear com inteligência computacional, o que permite ao sistema fazer previsões razoáveis sobre o comportamento dinâmico da planta, adaptar-se às mudanças que acontecem durante o seu funcionamento, aprender interagindo com o ambiente e ser robusto a incertezas estruturadas e não estruturadas. Essas características, que estão associadas com os atributos mais fundamentais da inteligência biológica, são levadas em consideração no projeto do controlador, o qual é baseado na técnica de controle por modos deslizantes juntamente com uma rede neural adaptativa. Um algoritmo de aprendizagem por reforço, baseado no limite de confiança superior (Upper Confidence Bound - UCB), é utilizado para fazer parte do treinamento da rede neural, que é concluído através da atualização online do seu vetor de pesos pela minimização de um sinal de erro composto. As propriedades de limite e convergência de todos os sinais de malha fechada são provadas por meio de uma análise de estabilidade de Lyapunov. Por último, simulações numéricas são apresentadas para validar a eficácia da abordagem proposta na estabilização de velocidade em colunas de perfuração e, consequentemente, na atenuação das oscilações torcionais provocadas pelo fenômeno stick-slip.
Abstract: Stick-slip oscillations represent one of the main causes of problems and the drop in performance of an oil well drilling process, in addition to limiting the life and productivity of the drill bit. Although major improvements have been made to overcome this dysfunction, the design of controllers for this type of system is very challenging, mainly due to the large amount of uncertainties involved. In this work, a biologically inspired framework of an intelligent controller is proposed to control torsional vibrations of drillstrings due to the stick-slip phenomenon. The structure of the intelligent controller is based on the combination of a nonlinear control technique with computational intelligence, which allows the system to make reasonable predictions about the dynamic behavior of the plant, adapt itself to the changes that happen during its operation, learn by interacting with the environment and be robust to both structured and unstructured uncertainties. These characteristics, which are associated with the most fundamental attributes of biological intelligence, are taken into account in the controller design, which is based on the sliding mode control technique together with an adaptive neural network. A reinforcement learning algorithm, based on the Upper Confidence Bound (UCB), is used to be part of the neural network training, which is completed by online updating its weight vector by minimizing a composite error signal. The boundedness and convergence properties of all closed-loop signals are proved using a Lyapunov-like stability analysis. Finally, numerical simulations are presented to validate the efficacy of the proposed approach in controlling the speed of drillstrings and consequently in attenuating the torsional vibrations induced by the stick-slip phenomenon.
URI: https://repositorio.ufrn.br/handle/123456789/31936
Appears in Collections:PPGEM - Doutorado em Engenharia Mecânica

Files in This Item:
File Description SizeFormat 
Controleinteligenteoscilacoes_Medeiros_2020.pdf21.97 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.