Assessing Friction Coefficient in HDD Using Analytical Models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In horizontal directional drilling (HDD), accurate determination of the pullback force for pipe installation (pullback) during the design phase is critical to the success of the project. For the calculation of pullback force, a friction coefficient of 0.3 is generally suggested for the lubricated borehole in the design. In this paper, friction coefficients are determined from data collected during running in hole (RIH), i.e., moving the drill assembly toward the cutting face without drilling, for the drilling of the pilot hole and reaming stage. This gives a friction coefficient that is calculated for hole conditions similar to those in the pullback process. The friction coefficient is back-calculated based on the equilibrium of thrust force (μF) and torque (μT), using three models. The main difference among the three models is whether or not the model incorporates the effect of annular pressure at the drill bit and viscosity of drilling fluid in the calculation. Results indicate the friction coefficient obtained based on the equilibrium of thrust force is larger than that for equilibrium of torque. The range of μF is between 0.10 and 0.40 and that of μT is between 0.05 and 0.2. This paper also compares three different models based on the calculated friction coefficients to identify the effect of annular pressure and viscosity on the calculation. The results indicate that the difference in terms of the calculated friction coefficient between the models is less than 10%. This paper provides an overall idea of the range of the friction coefficient for a clean hole in HDD based on data collected during an HDD project.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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