复杂地质钻进过程中，钻速模型一般是非凸的，且钻速优化过程中需要考虑各类线性和非线性约束。针对上述问题，研究所提出一种非凸非线性钻速优化新方法。传统确定性或启发式优化算法在面对非凸非线性钻速优化问题时，优化精度不高且易陷入局部最优。基于之前研究所提新型蝙蝠算法，通过引入定向回声定位和改进局部随机步策略，提出一种新型混合蝙蝠算法，能够进一步提高算法的全局搜索能力和优化解稳定性，同十种知名优化算法在IEEE CEC 2005标准测试集函数实验的对比结果验证了所提算法的优越性；提出一种基于新型混合蝙蝠算法的钻速优化框架，将上述算法应用于钻速优化，同时考虑地层条件变化、钻头磨损等各类等式或不等式非线性约束，同四种当前知名钻速优化算法的对比实验结果验证了所提方法的先进性，为保障钻进过程高效运行提供钻进操作参数推荐值，大大提升钻进效率。
Chao Gan, Wei-Hua Cao, Kang-Zhi Liu, Min Wu, Fa-Wen Wang, Suo-Bang Zhang. A new hybrid bat algorithm and its application to the ROP optimization in drilling processes[J]. IEEE Transactions on Industrial Informatics, 2019, https://doi.org/10.1109/TII.2019.2943165.
图1 钻进过程
图2 钻速优化结构