一种预测钻柱的粘吸卡钻风险的系统.pdf

本发明提供了一种预测钻柱的粘吸卡钻风险的系统，该系统包括：数据采集与计算模块，其采集井眼轨迹数据，以获取井眼轨道每一位置处的坐标，并根据每一位置处的坐标，确定地质参数和工程参数；粘吸卡钻风险预测模块，其利用每一位置处的地质参数和工程参数，确定该位置处各影响因素对产生粘吸卡钻贡献大小的模糊量，基于各影响因素对产生粘吸卡钻贡献大小的模糊量，得到该位置处的粘吸卡钻风险系数。本发明系统能够在随钻过程中对全井段任何位置进行粘吸卡钻风险的预测，实时识别卡钻风险并预警，能辅助施工技术人员控制钻井风险。

1.一种预测钻柱的粘吸卡钻风险的系统，该系统包括：
数据采集与计算模块，其采集井眼轨迹数据，以获取井眼轨道每一位置处的
坐标，并根据每一位置处的坐标，确定地质参数和工程参数；
粘吸卡钻风险预测模块，其利用每一位置处的地质参数和工程参数，确定该
位置处各影响因素对产生粘吸卡钻贡献大小的模糊量，基于各影响因素对产生粘
吸卡钻贡献大小的模糊量，得到该位置处的粘吸卡钻风险系数。
2.根据权利要求1所述的系统，其特征在于，
所述地质参数包括：岩石类型S和地层孔隙压力P_p；
所述工程参数包括：井斜角α、钻杆内径d_p、钻杆外径D_P、井眼直径D_H、
当前的钻井液密度ρ、钻井液塑性粘度η、钻井液排量Q、钻头位置H和转盘转
速R_t。
3.根据权利要求2所述的系统，其特征在于，
所述影响因素对产生粘吸卡钻贡献大小的模糊量至少包括钻柱静止时间模
糊量ξ_T和钻具所受侧向力模糊量ξ_△P。
4.根据权利要求3所述的系统，其特征在于，所述粘吸卡钻风险预测模块
利用如下表达式计算钻具所受侧向力模糊量ξ_△P：
${\mathrm{\ξ}}_{\mathrm{\ΔP}}=\left\{\begin{array}{cc}0.05\mathrm{\ΔP},& \mathrm{\ΔP}\<20\\ 1,& \mathrm{\ΔP}\≥20\end{array}\right.,$ΔP单位：MPa
其中，使钻具紧贴井壁的侧向压差ΔP＝P_c-P_p+P_G，P_c为每个深度h点的井眼
环空液柱循环压力，P_c是基于参数Q、ρ、α、η、d_p、D_P计算得到；P_G为计算井
斜角不为0处的单位长度钻柱浮重在井壁法向的分量，
$P_G=\frac{(7.8-\mathrm{\ρ})(D_P^2-d_p^2)g{D}_H\sin \mathrm{\α}}{D_P^2},$其中，g＝10。
5.根据权利要求3所述的系统，其特征在于，所述粘吸卡钻风险预测模块
利用如下表达式计算钻柱静止时间模糊量ξ_T：
${\mathrm{\ξ}}_T=\left\{\begin{array}{cc}0.18\sqrt{T},& T\<30\\ 1,& T\≥30\end{array}\right.,$T单位：min
其中，钻柱静止时间T通过钻头位置H和转盘转速R_t的实时变化规律计算
得到。
6.根据权利要求3-5任一项所述的系统，其特征在于，
所述影响因素对产生粘吸卡钻贡献大小的模糊量还包括以下至少之一：井斜
角模糊量ξ_α、钻具与井壁接触面积模糊量ξ_s、泥饼质量模糊量ξ_FL、钻井液负电
场模糊量ξ_ζ、钻井液塑性粘度模糊量ξ_η、泥饼摩阻系数模糊量ξ_Kf。
7.根据权利要求6所述的系统，其特征在于，所述粘吸卡钻风险预测模块
利用如下表达式分别确定井斜角模糊量ξ_α和钻具与井壁接触面积模糊量ξ_s：
ξ_α＝sinα，α∈[0,π/2]；
ξ_s＝D_P/D_H。
8.根据权利要求6所述的系统，其特征在于，
所述粘吸卡钻风险预测模块利用隶属度函数，分别根据钻井液失水量FL、钻
井液电位ζ、钻井液塑性粘度η和井液粘滞系数Kf的大小，确定泥饼质量模糊量
ξ_FL、钻井液负电场模糊量ξ_ζ、钻井液塑性粘度模糊量ξ_η、泥饼摩阻系数模糊量ξ_Kf。
9.根据权利要求1所述的系统，其特征在于，
所述粘吸卡钻风险预测模块基于各影响因素对产生粘吸卡钻贡献大小的模
糊量，利用几何平均算法或加权几何平均算法来确定该位置处的粘吸卡钻风险系
数。
10.根据权利要求1所述的系统，其特征在于，还包括以下模块：
钻井风险剖面可视化及报警模块，其基于每一位置处的粘吸卡钻风险系数，
绘制所述井眼轨道的粘吸卡钻风险曲线，以及在一位置处的粘吸卡钻风险系数大
于等于设定门限时，进行报警。

一种预测钻柱的粘吸卡钻风险的系统

技术领域

本发明属于石油钻井技术领域，尤其涉及一种预测钻柱的粘吸卡钻风险的系
统。

背景技术

钻井中由于井眼不可能完全垂直(尤其是随着定向井和水平井的大规模应
用，这种情况更是普遍)，当井下钻具静止不动时，在井下压差的作用下，钻柱
的一些部位会贴于井壁，与井壁泥饼粘合在一起，静止时间越长则钻具与泥饼的
接触面积就越大，由此而产生的粘吸卡钻，又被称为粘附卡钻或压差卡钻。

粘吸卡钻会给石油钻井带来很大危害，损失大量钻井时间甚至发生钻具断落
等恶性事件。目前进行粘吸卡钻的预测方法包括神经网络法、决策树法、支持向
量机法和贝叶斯网络法，这些方法的前提是要使用邻井曾经发生粘吸卡钻的历史
案例样本进行预测模型的训练，这对于一个新的区块尚未钻井或历史井很少或历
史钻井中尚未发生过类似故障的情况来说，该方法难以适用。即便具备邻井案例
样本的情况下，样本量的大小也决定了该方法预测准确度，也就是说历史样本量
小的情况下，其预测的准确度很低。另外，该方法所依赖的仅仅是工程参数，所
反映的是卡钻“已经产生”的征兆，因此很难实现提前预测。

发明内容

本发明所要解决的技术问题之一是需要提供一种预测钻柱的粘吸卡钻风险
的系统，该系统在钻井施工过程中能够及时识别粘吸卡钻苗头，从而最大限度避
免粘吸卡钻的发生。

为了解决上述技术问题，本申请的实施例提供了一种预测钻柱的粘吸卡钻风
险的系统，该系统包括：数据采集与计算模块，其采集井眼轨迹数据，以获取井
眼轨道每一位置处的坐标，并根据每一位置处的坐标，确定地质参数和工程参数；
粘吸卡钻风险预测模块，其利用每一位置处的地质参数和工程参数，确定该位置
处各影响因素对产生粘吸卡钻贡献大小的模糊量，基于各影响因素对产生粘吸卡
钻贡献大小的模糊量，得到该位置处的粘吸卡钻风险系数。

优选地，所述地质参数包括：岩石类型S和地层孔隙压力P_p；所述工程参数
包括：井斜角α、钻杆内径d_p、钻杆外径D_P、井眼直径D_H、当前的钻井液密度ρ、
钻井液塑性粘度η、钻井液排量Q、钻头位置H和转盘转速R_t。

优选地，所述影响因素对产生粘吸卡钻贡献大小的模糊量至少包括钻柱静止
时间模糊量ξ_T和钻具所受侧向力模糊量ξ_△P。

优选地，所述粘吸卡钻风险预测模块利用如下表达式计算钻具所受侧向力模
糊量ξ_△P：

${\mathrm{\ξ}}_{\mathrm{\ΔP}}=\left\{\begin{array}{cc}0.05\mathrm{\ΔP},& \mathrm{\ΔP}\<20\\ 1,& \mathrm{\ΔP}\≥20\end{array}\right.,$ΔP单位：MPa

其中，使钻具紧贴井壁的侧向压差ΔP＝P_c-P_p+P_G，P_c为每个深度h点的井眼
环空液柱循环压力，P_c是基于参数Q、ρ、α、η、d_p、D_P计算得到；P_G为计算井
斜角不为0处的单位长度钻柱浮重在井壁法向的分量，
$P_G=\frac{(7.8-\mathrm{\ρ})(D_P^2-d_p^2)g{D}_H\sin \mathrm{\α}}{D_P^2},$其中，g＝10。

优选地，所述粘吸卡钻风险预测模块利用如下表达式计算钻柱静止时间模糊
量ξ_T：

${\mathrm{\ξ}}_T=\left\{\begin{array}{cc}0.18\sqrt{T},& T\<30\\ 1,& T\≥30\end{array}\right.,$T单位：min

其中，钻柱静止时间T通过钻头位置H和转盘转速R_t的实时变化规律计算
得到。

优选地，所述影响因素对产生粘吸卡钻贡献大小的模糊量还包括以下至少之
一：井斜角模糊量ξ_α、钻具与井壁接触面积模糊量ξ_s、泥饼质量模糊量ξ_FL、钻
井液负电场模糊量ξ_ζ、钻井液塑性粘度模糊量ξ_η、泥饼摩阻系数模糊量ξ_Kf。

优选地，所述粘吸卡钻风险预测模块利用如下表达式分别确定井斜角模糊量
ξ_α和钻具与井壁接触面积模糊量ξ_s：

ξ_α＝sinα，α∈[0,π/2]；

ξ_s＝D_P/D_H。

优选地，所述粘吸卡钻风险预测模块利用隶属度函数，分别根据钻井液失水
量FL、钻井液电位ζ、钻井液塑性粘度η和井液粘滞系数Kf的大小，确定泥饼
质量模糊量ξ_FL、钻井液负电场模糊量ξ_ζ、钻井液塑性粘度模糊量ξ_η、泥饼摩阻
系数模糊量ξ_Kf。

优选地，所述粘吸卡钻风险预测模块基于各影响因素对产生粘吸卡钻贡献
大小的模糊量，利用几何平均算法或加权几何平均算法来确定该位置处的粘吸卡
钻风险系数。

优选地，还包括以下模块：钻井风险剖面可视化及报警模块，其基于每一位
置处的粘吸卡钻风险系数，绘制所述井眼轨道的粘吸卡钻风险曲线，以及在一位
置处的粘吸卡钻风险系数大于等于设定门限时，进行报警。

与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有
益效果。

本发明实施例的系统基于相关地质参数和钻井工程参数，对钻井过程中全
井段进行卡钻风险预测，得到体现粘吸卡钻发生概率的量化风险值，在钻井施工
过程中及时识别卡钻苗头，便于技术人员采取应对措施，从而最大限度避免粘吸
卡钻的发生。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明
书中变得显而易见，或者通过实施本发明的技术方案而了解。本发明的目的和其
他优点可通过在说明书、权利要求书以及附图中所特别指出的结构和/或流程来实
现和获得。

附图说明

附图用来提供对本申请的技术方案或现有技术的进一步理解，并且构成说
明书的一部分。其中，表达本申请实施例的附图与本申请的实施例一起用于解释
本申请的技术方案，但并不构成对本申请技术方案的限制。

图1为本申请实施例的预测钻柱的粘吸卡钻风险的系统的结构示意图。

图2为本申请实施例的数据采集模块的结构示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何
应用技术手段来解决技术问题，并达成相应技术效果的实现过程能充分理解并据
以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结
合，所形成的技术方案均在本发明的保护范围之内。

图1为本申请实施例的预测钻柱的粘吸卡钻风险的系统的结构示意图。下面
参考图1来详细说明本系统的各个组成结构和功能。

该系统能够得到实时钻井过程中全井段的每个坐标点上的粘吸卡钻风险系
数R(R∈[0,1])，容易理解，R＝1为粘吸卡钻风险的最大值，R值越大则粘吸卡
钻风险就越高。

如图1所示，本申请实施例的预测钻柱的粘吸卡钻风险的系统，主要包括数
据采集模块110、数据计算模块120(二者构成数据采集与计算模块)、粘吸卡
钻风险预测模块(以下简称风险预测模块)130以及钻井风险预测数据库150。

数据采集模块110，其与钻井风险预测数据库150连接，采集当前裸眼段井
眼轨迹中每一位置处的地质参数数据和工程参数数据。

具体地，如图2所示，数据采集模块110，包括井眼轨迹数据采集单元110a、
地质数据采集单元110b、钻井工程数据采集单元110c。

井眼轨迹数据采集单元110a，其与随钻测量仪(Measure While Drilling，简
称MWD)相连进行自动采集，采集井眼轨迹数据，以获取井眼轨道每一位置处
的坐标。这些数据主要包括井深h、井斜角α、方位角一般，最好每隔较小间
隔取一点，在本例中为每隔1米取1个点。

井眼轨迹数据采集单元110a在获取每个点的井眼轨迹数据之后，还依次将每
个点的数据通过计算转换为笛卡尔坐标值X、Y、Z，最终得到一个坐标序列，将
其存入钻井风险预测数据库150中。

井眼轨迹数据采集单元110a通过执行以下步骤来转换笛卡尔坐标：首先，根
据上述三个测量值(井深h、井斜角α、方位角)，利用最小曲率法或圆柱螺线
法计算出垂深、南北位移和东西位移。然后以井口大地坐标值为基础将以上三个
值换算成大地坐标值，最后将大地坐标值转换成笛卡尔坐标值。

地质数据采集单元110b，其采集井眼轨迹上每个点的地质参数值，这些地质
参数包括岩石类型S和地层孔隙压力P_p，并将采集到的数据存入钻井风险预测数
据库150中。

钻井工程数据采集单元110c，其采集钻井工程数据。具体地，该采集单元110c
获取井眼轨迹上每个点的工程参数值，这些工程参数至少包括：井斜角α、钻杆
内径dp、钻杆外径DP、井眼直径(即钻头直径)DH、当前的钻井液密度ρ、钻
井液塑性粘度η、钻井液排量Q、钻头位置H和转盘转速Rt。另外，对于后续计
算粘吸卡钻风险系数时所涉及的模糊量，还可以采集钻井液失水量FL、钻井液电
位ζ和井液粘滞系数Kf这些工程参数值。而且，该采集单元110c通过与综合录
井仪相连自动采集钻井液排量Q、钻头位置H和转盘转速R_t，并将这些采集到的
数据存入钻井风险预测数据库150连接。

需要说明的是，上述钻井液密度ρ、钻井液排量Q和井斜角α等参数可通过
传感器实时测量采集，以便进行实时的粘吸卡钻预测预警。

数据计算模块120，其与钻井风险预测数据库150连接，从数据库150中获
取所需的参数值，计算出每个深度点的井眼环空液柱压力Ph、计算井斜角不为0
处的单位长度钻柱浮重在井壁法向的分量P_G、使钻具紧贴井壁的侧向压差(也称
钻具所受侧向力)ΔP和钻柱静止时间T。

具体地，数据计算模块120利用SY/T 6613-2005标准提供的算法(也可采
用其他类似算法)，基于Q、ρ、α、η、d_p、D_P等参数计算出每个深度h点的井
眼环空液柱循环压力P_c(计算时将钻铤统一近似为钻杆的尺寸来计算)，计算井
斜角不为0处的单位长度钻柱浮重在井壁法向的分量P_G，
进而计算使钻具紧贴井壁的侧向压差ΔP＝P_c-P_p+P_G，
其中，g＝10。

数据计算模块120还通过钻头位置H和转盘转速R_t的实时变化规律计算出
钻柱静止时间T，T＝当前时间减去最近一条H或R_t开始停止变化那条记录的时
间(此二者，取时间晚者)，即截至当前时间内，这两项参数持续无变化的时间
长度，单位min。

然后将以上计算结果均存入钻井风险预测数据库150中。

风险预测模块130，其从钻井风险预测数据库150中提取相关数据，计算得
到当前时刻沿井眼轨迹的粘吸卡钻风险系数数组R[n]。

具体地，风险预测模块130针对井眼轨迹的每一点，依次确定每一点处的各
影响因素对产生粘吸卡钻贡献大小的模糊量，这些模糊量的值域为(0,1]或[0,1]。

影响因素对产生粘吸卡钻贡献大小的模糊量至少包括：钻柱静止时间模糊量
ξ_T和钻具所受侧向力模糊量ξ_△P。

在一个实施例中，风险预测模块130可以利用如下表达式来计算钻具所受侧
向力模糊量ξ_△P：

${\mathrm{\ξ}}_{\mathrm{\ΔP}}=\left\{\begin{array}{cc}0.05\mathrm{\ΔP},& \mathrm{\ΔP}\<20\\ 1,& \mathrm{\ΔP}\≥20\end{array}\right.,$ΔP单位：MPa

而且，风险预测模块130可以利用如下表达式计算钻柱静止时间模糊量ξ_T：

${\mathrm{\ξ}}_T=\left\{\begin{array}{cc}0.18\sqrt{T},& T\<30\\ 1,& T\≥30\end{array}\right.,$T单位：min

需要说明的是，上述两个模糊量是计算粘吸卡钻风险系数所必须的两个值，
当然为了提高粘吸卡钻风险预测的准确度，且各影响因素的隶属度可以根据实际
情况进行调整，例如也可以将T与30附近的其他数据进行比较，例如29。

除了上述两个模糊量以外，影响因素对产生粘吸卡钻贡献大小的模糊量还可
以包括以下至少之一：井斜角模糊量ξ_α、钻具与井壁接触面积模糊量ξ_s、泥饼质
量模糊量ξ_FL、钻井液负电场模糊量ξ_ζ、钻井液塑性粘度模糊量ξ_η、泥饼摩阻系
数模糊量ξ_Kf。

容易理解，ξ_T和ξ_ΔP是必要量，其他因素越全面则预测结果越准确。在一个
优选实施例中，影响因素对产生粘吸卡钻贡献大小的模糊量包括上面8个模糊量。

在计算上述模糊量时，风险预测模块130可以利用如下表达式分别确定井斜
角模糊量ξ_α和钻具与井壁接触面积模糊量ξ_s：

ξ_α＝sinα，α∈[0,π/2]；

ξ_s＝D_P/D_H。

而且，风险预测模块130还可以利用隶属度函数，分别根据钻井液失水量FL、
钻井液电位ζ、钻井液塑性粘度η和井液粘滞系数Kf的大小，确定泥饼质量模糊
量ξ_FL、钻井液负电场模糊量ξ_ζ、钻井液塑性粘度模糊量ξ_η、泥饼摩阻系数模糊
量ξ_Kf。

在一个实施例中，风险预测模块130利用如下表达式来分别计算泥饼质量模
糊量ξ_FL、钻井液负电场模糊量ξ_ζ、钻井液塑性粘度模糊量ξ_η、泥饼摩阻系数模
糊量ξ_Kf：

泥饼质量模糊量(用失水量评价)：${\mathrm{\ξ}}_{\mathrm{FL}}=\left\{\begin{array}{cc}\frac{\mathrm{FL}}{12},& \mathrm{FL}\<12\\ 1,& \mathrm{FL}\≥12\end{array}\right.,$FL单位为ml；

钻井液负电场模糊量：${\mathrm{\ξ}}_{\mathrm{\ζ}}=\left\{\begin{array}{cc}0,& \mathrm{\ζ}\<0\\ 0.01,& \mathrm{\ζ}=0\\ 1,& \mathrm{\ζ}\<0\end{array}\right.;$

钻井液塑性粘度模糊量：${\mathrm{\ξ}}_{\mathrm{\η}}=\left\{\begin{array}{cc}0.033\mathrm{\η},& \mathrm{\η}\<30\\ 1,& \mathrm{\η}\≥30\end{array}\right.,$η单位为mPa·s；

泥饼摩阻系数模糊量(用粘滞系数评价)：${\mathrm{\ξ}}_{\mathrm{Kf}}=\left\{\begin{array}{cc}10\mathrm{Kf},& \mathrm{Kf}\<0.1\\ 1,& \mathrm{Kf}\≥0.1\end{array}\right.$(直井可
以0.12分界)。

需要说明的是，以上计算中未注明单位的一律采用国际单位制。而且，针对
每个影响因素对于产生粘吸卡钻贡献大小的模糊量，根据实际情况每个影响因素
的隶属度可以进行改变，此处不作限定。

然后风险预测模块130根据以上模糊量，得到第n点的粘吸卡钻风险系数R_n，
即计算这8个因素的耦合作用下产生压差卡钻的风险系数
(根据情况也可对不同因素赋予不同权重，
使用加权几何平均法计算)。

需要说明的是，若风险预测模块130在计算上述模糊量之前，根据岩石类型
S(如果S＝砂岩或砂砾岩或煤层)判别地层为渗透性地层，则可以根据上述表达
式计算所需的模糊量。另一方面，若地层不为渗透性地层，则直接得到第n点的
粘吸卡钻风险系数Rn＝0，无需再计算所需的模糊量。另外，风险预测模块130
也可根据岩石的渗透率K来判别，例如若K>1mD，则认为是岩石类型S为渗透
型地层。

为了直观了解整个井段的粘吸卡钻的风险高低，本实施例还可以包括钻井风
险剖面可视化及报警模块140，其与风险预测模块130相连，根据计算得到的粘
吸卡钻风险系数数组绘制不同井深的风险的曲线。另外该报警模块140还可以从
数据库150中获取地质参数值和工程参数值来绘制不同井深的地质参数曲线和工
程参数曲线。

而且，该报警模块140在风险系数超过设定的门限值时，系统自动报警提示。

一般，可设定[0,1]这一区间中任一个值作为报警门限，比如设定0.8，当实际
应用时计算出的风险系数大于0.8时，该报警模块140即会进行报警，例如以声
音或者点灯方式来发出报警。

本发明实施例的系统可在钻井施工过程中，实时预测全井段各处发生粘吸卡
钻的概率，能最大程度控制卡钻的发生或在第一时间发现风险并采取有效处理措
施，将损失降至最低。

示例

在YB**井(该井为一口超深水平井)施工过程中，在井场的钻井工程师值
班房内部署一台笔记本电脑(安装有本系统)，同时将MWD随钻测量仪和综合
录井仪的数据外发接口与本机相连，通过一个数据接收处理模块实时处理轨迹数
据和钻井工程参数，在每一开次钻进之初人工输入一些数据(由仪器无法采集但
本系统必须用的，如开钻时间、钻井液性能等等)，之后让系统自动运行，钻井
工程师设定每30秒钟刷新一次所有相关参数的曲线，以及粘吸卡钻的风险系数
曲线(纵轴为井深，横轴为风险系数)，他所看到的是从井口到当前井底的全井
段曲线。钻井过程中，当某一段曲线反映出风险系数明显升高，他就会密切关注。
该井钻至6937.75m准备起钻进行取芯作业，短起15立柱，此过程中有短时循环，
当钻头位置在6909m附近时，软件界面显示在6203m附近的风险系数曲线升高
明显且很快超过4，系统界面出现橙色报警，现场人员并为及时处理，此事系统
持续报警，数分钟后准备继续起钻作业发现钻具已无法活动(包括上提、下放和
旋转)，判定为粘吸卡钻，后立即通过加大力度活动钻具无效，现场分别采用泡
解卡剂、两次泡酸和清水循环等多种措施在最终解卡。

本发明提供了一种预测钻柱的粘吸卡钻风险的系统，包括井眼轨迹数据采集
单元(与MWD接口相连)、地质数据采集单元、钻井工程数据采集单元(与综
合录井仪接口相连)、钻井风险预测数据库、数据计算模块、风险预测模块、钻
井风险剖面可视化及报警模块。利用井眼轨迹数据采集单元获取井眼轨迹数据，
并将每一点信息转换成笛卡尔坐标值；地质数据采集单元获取井眼轨迹每个坐标
点处的岩石类型及孔隙压力等参数；钻井工程数据采集单元获取钻柱尺寸、井眼
尺寸、钻井液性能以及其他钻井工程参数，然后基于钻井工程数据，利用数据计
算模块计算或推算出钻柱所受的侧向力、钻柱静止时间等数据，最后将以上数据
均及时存入钻井风险预测数据库，再利用风险预测模块计算得到井眼轨迹上每个
点的粘吸卡钻风险系数值，发送给钻井风险剖面可视化及报警模块；后者将上面
提到的所有地质参数、工程参数和风险系数值，以曲线形式分别显示，当风险系
数超过一定的门限值时，出发报警信息，提示施工技术人员及时采取相应的控制
措施，避免或降低恶性事件造成的危害。

本领域的技术人员应该明白，上述的本发明实施例所提供的系统的各组成部
分，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络
上。可选地，它们可以用计算装置可执行的程序代码来实现。从而，可以将它们
存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模
块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本
发明不限制于任何特定的硬件和软件结合。

虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明技术
方案而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人
员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上
进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所
界定的范围为准。