本發明涉及石油天然氣開發，特別是涉及一種引導式柵欄搜索的井眼軌道自動繞障方法。
背景技術：
1、石油與天然氣資源是國家工業快速發展的重要能源支撐，加大我國油氣資源的開發力度，對滿足國家能源內部需求，降低對外依賴度等具有重要的戰略意義。近幾年來，為實現油氣資源低成本高效益開發，川渝、長慶等地區大量采用常規叢式井組開發模式，長慶地區采用大平臺叢式井(平臺井數超50口)，對于大平臺的叢式井，在鉆井設計過程中受環境及平臺受地形地貌、周邊環境等條件限制，地面井口與地下靶區不規則對應，設計過程很難實現軌跡水平面上投影不相交，導致設計單位面臨防碰設計壓力大、繞障軌跡復雜，設計輸出效率低的技術問題，現有的常規定向井軌跡設計軟件繞障設計計算模型單一，無法實現經驗軌跡自動繞障，繞障設計過程軌跡控制參數依賴個人經驗，影響了軌跡設計的科學性與可操作性。
2、川渝、長慶等地區由于受地形、地貌影響，三維軌跡空間有限，大平臺井眼軌跡設計工作是鉆井設計的重要工作，也是最繁重的工作，據不完全統計，頁巖氣水平井井數為5-8口井軌跡設計耗時約3天，平臺井井數9-13口井軌跡設計耗時約6天，長慶地區某平臺部署73口井，井眼軌跡設計3人用時7天。導致上述設計耗時較長的根本原因是，目前國內外井眼軌跡設計軟件，國內通用的設計軟件(國內sunny?patying、國外藍馬軟件compass計算模塊等)都是針對單井井眼軌跡設計計算，無叢式井軌跡自動繞障設計算法。國內外鉆井設計軟件(如landmark、navigator、sunnypathing)都是對單井軌跡進行設計，目前國內外叢式井井眼軌跡繞障設計一般是通過人工調整，通過調整附近鄰井造斜點、改變鄰井剖面類型等方式規避交碰風險，一口井造斜點深度或軌跡調整，可能對周邊其他設計造成影響，牽一發而動全身，設計效率低工作量大。
3、隨著計算機大數據運算的快速發展，機器學習不斷與各專業深度融合，以大數據運算與機器學習為特色的人工智能在各專業領域快速發展。2019年李文燕[1]提出了基于粒子群算法的井眼軌道優化設計方法，建立了以軌道最短、曲率最小為優化目標的井眼軌道多目標優化模型，利用一種非支配排序的多目標粒子群算法實現了井眼軌道參數多目標優化，但該優化算法存在粒子群優化算法存在種群多樣差、計算結果并非全局最優解的問題；2019年，西安石油大學李成媛發表學位論文《基于蟻群算法的井眼軌道優化方法》，建立了井眼軌道規劃中的數據模型及約束條件，通過改進蟻群算法對井眼軌道設計模型進行，該算法相比于其他智能算法，計算速度更快但計算結果并不是全局最優解。2020年曹杰等人發表論文，提出了大井組叢式井軌道防碰優化設計方法，該方法只是提出了針對大型叢式井防碰設計的一般做法，并未建立具體優化設計模型。通過調研發現，井眼軌跡智能優化算法目前還處于開發階段，并未形成成熟的算法。
技術實現思路
1、本發明旨在針對叢式井防碰繞障人工設計難度大，設計效率低的技術難題，提出一種引導式柵欄搜索的井眼軌道自動繞障方法，用于提高叢式井繞障軌跡設計效率。
2、為了實現上述發明目的，本發明的技術方案如下：
3、一種引導式柵欄搜索的井眼軌道自動繞障方法，包括如下步驟：
4、s1、搜索柵欄環境搭建，包括：
5、s11、對有交碰風險的井段三維網格化處理，包括：
6、s111、構建包含平臺所有井眼的正方體繞障空間；
7、s112、將步驟s111中的正方體繞障空間水平分層為n層，包括：
8、通過軌道設計計算軟件計算當前井與其他鄰井的誤差橢球和分離系數sf；篩選分離系數sf小于等于1.5的井段，對于sf≥1.5的井段，采用20cm的間隔分層；對于sf<1.5的井段，采用10cm的間隔分層；
9、s113、對步驟s112中每一層以當前井與其他鄰井sf＝1.5位置處的誤差橢球最大長軸為邊長的正方形劃進行網格劃分；
10、s12、將每一層網格作為一個平面，構成搜索算法的二維搜索環境；
11、s13、對于分層后不包含井口和靶點的平面，通過水平投影的方法，將井口和靶點投影至該平面上；
12、s14、每層進行障礙物標識：以正方體繞障空間第一個頂點為坐標原點，對每個正方形網格坐標標識，并對障礙物占據的正方形坐標進行標注；
13、s2、算法初始化，包括：
14、s21、通過a*算法建立open?list和close?list兩個搜索步集合；
15、s22、在a*算法中設置井口為起始點，靶點為目標節點；
16、s23、將起始點和目標節點放入open?list，開始搜索；
17、s3、節點搜索，包括：
18、s31、將每一層平面等分為m個區域，計算第i+1個節點所在平面的每個區域的權重系數，選擇權重系數小的區域進行搜索；1≤i≤n-1；m＝[n/2]，n為該平面內障礙物數量，當n取值小于2時，則m＝1；
19、所述權重系數計算方法為：
20、其中，j為權重系數；是s′為某一水平面上其他相鄰井眼占據空間的面積和，㎡；s為某平面空間總面積，㎡；
21、s32、選擇搜索方向，包括：
22、當確定第i個節點后，以第i個節點投影到第i+1層平面的節點為父節點，在第i+1層平面網格中與父節點相鄰的8個節點為子節點，當起始點與目標節點的連線方向傾向于某一子節點方向時，按改進方向策略，舍棄反方向的3個子節點方向，確定其他5個子節點的方向為搜索方向；
23、s33、計算搜索方向節點的總路徑代價，包括：
24、f(n)＝g(n)+j*h(n)
25、f(n)為當前節點的總路徑代價；g(n)為起點移動至當前點所在位置已用的代價，j為權重系數；h(n)為當前點沿搜索地圖到終點理論最小代價，g(n)和h(n)分別通過采用歐幾里得距離計算公式得到代價；
26、s34、選擇總路徑代價最小的節點；
27、所述步驟s34中，選擇總路徑代價最小的節點放入open?list中還包括：
28、判斷步驟s34中總路徑代價最小的節點是否為障礙物和目標節點；
29、當該節點為障礙物時，重新選擇除該節點之外的總路徑代價最小的節點判斷是否為障礙物；
30、當該節點不是障礙物和目標節點時，將該節點放入open?list中作為第i+1個節點，其他節點放入close?list中；并繼續搜索下一節點；
31、當該節點為目標節點時，結束搜索；
32、障礙物為其他相鄰井眼的軌道；
33、s4、搜索路徑平滑處理：
34、s41、將open?list中每個節點依次連接得到最優未平滑處理的路徑；
35、s42、采用貝塞爾曲線對路徑進行優化處理，包括
36、采用貝塞爾曲線對篩選后的路徑優化處理，n階貝塞爾曲線表達式為：
37、
38、其中，pi為步驟s3中搜索得到的第i個節點的坐標，t為貝塞爾曲線獨立參數；
39、s43、結束，得到最優且平滑的路徑。
40、本發明的有益效果：
41、1.本發明中，通過搭建多層柵欄搜索環境，有利于算法并行運行(多個層同時搜索路徑)，算法實現過程可通過多線程編程方式，整體提升繞障搜索效率。從而加速整體搜索過程；提出的引導式啟發函數，有助于引導搜索向未被障礙物占據的區域開展，減少搜索空間，搜索過程決策時間更短，算法魯棒性更高。
42、2.本發明中，引入權重系數，將每一層平面等分為4-5個區域，計算第i+1個節點所在平面的每個區域的權重系數，選擇權重系數小的區域進行搜索，引導搜索向障礙物較少的區域進行搜索，節省搜索時間，提高搜索效率。
43、3本發明中，通過優化算法的搜索方向，大幅減少了不必要搜索節點的個數，提高了算法的搜索效率。