连续油管注入头V形夹持块的角度优化

2014-04-06陈迎春张仕民赵丽爽王文明杨德福串俊刚

石油矿场机械 2014年4期

陈迎春，张仕民，赵丽爽，王文明，杨德福，串俊刚

（1.中国石油大学（北京）机械与储运工程学院，北京102249；2.河北石油职业技术学院，河北廊坊065000；3.宝鸡石油机械有限责任公司，陕西宝鸡721002）①

连续油管技术已经广泛使用于油气开发作业的各个方面，而连续油管注入头作为连续油管装备的核心部件，其性能将会直接决定连续油管作业的成功与否［1－2］。连续油管注入头上部的V形夹持块对于连续油管作业起着至关重要的作用，合理的夹持块可以提供足够的连续油管注入力或上提力并且不破坏连续油管。文中主要通过数值模拟、室内试验、数学优化相结合，对注入头V形角的最优角进行了研究。

1 总体结构

注入头主要由外部机架、内部夹持注入系统和底部支撑测试部分组成，由于实际注入头的结构比较复杂［3］，为了便于分析，将其结构进行一定简化，如图1所示。在进行连续油管下入作业时，首先打开液压张紧装置，使张紧活塞在液压油的作用下完成对动力链条的张紧作业；然后打开液压夹紧装置，使夹紧活塞收缩，实现对连续油管的夹紧作业；最后打开液压马达，使主动链轮轴在液压马达的作用下转动，从而带动动力链条进行连续油管的下入作业。上提连续油管的操作过程基本与下入过程相同，主要区别是夹持块带动连续油管向上运动，即夹持块与连续油管之间的摩擦力方向不同。

其中，夹持块与动力链条的配合方式如图2所示。将长销轴穿过夹持块与动力链条，使之连为一体；销轴上装有挡圈以固定夹持块的位置；注入头工作过程中，夹持块与连续油管之间是静摩擦，夹持块会随着连续油管一起运动。

2 不同V形角下连续油管受力研究

由注入头对连续油管的夹持机理可知，影响连续油管的夹持效果的因素主要是夹持块的形状。选取其中任意一块夹持块进行分析，夹持块与连续油管之间的夹持力学模型如图3所示。

图3中：σy为液压夹紧活塞杆收缩时作用在V形块外壁上的接触应力，Pa；N为在σy的作用下，夹持块对连续油管外管管壁的压力，N。Ff为夹持块与连续油管外壁之间的摩擦力，N；F为连续油管所受的轴向力，N；S为夹持块受压部分的面积，S＝0.051m2；θ为 V 形夹持块的 V 形角度，（°）。

由文献［4］，连续油管在下入时受力为：

式中：D为连续油管外径，取38.1mm；d为连续油管内径，取32.9mm；L为连续油管下入深度，m；ρg为连续油管密度，7 850kg／m3；ρy为井液密度；g 为重力加速度；p为油井压力，MPa。

为简化计算，以该注入头进行室内模拟试验为例进行分析，则：ρy＝0，p＝0。即在不考虑摩擦的前提下，该注入头需克服的最大轴向力为：

由于，

因此，当取下入深度为200m，则F＝4 460N，可以由式（4）求解不同θ时夹持块的接触应力σy。

2.1 数值模拟

采用Abaqus进行注入头V形夹持块与连续油管之间的受力分析。设置V形夹持块与连续油管之间的相对位置，并根据夹持块工作时的实际情况，将夹持块的y、z线自由度和3个转动自由度都固定，只保留x方向的线自由度，使夹持块可以完成对连续油管的压紧作业，如图4a所示。在夹持块两端面上施加接触应力σy，从而使夹持块在σy的作用下沿z方向运动，最终压紧连续油管，同时，由于σy值较大，因此忽略注入头与连续油管的重力，如图4b所示；最后对模型划分网格后进行计算，如图4c所示；由于该模型的是对称的，因此取连续油管中间圆作为参考圆，以分析其被压紧时的应力和应变，如图4d所示。

不同V形角度时，连续油管所受的最大应力如表1所示。

2.2 室内试验

由于实际工况可能比理论模型更加复杂，因此搭建了如图5所示的试验台以验证数值计算的结果是否正确。该试验台主要由液压回路、施压模块、控制系统、测试系统组成。控制柜与计算机连接，可以控制液压系统的启停，还可以传递试验数据；在液压回路的作用下，施压板向下运动压紧试验件，通过调整液压回路可以改变对试验件的压力；位移传感器用于检测施压板的下移位移；应变测试系统用来测量管柱的变形和受力。

分析可知，由于具体进行试验时很难避免有其它作用力的存在，导致受力会和理想状态不一样，但是数值模拟的结果与试验结果基本一致，因此可以认为模拟结果是准确的。

3 基于BP神经网络的V形块角度优选

由于模拟的结果是离散的，因此采用BP神经网络将其连续化，以确定最优角。BP神经网络的整个体系结构如图6所示，它可以分为输入层、隐藏层和输出层，其中隐藏层根据具体情况的需要，可以是一层结构，也可为多层结构［5］。

将V形块的角度作为神经网络的输入，所以神经网络的输入层神经元个数等为1，将连续油管的最大应力作为神经网络的输出，则神经网络的输出层神经元个数为1。隐含层数越多，神经网络学习速度就越慢，根据Kosmogorov定理，在合理的结构和恰当的权值条件下，2层BP网络可以逼近任意的连续函数，因此，选取结构相对简单的2层BP网络。一般情况下，隐含层神经元个数是根据网络收敛性能的好坏来确定的，由已有的经验公式：s＝sqr（0.43nm＋0.12m ＋2.54n＋0.77m＋0.35＋0.51）。其中n为输入层神经元个数，m为输出层神经元个数，根据以上公式，可以得出隐含层神经元个数为5。建立一个前向BP神经网络函数net＝newff（x，y，［5，1］，｛’tansig’’purelin’｝，’traincgb’）；［5，1］为该神经网络的层结构。｛’tansig’’purelin’｝为神经网络的各层的转移函数，前者为sigmoid函数，后者为线性传递函数。训练函数采用traincgb，即采用Powel1－Beale共轭梯度法训练。由于上文已经计算了9组在不同角度V块下的连续油管受力情况，因此将其作为训练样本，训练样本集合如下：x＝［58 59 59.5 60 60.5 61 62 64 70］；与训练样本集合相对应的目标值集合如下：y＝［20.73 20.52 20.39 20.31 20.36 20.41 20.61 21.94 23.19］。本文神经网络训练误差性能目标值设置为0.1，当神经网络训练次数达到最大值1 000或者神经网络的误差平方降到0.1以下，终止训练。结果如图7所示。

由此可知，连续油管V形夹持块的最优角度为60°，此时连续油管的最大应力为σ＝20.4MPa。