MétaCan
Menu
Retour à la cohorte
Enregistrement W1582964235

Dynamically Modelling Rock Failure in Percussion Drilling

2005· article· en· W1582964235 sur OpenAlexaff
Gang Han, Mike Bruno, Maurice B. Dusseault

Notice bibliographique

RevueAlaska Rocks 2005, The 40th U.S. Symposium on Rock Mechanics (USRMS) · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueRock Mechanics and Modeling
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésDrillingPercussionGeologyRate of penetrationGeotechnical engineeringPetroleum engineeringEngineeringStructural engineeringMechanical engineeringAcoustics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Percussion drilling attracts the oil and gas industries for its potential to provide faster rate of penetration (ROP) than traditional rotary drilling, especially in hard formations. However, frequent mechanical failures, poor understanding and therefore control of drilling operations have limited its applications in the field. The objective of this research is to advance the fundamental understandings of the physical mechanisms involved in percussion drilling, thereby facilitating more efficient and lower cost drilling and exploration of hard-rock reservoirs. A geomechanical model is presented in this paper to simulate the percussion drilling process. The numerical simulation for rock failure is based on a Mohr-Coulomb model with strain-softening behavior, Rayleigh damping to dissipate excessive oscillation energy, and a fatigue/damage algorithm to update rock properties due to cyclic loading. Important mechanisms for rock failure during percussion drilling, such as aggressive tensile failure due to wave reflection at the rock impact surface, compressive failure due to high axial loading stress, and rock fatigue due to cyclic loading, are captured in the simulation. The insights gained from this study improve the understanding of percussion drilling, and may facilitate development of a simulation tool to better characterize this promising technology.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,199
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlaska Rocks 2005, The 40th U.S. Symposium on Rock Mechanics (USRMS)Même sujetRock Mechanics and ModelingTravaux en français237 207