摘要
钻进轨迹多目标优化是实现定向井高效、安全钻进的关键之一。随着优化算法性能的不断改进，求解轨迹优化问题能够得到具有更小轨迹长度、复杂度和中靶误差的轨迹设计方案，然而算法的实用性尚未得到验证。本文利用结合自适应罚函数的多目标分解进化算法、基于最小模糊熵的综合评价方法，解决三维侧钻井轨迹优化问题。将所提出的优化与决策方法在钻进过程智能控制实验系统中进行应用，验证了所提方法的实用性，能够为工程实际中的轨迹设计提供借鉴和指导，并为后续轨迹跟踪控制提供参考。
在定向钻进过程中，井下工具根据事先设定的轨迹穿过地层，到达指定的靶区。利用定向井，可以不受地面环境限制进行资源勘探，例如，地面是森林、城镇、湖泊等不便于直接垂直钻进的条件。定向井能够绕过复杂地层或地面障碍进行油气、矿产的勘探和开采或是增加采油
为了减少钻进工程的时间和成本，已有研究针对最小化轨迹长度为优化目标进行轨迹优化，利用无约束极小化方
轨迹长度很大程度上影响钻进成本，它由造斜点位置、井眼曲率以及井斜角和方位角变化率等参数决定，这些参数也会影响井身结构的复杂程度。复杂的井身结构所带来的影响能够通过轨迹优化设计解
上述研究利用多目标优化算法求解轨迹优化问题，提升了算法性能和轨迹设计方案质量。然而，轨迹优化方法在钻进现场的实用性尚未得到讨论。本文针对侧钻、纠偏轨迹设计的需求，建立三目标多约束的轨迹优化问题，提出结合自适应罚函数的分解多目标进化算法和基于最小模糊熵的综合评价方法。基于钻进过程智能控制实验系统，对所提出的轨迹优化与决策方法的实用性进行验证。
在定向钻进过程中，钻机的绞车转盘系统通过下放钻杆来调整钻压，从而控制井底钻头与岩石的接触压力进行破岩钻进，沿设定的钻进轨迹到达目标点。同时，钻井液在井壁与钻杆之间的环空中循环，用于降低井底温度、带走井底岩屑、平衡井底压力、维持井壁稳定。在利用螺杆马达进行钻进时，钻井液还起到带动螺杆钻具旋转钻进的作用。
定向钻进的井下工具根据事先设定的轨迹穿过地层，到达指定靶区。靶区可以是以靶点为圆心、具有一定半径的圆形，也可以是以靶点为中心的矩形。利用定向井可以不受地面环境限制，或是绕过复杂地层和地面障碍进行油气、矿产的勘探和开采，还可用于处理复杂井下事故，例如打捞钻具或侧钻继续完井等。
目前，在定向钻进中使用较为广泛的造斜方式是通过调节螺杆马达的工具面角改变造斜率。要实现增斜、降斜或扭方位的目的，一般采用滑动钻进：锁定转盘使钻柱、井底钻具均不旋转，通过加压使钻杆滑动给进钻头。在稳斜钻进时，则采用复合钻进与滑动钻进相结合的模式。在重力作用下，倾斜的井眼中钻柱的下部与井壁下侧之间产生摩擦阻力，它会使钻柱往一侧靠近，产生方位漂移；如果钻进轨迹不够平滑，摩擦阻力使得钻压难以加到井底，导致产生滑动钻进困难的问题。这些问题都会严重影响钻进效率和安全性。
当钻进轨迹偏离设计轨迹太远时，需要进行纠偏轨迹设计；钻遇事故层、障碍物时，需要进行绕障轨迹设
以如
图1 二段式三维侧钻井示意
Fig.1 Trajectory of a 3D sidetracking well with two segments
相对从地面到目标靶区的钻进轨迹整体，纠偏、侧钻轨迹的长度更短。为了在较短的钻进轨迹长度内达到指定的井斜角和方位角变化，纠偏轨迹和侧钻轨迹存在弯曲和扭转较大的情况，产生下钻困难、钻压难以传递到井底等问题。因此，本文以最小化轨迹长度、井身轮廓能量和中靶误差为优化目标，建立轨迹优化问题，针对这个轨迹优化问题研究优化与决策方法及其应用。
为了有针对性地研究优化与决策方法，首先需要分析轨迹优化问题的数学模型。
以最小化轨迹长度为优化目标，能够有效减少钻进工程的时间成本，提高效率。以最小化轨迹轮廓能量为优化目标，能够降低钻进轨迹结构的复杂度。由于三维钻进轨迹具有弯曲和扭转，较为复杂的轨迹可能导致滑动钻进困难，而在要求轨迹长度较小的情况下，井斜角、方位角的变化率较大。因此，最小化轨迹长度和最小化轨迹轮廓能量有一定的矛盾性，这是一个多目标优化问题。在约束条件方面，轨迹终点与靶点的距离应该在一定范围内，可以利用不等式进行约束。
基于上述分析，这个二段式三维侧钻井轨迹优化问题可以用
| (1) |
式中：f1（x）、f2（x）、f3（x）——优化目标；L——轨迹长度；Qw——井身轮廓能量；TE——中靶误差；x——决策变量；xlb——决策变量的下边界；xub——决策变量的上边界；g1（x）、g2（x）、h1（x）——轨迹终点的位置约束；NB、EB、DB——分别为轨迹终点的北坐标、东坐标和垂深；NT、ET、DT——目标靶点的北坐标、东坐标和垂深；Hmax、Dmax——分别为靶窗的最大宽度和高度；tN、tE、tD——靶窗平面的法向量；、——各井段的井斜角变化率；、——各井段方位角变化率。
轨迹长度L是各井段长度之和：
| (2) |
LOA和LAB可以由x和井段的井斜角、方位角变化求得。
井身轮廓能量Qw是轨迹的曲率平方与挠率平方之和在轨迹长度上的积分，用于评价钻进轨迹结构的复杂度：
| (3) |
式中：θ——轨迹挠率，反映了井段偏离平面曲线的程度；——曲率，反映井段的弯曲程度，可以利用井段的井斜角变化率、方位角变化率求得。
中靶误差TE定义为轨迹终点与靶窗中心点的距离与靶窗半对角线长度之比：
| (4) |
要计算违约值g1（x）、g2（x）、h1（x），就需要计算轨迹上点的坐标。设造斜段轨迹起点为A，待求的轨迹末端点为B，根据最小曲率法，AB之间的钻进轨迹为曲率最小的空间斜面圆弧。利用A点的空间坐标、井斜角、方位角、工具面角以及AB之间的曲率，可以得到B点的坐标：
| (5) |
式中：NA、EA、DA——分别是A点的北坐标、东坐标和垂深坐标；NB、EB、DB——分别是B点的北坐标、东坐标和垂深坐标；αA——A点的井斜角；φA——A点的方位角；ωA——A点处的工具面角；τAB——圆弧状轨迹AB的曲率；εAB——AB之间的弯曲角，εAB=lAB·τAB；lAB——AB之间的轨迹长度。
利用给定的B点入靶方向也就是井斜角αB和方位角φB，可以求得εAB：
| (6) |
从而得到τAB=εAB/lAB。
上述轨迹优化问题的数学模型具有3个优化目标，其中轨迹长度和井身轮廓能量不能同时达到最优，不等式约束和等式约束均具有非线性。一方面，需要有效的寻优机制使种群收敛到未知的帕累托前沿面，另一方面需要有效的约束处理方法使种群尽快收敛到可行域。针对轨迹优化问题的这些特点，我们提出了结合自适应罚函数法的分解进化多目标算法；为了在多目标优化之后从解集中选择一个满意的轨迹设计方案，提出基于模糊综合评价的决策方
输入：种群大小N，最大迭代次数G，权重向量W，轨迹优化问题，决策参数的上限、下限；
输出：最终轨迹设计方案的决策变量取值。
（1）初始化种群：根据井段长度、曲率、工具面角的限制范围生成N组决策参数X，计算轨迹长度、井身轮廓能量、中靶误差、违约值；
（2）利用切比雪夫方法将种群分解为N个子问题；
（3）生成子代，计算当前种群中的可行解比例r；
（4）根据r计算所有个体的适应度值F；
（5）对于子问题邻域中的所有个体，根据F进行更新；
（6）若迭代次数达到G，继续；否则，回到步骤3；
（7）利用最小模糊熵方法建立隶属函数；
（8）计算解集中所有轨迹设计方案在模糊集轨迹长度“较短/中等/较长”、井轮廓能量“低/中等/高”、中靶误差“小/中等/大”中的隶属度；
（9）根据隶属度，计算所有解的模糊评价矩阵Ri；
（10）计算所有的综合评价值Yi=WRi。
根据Y对所有x排序，输出Y最大的解作为最终的轨迹设计方案。
其中种群大小N、迭代次数G、权重向量W都可以根据具体问题的特点进行调整。利用公式（
上述算法可以用Matlab软件实现，利用轨迹优化与决策方法，可以使种群穿过不可行域，收敛到未知的帕累托前沿，得到多目标轨迹优化问题的解集，然后从中选择出满意度最高的解作为轨迹设计方案，解决三维侧钻井轨迹多目标优化问题，从而进行工程实践。
为了验证上一节所提出的轨迹优化与决策方法的有效性，首先进行仿真，然后基于钻进过程智能控制实验系统进行实验。
本文以一个三维侧钻井轨迹为例，设置N=500，G=200，分别设置W=［1，1，1］代表3个优化目标同样重要的情况、W=［8，1，1］代表最小化轨迹长度最重要的情况、W=［1，8，1］代表最小化井轮廓能量最重要的情况、W=［1，1，8］代表最小化中靶误差最重要的情况；侧钻起点井斜角75°，方位角310°，坐标（0，200，500）；目标点井斜角90°，方位角345°，坐标（180，750，530）。用本文中的算法，在Matlab软件中进行求解。
用HV（hypervolume）指标评价得到的多目标解集，HV=1.13×1
在进行决策之后得到轨迹方案的决策参数、优化目标函数值和在轨迹优化方案“较好”的隶属度（见
图2 侧钻井轨迹仿真示意
Fig.2 Sidetracking well trajectory simulation result
仿真结果表明，结合自适应罚函数的分解多目标进化算法能够有效求解限制入靶方向的三维侧钻井轨迹优化问题，基于模糊综合评价的决策方法能够从多目标优化得到的解集中选择出最具有满意度的轨迹设计方案。为了验证所提轨迹优化与决策方法在实际应用中具有实用性，利用钻进过程智能控制实验系统，进行轨迹优化实验。
钻进过程智能控制实验系统具有微型钻机、钻井液系统、轨迹系统、三轴转台等几个部分（
图3 钻进过程智能控制实验系统
Fig.3 Drilling process intelligent control experimental system
钻进轨迹优化实验系统功能结构如
图4 钻进轨迹优化实验系统功能结构
Fig.4 Functional structure of the drilling trajectory optimization experimental system
轨迹优化程序能够实现的功能主要有以下几点：
（1）获取待设计轨迹的起点和目标点信息，并反映在人机交互界面中；
（2）以最小化轨迹长度、轨迹复杂度为目标，在决策变量范围约束、造斜点约束、轨迹终点约束以及其它特定的钻进工程约束下，优化当前测点与目标靶点之间的轨迹；
（3）以表格、垂直剖面图和水平投影图的形式，在人机交互界面中显示优化后的轨迹设计方案；
（4） 将轨迹设计方案换算成轨迹系统各节点的水平、托举方向的移动距离，下发到微型钻机的轨迹系统中进行演示。
在钻进轨迹优化界面（
图5 钻进轨迹优化界面
Fig.5 Interface of drilling trajectory optimization
在点击开始优化后，输出的轨迹优化方案显示在界面上的表格中：轨迹上12个点处坐标、井长、造斜率、工具面角，用户可以拖动表格下方的滚动条查看不同参数。动态表格不仅可以显示当前出发点与目标点之间的钻进轨迹设计方案，还可以通过调用归档数据查看历史轨迹设计方案。在界面右侧，根据轨迹方案中轨迹上点的坐标，绘制垂直剖面图和水平投影图。
对比第一节中的
将得到的轨迹设计方案中2个井段的起点、中点和终点的井斜角、方位角保持不变，将其坐标点按比例缩放，换算成轨迹系统的运动坐标。轨迹系统的5个滑块坐标分别为（0，0，0）、（0，0，0）、（52，60，17）、（81，120，26）、（100，180，30），单位为cm。将坐标点下发，轨迹系统对轨迹设计方案进行演示（
图6 轨迹设计方案演示结果
Fig.6 Result of trajectory design demonstration
根据以上轨迹优化实验的结果分析，结合自适应罚函数的分解多目标进化算法和基于模糊综合评价的决策方法能够在工控机上正常运行，得到的轨迹优化方案与计算机仿真结果一致；实验室轨迹系统演示结果与计算机仿真结果一致。通过轨迹优化实验，能够验证轨迹优化模型、轨迹优化与决策算法在工控机上的实用性。利用轨迹优化程序所产生的轨迹优化方案、轨迹示意图，对于钻进工程中限定起点、终点位置和钻进方向的侧钻、绕障、纠偏轨迹设计具有指导意义。轨迹系统演示的钻进轨迹一方面能够直观展示轨迹的空间形态，另一方面能够为钻进过程智能控制实验系统中的轨迹跟踪控制实验打好基础。
本文针对侧钻井轨迹、纠偏轨迹等限制轨迹终点钻进方向的轨迹优化问题，以最小化轨迹长度、井轮廓能量和中靶误差为目标，以靶窗平面为约束，建立钻进轨迹优化模型。针对三目标多约束的轨迹优化问题，提出结合自适应罚函数的分解多目标进化算法；为了从得到的解集中选择一个最终轨迹设计方案，提出了基于最小模糊熵的综合评价方法。利用钻进过程智能控制实验系统验证了上述轨迹优化与决策方法的实用性，为工程实际中的轨迹设计提供借鉴和指导，为后续轨迹跟踪控制提供有效参考。
在今后的研究中，有待考虑基于更为先进的随钻测量工具，研究相适应的在线轨迹优化方
参考文献（References）
贾雍,和鹏飞,袁则名,等.海上某气田悬空侧钻水平分支井技术及应用[J].钻探工程,2021,48(4):104-109. [百度学术]
JIA Yong, HE Pengfei, YUAN Zeming, et al. Application of horizontal branch wells in an offshore gas field[J]. Drilling Engineering, 2021,48(4):104-109. [百度学术]
张焱，李骥，刘坤芳，等.定向井井眼轨迹最优化设计方法研究 ［J］.天然气工业，2000，20（1）：57-60. [百度学术]
ZHANG Yan， LI Ji， LIU Kunfang， et al. A study of optimized method for designing directional well trajectory［J］. Natural Gas Industry， 2000，20（1）：57-60. [百度学术]
刘绘新，孟英峰.定向井最优井身轨迹研究［J］.天然气工业， 2004，24（2）：64-67. [百度学术]
LIU Huixin， MENG Yingfeng. Study on optimal hole trajectory of directional drilling［J］. Natural Gas Industry， 2004，24（2）：64-67. [百度学术]
鲁港，佟长海，邢玉德.基于约束优化方法的三维多靶井眼轨迹设计模型［J］.石油学报，2005，26（6）：93-95. [百度学术]
LU Gang， TONG Changhai， XING Yude. A model for design of three‑dimensional multi‑target wellbore trajectory based on restricted optimization［J］. Acta Petrolei Sinica， 2005，26（6）：93-95. [百度学术]
王志月，高德利，秦星.丛式井侧钻绕障水平井优化设计方法 ［J］.西安石油大学学报（自然科学版），2017，32（4）：55-60. [百度学术]
WANG Zhiyue， GAO Deli， QIN Xing. Optimum design method for sidetracking horizontal well bypassing obstacle in cluster well［J］. Journal of Xi’an Shiyou University （Natural Science Edition）， 2017，32（4）：55-60. [百度学术]
Hosseini S， Ghanbarzadeh A， Hashemi A. Optimization of dogleg severity in directional drilling oil wells using particle swarm algorithm［J］. Journal of Chemical and Petroleum Engineering， 2014，48（2）：139-151. [百度学术]
Shokir E M， Emera M K， Wally A W. A new optimization model for 3D well design［J］. Oil & Gas Science and Technology‑Rev. IFP， 2004，59（3）：255-266. [百度学术]
Sha L， Pan Z. FSQGA based 3D complexity wellbore trajectory optimization［J］. Oil & Gas Science and Technology‑Rev. IFP Energies Nouvelles， 2018，73：79. [百度学术]
李成媛.蚁群算法在井眼轨迹规划中的应用研究［D］.西安：西安石油大学，2019. [百度学术]
LI Chengyuan. Research and application of ant colony optimization in well trajectory planning［D］. Xi’an： Xi’an Shiyou University， 2019. [百度学术]
IIyasov R R， Svechnikov L A， Karimov M R， et al. Automation of optimal well trajectory calculations［C］//SPE Russian Oil and Gas Exploration and Production Techinical Conference and Exhibition. Moscow， Russia， 2014. [百度学术]
Atashnezhad A， Wood D A， Fereidounpour A， et al. Designing and optimizing deviated wellbore trajectories using novel particle swarm algorithms［J］. Journal of Natural Gas Science and Engineering， 2014，21：1184-1204. [百度学术]
沙林秀，潘仲奇.基于NPSO的三维复杂井眼轨迹控制转矩的优选［J］.石油机械，2017，45（10）：5-10. [百度学术]
SHA Linxiu， PAN Zhongqi. The complex wellbore trajectory control torque optimization based on NPSO algorithm［J］. China Petroleum Machinery， 2017，45（10）：5-10. [百度学术]
涂运中,陈剑垚,刘春生,等.“慧磁”定向钻井中靶系统超高精度中靶技术研究[J].探矿工程（岩土钻掘工程）,2020,47(10):1-6,12. [百度学术]
TU Yunzhong, CHEN Jianyao, LIU Chunsheng, et al. Study on ultra‑high precision target‑hitting technology of SmartMag system[J]. Exploration Engineering （Rock & Soil Drilling and Tunneing）， 2020,47(10):1-6,12. [百度学术]
Huang W， Wu M， Cheng J， et al. Multi‑objective drilling trajectory optimization based on NSGA-II［C］//Proceedings of the 11th Asian Control Conference，2017：1234-1239. [百度学术]
Mansouri V， Khosravanian R， Wood D A， et al. 3-D well path design using a multi objective genetic algorithm［J］. Journal of Natural Gas Science and Engineering， 2015，27（1）： 219-235. [百度学术]
李文燕.复杂井眼轨迹的多目标优化技术研究［D］.西安：西安石油大学，2019. [百度学术]
LI Wenyan. Research on multi‑objective optimization technology for complex well trajectory［D］. Xi’an： Xi’an Shiyou University， 2019. [百度学术]
Zheng J， Lu C， Gao L. Multi‑objective cellular particle swarm optimization for wellbore trajectory design［J］. Applied Soft Computing， 2019，77：106-117. [百度学术]
Biswas K， Joy J S， Vasant P. Multi‑objective spotted hyena optimizer for 3D well path optimization［J］. Solid State Technology， 2020，63：4011-4016. [百度学术]
Biswas K， Vasant P M， Vintaned J A G， et al. Cellular automata‑based multi‑objective hybrid grey wolf optimization and particle swarm optimization algorithm for wellbore trajectory optimization［J］. Journal of Natural Gas Science and Engineering， 2021，85：103695. [百度学术]
李奇龙，张承飞，宋继伟，等.套管开窗侧钻技术在贵州地热钻井中的应用［J］.探矿工程（岩土钻掘工程），2018，45（7）：6-9. [百度学术]
LI Qilong， ZHANG Chengfei， SONG Jiwei， et al. Application of sidetracking in casing in guizhou geothermal drilling［J］. Exploration Engineering （Rock & Soil drilling and Tunneing）， 2018，45（7）：6-9. [百度学术]
张文英，张廷茂，吴德军，等.侧钻技术在钻孔事故处理中的应用［J］.探矿工程（岩土钻掘工程），2011，38（6）：10-12. [百度学术]
ZHANG Wenying， ZHANG Tingmao， WU Dejun， et al. Application of sidetrack drilling technology in borehole accident ［J］. Exploration Engineering （Rock & Soil drilling and Tunneing）， 2011，38（6）：10-12. [百度学术]
Huang W， Wu M， Chen L， et al. Multi‑objective drilling trajectory optimization using decomposition method with minimum fuzzy entropy‑based comprehensive evaluation［J］. Applied Soft Computing， 2021，107：107392. [百度学术]
汤凤林,赵荣欣,周欣,等.受控定向孔钻进用自动导航系统的分析研究[J].钻探工程,2022,49(2):67-76. [百度学术]
TANG Fenglin, ZHAO Rongxin, ZHOU Xin, et al. An automatic navigation system used for controlled directional drilling[J]. Drilling Engineering, 2022,49(2):67-76. [百度学术]
范海鹏,吴敏,曹卫华,等.基于钻进状态监测的智能工况识别[J].探矿工程（岩土钻掘工程）,2020,47(4):106-113. [百度学术]
FAN Haipeng, WU Min, CAO Weihua, et al. Intelligent drilling mode identification based on drilling state monitoring while drilling[J]. Exploration Engineering （Rock & Soil Drilling and Tunneing）， 2020,47(4):106-113. [百度学术]
张正,赖旭芝,陆承达,等.基于贝叶斯网络的钻进过程井漏井涌事故预警[J].探矿工程（岩土钻掘工程）,2020,47(4):114-121，144. [百度学术]
ZHANG Zheng, LAI Xuzhi, LU Chengda, et al. Lost circulation and kick accidents warning based on Bayesian network for the drilling process[J]. Exploration Engineering （Rock & Soil Drilling and Tunneing）， 2020,47(4):114-121，144. [百度学术]
