买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国地质大学(武汉)

摘要：本发明公开了一种基于机器学习的钻井液流变参数实时测量方法，采用图像识别和机器学习实时输出流动状态下钻井液的流变参数，具体包括建立钻井液图片数据库，配制体积相同但流变参数不同的钻井液，在同一设定转速下，分别采集不同流变参数的钻井液流动时自由液面的图片，然后对图片数据预处理，构建卷积神经网络模型并编译模型和训练模型，最后将实时获取的同转速流动状态下的钻井液图片导入已训练完成的模型中，模型输出钻井液的流变参数值。本发明无需使用任何机械化设备和传感器即可获得钻井液的流变参数，可实时测量，且测量频率达到秒级，进一步可无限复制到不同流体流变性测试应用场景，例如工程浆液、非开挖、隧道等工程中的浆液流变性测试，使用范围广。

主权项：1.一种基于机器学习的钻井液流变参数实时测量方法，其特征在于：采用图像采集和图像识别结合的方式实时输出流动状态下钻井液的流变参数；所述图像采集和图像识别结合包括：步骤一，建立钻井液图片数据库，配制体积相同但流变参数不同的钻井液，在同一设定转速下，分别采集不同流变参数的钻井液流动时自由液面的图片，且同一流变参数下采集多张图片，然后测量钻井液的流变参数，建立流变参数与钻井液图片一一对应的数据集；步骤二，数据预处理，加载和格式化步骤一中获得数据集中的图片，调整图片大小，将图片解码为张量，采用标签的形式对数据集中的每张图片进行标记，建立（图片，标签）形式的数据集，并将数据集拆分为训练集和测试集，其中标签为该图片对应的流变参数；步骤三，构建模型，采用卷积神经网络模型，模型的输出为钻井液的流变参数；步骤四，编译模型和训练模型，其中，编译模型包括设置优化器、损失函数和评估指标，训练模型包括评估模型在训练集和测试集上准确率的差异，从而调整模型；步骤五，钻井液流变参数测试，将实时获取的与步骤一中转速相同的流动状态下的钻井液图片导入步骤四中已训练合格的模型中，模型输出钻井液的流变参数值；所述流变参数包括表观粘度、塑性粘度、动切力、静切力和触变性；所述步骤一中测量钻井液的流变参数时，使用六速旋转粘度仪读取钻井液在φ600、φ300、φ200、φ100、φ6和φ3转速下的读数并计算钻井液的流变参数；所述步骤一中，采集不同流变参数的钻井液流动图片时，针对同一流变参数的钻井液，从钻井液自由液面上方不同角度采集图片；所述步骤二中，将图片调整为28×28像素大小的灰度图片；所述步骤三中，卷积神经网络模型中包含至少2个卷积层和1个池化层，2个所述卷积层中，卷积核的大小均为3×3，卷积核的数量分别为32个和64个；所述步骤四中，评估指标为准确率，所述准确率为正确分类图像的百分比；所述步骤五中，待测量钻井液置于容器中并以稳定的转速持续搅拌，通过设置在钻井液搅拌容器处的图像采集设备实时获取流动状态下的钻井液自由液面图片。

全文数据：

权利要求：

百度查询： 中国地质大学(武汉) 一种基于机器学习的钻井液流变参数实时测量方法