苏晓眉，张 涛，2，李玉飞，卿 玉，李玉梅，2

1北京信息科技大学信息与通信工程学院2北京信息科技大学“高动态导航技术北京市重点实验室”3中国石油川庆钻探工程有限公司钻采工程技术研究院

1 研究现状

随着经济的发展，社会对石油资源的需求日益增加，石油钻井也向着深层超深层以及复杂地层迈进，导致钻井过程中各种复杂工况频发。卡钻工况是钻井过程中最常见的井下复杂工况之一［1-3］，一旦发生卡钻，会造成钻井周期延长，钻井成本增加。如对卡钻工况处理不当还会引起井漏、坍塌等复杂情况，甚至导致井眼报废，造成严重经济损失。根据近年来的钻井资料统计分析，卡钻工况在钻井复杂工况中占40%～50%，由卡钻引起的资金损失占非生产耗费资金的50%［4］。如果在钻井过程中能够根据井下工程参数特征变化规律对卡钻进行实时预测，可以在卡钻发生前采取一定措施预防卡钻发生，减少钻井成本，提高钻井效率。

近年来，聚类方法被越来越多的应用于故障诊断与识别，2015年陈风云［5］首先利用PCA降维算法对位移传感器和加速度传感器传回的振动信号进行预处理，再利用K-Means、AP、FCM、EmGauussian四种聚类算法对预处理数据集进行聚类分析，再利用集成算法融合四种基聚类结果，最终得到对原始数据最好的聚类划分结果，以此实现对高铁信号故障状态的识别。2011年龚学兵［6］首先建立仿真模型，对卫星姿态控制系统进行数值仿真模拟，并采集系统的健康数据和故障数据，再利用K-Means算法与DBSCAN算法建立故障诊断模型，对卫星监控系统采集的历史数据进行分析拟合，实现对飞机姿态控制系统的故障诊断。……