PDC钻头损伤失效的智能识别方法

doi:10.12388/j.issn.1673-2677.2025.02.005

新疆石油天然气 ›› 2025, Vol. 21 ›› Issue (2): 45-.DOI: 10.12388/j.issn.1673-2677.2025.02.005

PDC钻头损伤失效的智能识别方法

1.中国石油大学（北京）石油工程学院，北京昌平 102249；

2.中国石油化工股份有限公司胜利油田分公司，山东东营 257001

出版日期:2025-06-30 发布日期:2025-06-30
通讯作者: 高德利（1958-），1990年毕业于石油大学（北京）油气田开发工程专业，博士，中国科学院院士，长期从事油气井工程领域的教学和科研工作。（E-mail）gaodeli@cup.edu.cn
作者简介:刘维（1986-），2014年毕业于美国南卫理公会大学机械工程专业，博士，教授，主要从事油气井工程领域的教学和科研工作。（E-mail）wei.liu@cup.edu.cn
基金资助:
1.国家自然科学基金重点项目“复杂结构‘井工厂’立体设计建设基础研究”（52234002）；

2.重大项目“深海多金属结核高效采输系统设计基础理论研究”（52394250）；

3.北京市自然科学基金面上项目“超高钻压下PDC钻头齿在干热岩地层长寿命高效破岩机理研究”（2232060）；

4.横向项目“胜利工区太古界片麻岩高效破岩技术研究及应用”（HX20230050）

Intelligent Recognition Method for PDC Bit Damage

1.College of Petroleum Engineering，China University of Petroleum (Beijing)，Changping 102249，Beijing，China；

2. Sinopec Shengli Oilfield Company，Dongying 257001，Shandong，China

Online:2025-06-30 Published:2025-06-30

摘要/Abstract

摘要：

准确判断PDC齿与PDC钻头的损伤失效形式及其原因是下趟钻工具选型和钻头迭代优化的关键一环。为了提高钻头损伤识别的准确性和客观性，特对数百只PDC出井钻头开展了失效分析，归纳总结了PDC齿（包括各类异形齿）的主要损伤失效形式及其原因，进而构建了包含上万张PDC齿损伤形貌的图像数据集，然后基于YOLOv7图像识别算法建立PDC齿损伤失效智能识别模型,该模型可以对PDC齿图片进行有效的损伤类别推理，并自动标注出对应的损伤失效形式。利用多种模型评价指标对该模型进行性能评估测试，结果显示模型识别准确率超过80%。在此基础上，结合PDC钻头设计理论、钻头损伤失效机理等相关知识，利用因果推理等统计学方法，形成一种新型的PDC钻头损伤失效智能识别方法，该方法仅通过钻头出井照片即可实现对钻头冠部不同区域PDC齿损伤失效形式的自动评估，并以此判断PDC钻头的主要失效原因。该研究成果对钻头损伤智能识别和智能钻井技术创新具有参考意义。

关键词:

"> 钻头, 损伤失效, 智能识别, 机器学习, 钻头选型

Abstract:

Accurately identifying the damage failure modes and causes of PDC cutters and PDC drill bits is a key step in the drilling tool selection and the drill bit iterative optimization. To improve the accuracy and objectivity of drill bit damage identification，failure analysis was conducted on hundreds of PDC bits tripped out of wells，and the main damage failure modes and causes of PDC cutters (including various shaped cutters) were summarized，leading to a dataset containing over ten thousand images of PDC cutter damage morphologies. Then，based on the convolutional neural network-based YOLOv7 image recognition algorithm，an intelligent recognition model for PDC cutter damage failure was established. This model can effectively infer damage types from PDC cutter images and automatically annotate the images with corresponding damage failure modes. The model was evaluated using multiple performance metrics，showing an identification accuracy of over 80%. Furthermore，this model was combined with the PDC drill bit design theory and damage failure mechanisms to develop a new intelligent recognition method for PDC drill bit damage failure，using statistical methods like causal inference. This method can automatically evaluate the damage failure modes of PDC cutters in different regions of the bit crown using only photos of bits tripped out of wells and determine the primary cause of PDC drill bit failure. The research findings provide references for intelligent drill bit damage identification and innovation in intelligent drilling technology.

Key words:

"> drill bit, damage and failure, intelligent recognition, machine learning, bit selection

中图分类号:

TE921.1 ','1');return false;" target="_blank">
TE921.1

刘维 , 谢风猛 , 李建超 , 刘希峰 , 胡斌 , 章宇 , 高德利.

PDC钻头损伤失效的智能识别方法

[J]. 新疆石油天然气, 2025, 21(2): 45-.

LIU Wei , XIE Fengmeng , LI Jianchao , LIU Xifeng , HU Bin , ZHANG Yu , GAO Deli.

Intelligent Recognition Method for PDC Bit Damage

[J]. Xinjiang Oil & Gas, 2025, 21(2): 45-.

参考文献

［1］WINTERS W J，DOIRON H H. The 1987 IADC fixed cutter bit classification system［C］. SPE/IADC Drilling Conference，New Orleans，Louisiana，1987：SPE-16142-MS.

［2］ALAM M，CASE S，HUSSAIN J. Updating the dull grading system［C］. IADC/SPE International Drilling Conference and Exhibition，Galveston，Texas，USA，2022：SPE-208740-MS.

［3］SUKERI M，ISMADI M Z P，OTHMAN A R，et al. Wear detection of drill bit by image-based technique［C］. IOP Conference Series：Materials Science and Engineering. IOP Publishing，2018，328（1）：012011.

［4］YANG D H，SONG X Z，WANG Z，et al. PDC bit wear detection based on YOLO V5 and openCV［C］. The 56th U.S.Rock Mechanics/Geomechanics Symposium，Santa Fe，New Mexico，USA，2022：ARMA-2022-0351.

［5］GJERTSEN O，MUSHINSKI R，WOLFRAM P，et al.IADC dull code upgrade：photometric classification and quantification of the new dull codes［C］. SPE/IADC International Drilling Conference and Exhibition，Stavanger，Norway，2023：SPE-212533-MS.

［6］ALI A，SINGH H，KELLY D，et al. Automatic classification of PDC cutter damage using a single deep learning neural network model［C］. SPE/IADC International Drilling Conference and Exhibition，Stavanger，Norway，2023：SPE-212503-MS.

［7］ASHOK P，VASHISHT P，KONG H，et al. Drill bit damage assessment using image analysis and deep learning as an alternative to traditional IADC dull grading［C］. SPE Annual Technical Conference and Exhibition，Virtual，2020：SPE-201664-MS.

［8］CHU J，ASHOK P，WITT-DOERRING Y，et al. Drill bit failure forensics using 2D bit images captured at the rig site［J］. SPE. 2022，27（6）：3351-3362.

［9］CHU J，ASHOK P，CHEN D M，et al. Automatic drill bit dull grading report generation to address the revised IADC dull grading schema［C］.SPE/IADC International Drilling Conference and Exhibition，Stavanger，Norway，2023：SPE-212458-MS.

［10］LI Y，HAN B，LI M Y，et al. Forensic analysis of PDC bits at the Sinopec Shengli Oilfield［C］. Journal of Physics：Conference Series，2023 10th International Conference on Advanced Manufacturing Technology and Materials Engineering （AMTME） Zhuhai，China，2023：2566. 012084.

［11］杨迎新，谢松，蔡灿，等. PDC磨损齿切削破岩过程的实验研究［J］. 西南石油大学学报：自然科学版，2023，45（1）：180-188.YANG Yingxin，XIE Song，CAI Can，et al. A study on the mechanism and heat generation law of PDC wear tooth cutting［J］. Journal of Southwest Petroleum University （Natural Science Edition），2023，45（1）：180-188.

［12］刘鸿瑜，袁国武. 基于改进YOLOv5s的烟支外观缺陷检测方法［J］.计算机技术与发展，2022，32（8）：161-167.LIU Hongyu，YUAN Guowu. Detection of cigarette appearance defects based on improved YOLOv5s［J］. Computer Technology and Development，2022，32（8）：161-167.

［13］WANG C，BOCHKOVSKIY A，LIAO H M. YOLOv7：trainable bag-of-freebies sets new state-of-the-art for real-time object detectors［J］. arXiv：2207.02696.

［14］REDMON J，FARHADI A. Yolov3：an incremental improvement［J］. arXiv：1804.02767.

［15］PASTUSEK P.Bit and BHA forensics［R/OL］（2021-03-25）［2024-10-29］.https://drillingcontractor.org/wp-content/uploads/2021/04/ExxonMobil-Bit-and-BHA-Forensics-TO-POST.pdf.

［16］WATSON W，DUPRIEST F，WITT-DOERRING Y，et al. IADC code upgrade：bit and BHA forensics using rig-based photographic documentation practices［C］. IADC/SPE International Drilling Conference and Exhibition，Galveston，Texas，USA，2022. SPE-208707-MS.

［17］WITT-DOERRING Y，PASTUSEK P P，ASHOK P，et al. Quantifying PDC bit wear in real-time and establishing an effective bit pull criterion using surface sensors［C］.SPE Annual Technical Conference and Exhibition，Dubai，UAE，2021. SPE-205844-MS.

［18］WATSON W，DUPRIEST F，WITT-DOERRING Y，et al. IADC code upgrade：data collection and workflow required to conduct bit forensics and create effective changes in practices or design［C］. IADC/SPE International Drilling Conference and Exhibition，Galveston，Texas，USA，2022. SPE-208712-MS.

[1]	刘颖彪, , 徐生江, , 田龙, , 钟尹明, , 白佳帅, , 钟润豪, . 钻井复杂事故预警技术研究进展 [J]. 新疆石油天然气, 2025, 21(2): 15-23.
[2]	宋先知, , 王易玮 , 杨彦龙 , 刘慕臣 , 祝兆鹏, . 基于有监督与无监督算法的卡钻智能诊断分析 [J]. 新疆石油天然气, 2025, 21(2): 24-34.
[3]	田慧洋, 刘瑞恒, 李冬爽, 尤少华, 廖勤拙, 田守嶒. DeepSeek大模型在石油工程中的应用前景与展望 [J]. 新疆石油天然气, 2025, 21(2): 55-.
[4]	盛茂, 蒋富民, 胡诗梦, 吕振虎, 孔明炜, 司丽娟, . 非均质砂砾岩储层地应力解释及压裂设计优化 [J]. 新疆石油天然气, 2024, 20(2): 1-.
[5]	钟尹明, 柯迪丽娅·帕力哈提, 白佳帅, 王超尘, 李起豪. 基于GRU神经网络的PDC钻头磨损实时监测模型 [J]. 新疆石油天然气, 2024, 20(2): 21-.
[6]	田龙, 朱智华, 王立伟, 于佳伟, 王一帆. 基于大数据和无监督聚类算法的岩石可钻性表征和预测方法 [J]. 新疆石油天然气, 2024, 20(2): 29-.
[7]	刘凡, 刘裕双, 张震, 李永健, 刘策, 马志虎, . 基于机器学习的堵漏颗粒粒径推荐方法 [J]. 新疆石油天然气, 2024, 20(1): 13-20.
[8]	骆灵, 李义常, 魏立尧. 元宇宙技术群与量子计算赋能CCUS研究现状及趋势#br#[J]. 新疆石油天然气, 2023, 19(3): 86-94.
[9]	刘超, 申春生, 刘建华, 刘思远, 庞维浩. 疏松砂岩微粒运移主控因素及矿场影响特征[J]. 新疆石油天然气, 2023, 19(1): 16-20.
[10]	张敬春, , 任洪达 , 俞天喜 , 尹剑宇 , 周健 , 周洪涛. 压裂支撑剂研究与应用进展 [J]. 新疆石油天然气, 2023, 19(1): 27-34.
[11]	王涛, 程垒明, 项远铠, 承宁, 王博, 周航. 砾石影响下裂缝扩展规律数值模拟[J]. 新疆石油天然气, 2023, 19(1): 42-48.
[12]	罗垚, 孔辉, 徐克山, 吐尔逊江·马木提, 郑恒. 砂泥岩储层水力裂缝穿层规律数值模拟 [J]. 新疆石油天然气, 2023, 19(1): 49-56.
[13]	朱道义, 施辰扬, 赵岩龙, 陈神根, 曾美婷. 二氧化碳驱化学封窜材料与方法研究进展及应用#br#[J]. 新疆石油天然气, 2023, 19(1): 65-72.
[14]	李强, , 王福玲, , 周畅 , 陈佳硕 , 李庆超, , 王彦玲. 硅氧烷类增稠剂对二氧化碳压裂液的性能影响[J]. 新疆石油天然气, 2023, 19(1): 73-80.
[15]	陈神根, 王瑞, 易勇刚, 张鑫, 徐金山, 尚晋. 纳米纤维强化泡沫液膜渗透性及稳定性实验研究#br#[J]. 新疆石油天然气, 2023, 19(1): 81-89.

PDC钻头损伤失效的智能识别方法

Intelligent Recognition Method for PDC Bit Damage

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics