Skip navigation
BelSU DSpace logo

Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://dspace.bsu.edu.ru/handle/123456789/63982
Название: Machine Learning Methods Based on Geophysical Monitoring Data in Low Time Delay Mode for Drilling Optimization
Авторы: Osipov, A.
Pleshakova, E.
Bykov, A.
Kuzichkin, O.
Surzhik, D.
Ключевые слова: technique
mining
drilling optimization
robotics
artificial intelligence
neural networks
engineering
CapsNet
geophysical monitoring
Дата публикации: 2023
Библиографическое описание: Machine Learning Methods Based on Geophysical Monitoring Data in Low Time Delay Mode for Drilling Optimization / A. Osipov, E. Pleshakova, A. Bykov [et al.] // IEEE Access. - 2023. - Vol.11.-P. 60349-60364. - Refer.: p. 60362-60364.
Краткий осмотр (реферат): The purpose of the article is to create an effective method to monitor the state of the drill string and the bit without interfering with the drilling process itself in low-time delay mode. For continuous monitoring of the well drilling process, an experimental setup was developed that operates on the basis of the use of the phase-metric method of control. Any movement of the bit causes a change in the electrical characteristics of the probing signal
URI (Унифицированный идентификатор ресурса): http://dspace.bsu.edu.ru/handle/123456789/63982
Располагается в коллекциях:Статьи из периодических изданий и сборников (на иностранных языках) = Articles from periodicals and collections (in foreign languages)

Файлы этого ресурса:
Файл Описание РазмерФормат 
Kuzichkin_Machine_23.pdf1.24 MBAdobe PDFПросмотреть/Открыть
Показать полное описание ресурса Просмотр статистики


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.