课题学习(九)----阅读《导向钻井工具姿态动态测量的自适应滤波方法》论文笔记

这篇具有很好参考价值的文章主要介绍了课题学习(九)----阅读《导向钻井工具姿态动态测量的自适应滤波方法》论文笔记。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、 引言

   引言直接从原论文复制,大概看一下论文的关键点:

垂直导向钻井工具在近钻头振动和工具旋转的钻井工作状态下,工具姿态参数的动态测量精度不高。为此,通过理论分析和数值仿真,提出了转速补偿的算法以消除工具旋转对测量的影响; 采用最小均方算法( Least Mean Square—LMS) 自适应滤波算法,可以有效滤除近钻头振动对测量的影响。数值仿真表明,经过转速补偿和LMS 自适应滤波后的井斜角测量误差可小于0. 1°,工具面角测量误差小于6°,有效地提高了垂直导向钻井工具的动态测量精度。

   关键点:转速补偿的算法以消除工具旋转对测量的影响;用最小均方算法( Least Mean Square—LMS) 自适应滤波算法,可以有效滤除近钻头振动对测量的影响。

二、 动态测量中的问题

2.1 旋转运动对姿态测量的影响

   在实际钻井过程中,设导向工具绕其回转中心以转速ω 旋转,则重力加速度计的工作状态如图1所示,图中R 为加速度计中心O’ 到工具回转中心O的距离。
课题学习(九)----阅读《导向钻井工具姿态动态测量的自适应滤波方法》论文笔记,课题学习,学习,论文阅读,动态测量,自适应滤波器
   此时,X 轴 将会受到切向的附加惯性力作用,因此作用在X轴加速度计质量块的加速度 a x a_x ax不仅仅是重力加速度分量,还包括切向附加惯性力加速度。由加速度线性叠加原理得: a x = g x + α x = g s i n θ s i n φ + d ω d t R a_x=g_x+\alpha_x=gsin\theta sin\varphi +\frac{d\omega}{dt}R ax=gx+αx=gsinθsinφ+dtdωR
   其中, g x g_x gx为X 轴重力加速度分量,单位为 m / s 2 m/s^2 m/s2 ; α x \alpha_x αx为X 轴所受到的切向附加惯性力加速度,单位为 m / s 2 m/s^2 m/s2,它与转速ω 的变化率成正比例; θ 为井斜角、φ 为工具面角。
   Y 轴重力加速度计质量块也会因旋转而受到离心力作用,其加速度
a x = g x + α x = g s i n θ s i n φ + ω 2 R a_x=g_x+\alpha_x=gsin\theta sin\varphi +\omega^2R ax=gx+αx=gsinθsinφ+ω2R
   其中, g y g_y gy为Y 轴重力加速度分量,单位为 m / s 2 m/s^2 m/s2; α x \alpha_x αx为Y轴所受到的离心力加速度,单位为 m / s 2 m/s^2 m/s2,它与转速平方成正比。由上面两个公式可知,当工具转速较高时,安装在导向工具上的重力加速度计在井眼的不同方位上将产生差异较大的测量信号,从而导致工具姿态的较大测量误差

2.2 近钻头振动对姿态测量的影响

   在正常钻进过程中,钻头切削岩石会使钻柱产生横向和纵向振动,且横向振动尤为明显。近钻头振动信号有3 大特性:

①牙轮钻头牙齿吃入岩石形成高频特性;
②近钻头震源具有宽频性;
③钻头牙齿、牙轮与钻头整体复合运动具有随机性。

   近钻头振动信号的幅值一般在10g左右( g 为重力加速度, g = 0.9 m / s 2 g=0.9m/s^2 g=0.9m/s2 ) ,最大可达到30g。因此,近钻头的振动加速度一般远大于重力加速度,弱小的重力加速度信号将湮灭在振动加速度噪声中,导致工具姿态测量无效。根据近钻头横向振动信号特性,采用幅值为6 g 的随机白噪声来模拟近钻头高频随机振动信号,信号特征如下图所示。
课题学习(九)----阅读《导向钻井工具姿态动态测量的自适应滤波方法》论文笔记,课题学习,学习,论文阅读,动态测量,自适应滤波器
   设仅考虑近钻头处的横向振动,其对X、Y 轴向分解后分别记为Ax、Ay,设 A x = K x g A_x=K_xg Ax=Kxg A y = K y g A_y=K_yg Ay=Kyg; K x 、 K y K_x、K_y KxKy为最大值为10 的随机系数。假设近钻头振动、旋转运动以及重力加速度对加速度计的影响线性可加,则X,Y 轴重力加速度计的测量信号为 V ^ x = V x + V r x + V p x = V g s i n θ s i n φ + V g R g d ω d t + K x V g \hat{V}_x=V_x+V_{rx}+V_{px}=V_gsin\theta sin\varphi +V_g\frac{R}{g}\frac{d\omega}{dt}+K_xV_g V^x=Vx+Vrx+Vpx=Vgsinθsinφ+VggRdtdω+KxVg
V ^ y = V y + V r y + V p y = V g s i n θ c o s φ + V g R g ω 2 + K y V g \hat{V}_y=V_y+V_{ry}+V_{py}=V_gsin\theta cos\varphi +V_g\frac{R}{g}\omega^2+K_yV_g V^y=Vy+Vry+Vpy=Vgsinθcosφ+VggRω2+KyVg
   其中: V x 、 V y V_x、V_y VxVy为加速度计的理想输出信号; V r x 、 V r y V_{rx}、V_{ry} VrxVry分别为X、Y 轴加速度计的旋转附加信号; V p x 、 V p y V_{px}、V_{py} VpxVpy为振动产生的附加信号。

三、导向工具姿态动态测量方法

3.1 工具旋转转速补偿算法

   考虑到工具旋转时的附加信号 V r x 、 V r y V_{rx}、V_{ry} VrxVry为转速ω的函数,因此,利用速率陀螺仪实时测出工具转速ω,则可进行误差校正。
   设由速率陀螺仪测得导向工具转速为 ω ^ \hat{\omega} ω^( 考虑速率陀螺仪的测量误差为5%) ,可计算得工具旋转附加信号估计值为 V ^ r x 、 V ^ r y \hat{V}_{rx}、\hat{V}_{ry} V^rxV^ry利用2.2节的公式进行校正: V ^ x 1 = V ^ x − V ^ r x = V x + V p x \hat{V}_{x1}=\hat{V}_{x}-\hat{V}_{rx}=V_x+V_{px} V^x1=V^xV^rx=Vx+Vpx
V ^ y 1 = V ^ y − V ^ r y = V y + V p y \hat{V}_{y1}=\hat{V}_{y}-\hat{V}_{ry}=V_y+V_{py} V^y1=V^yV^ry=Vy+Vpy

3.2 振动信号的自适应滤波

   近钻头振动信号是一种宽带噪声信号,自适应滤波器利用其自动调节参数的优势,无需知道输入信号和噪声统计特性,自动跟踪噪声源,将噪声滤除。自适应滤波的基本思想是: 将振动信号与滤波估计出的参考信号进行抵消操作
   自适应滤波器有两路输入:

一路为原始通道,其不仅接收加速度计测量信号 V x ( k ) V_x(k) Vx(k)( 将加速度传感器测量信号离散化) ,还接收和信号 V x ( k ) V_x(k) Vx(k)不相关的近钻头振动附加信号 V r p 0 ( k ) V_{rp0}(k) Vrp0(k)

另一路为参考输入通道,其接收与信号 V x ( k ) V_x(k) Vx(k)不相关且与振动信号 V r p 0 ( k ) V_{rp0}(k) Vrp0(k)相关的振动信号 V r p 1 V_{rp1} Vrp1

   自适应滤波器原理图结构如下所示:
课题学习(九)----阅读《导向钻井工具姿态动态测量的自适应滤波方法》论文笔记,课题学习,学习,论文阅读,动态测量,自适应滤波器
   根据自适应滤波器的特性,振动信号 V r p 1 ( k ) V_{rp1}(k) Vrp1(k)经过LMS自适应滤波器自动调整输出后,得到 V r p 1 ( k ) V_{rp1}(k) Vrp1(k)的估计信号,即 y ( k ) = V ^ r p 1 ( k ) y(k)=\hat{V}_{rp1}(k) y(k)=V^rp1(k).
   则自适应滤波器系统输出的误差信号e( k) 等于原始信号和参考输入信号的差值,表示为: e ( k ) = V x ( k ) + V r p 0 ( k ) − V ^ r p 1 ( k ) e(k)=V_x(k)+V_{rp0}(k)-\hat{V}_{rp1}(k) e(k)=Vx(k)+Vrp0(k)V^rp1(k)
   对这个式子做一个变形: e ( k ) − V x ( k ) = V r p 0 ( k ) − V ^ r p 1 ( k ) e(k)-V_x(k)=V_{rp0}(k)-\hat{V}_{rp1}(k) e(k)Vx(k)=Vrp0(k)V^rp1(k)
   并且对上面的两边同时开平方并取均方误差: E [ e 2 ( k ) ] = E [ V x 2 ( k ) ] + E [ ( V r p 0 ( k ) − V r p 1 ( k ) ) 2 ] + 2 E [ V x ( K ) ( V r p ( k ) − V r p 1 ( k ) ) ] E[e^2(k)]=E[{V_x}^2(k)]+E[(V_{rp0}(k)-V_{rp1}(k))^2]+2E[V_x(K)(V_{rp}(k)-V_{rp1}(k))] E[e2(k)]=E[Vx2(k)]+E[(Vrp0(k)Vrp1(k))2]+2E[Vx(K)(Vrp(k)Vrp1(k))]
   E [ e 2 ( k ) ] E[e^2(k)] E[e2(k)]表示功率信号, V x ( k ) V_x(k) Vx(k) V r p 1 ( k ) V_{rp1}(k) Vrp1(k)无关,所以 2 E [ V x ( K ) ( V r p ( k ) − V r p 1 ( k ) ) ] = 0 2E[V_x(K)(V_{rp}(k)-V_{rp1}(k))]=0 2E[Vx(K)(Vrp(k)Vrp1(k))]=0,因此, 均方误差 E [ e 2 ( k ) ] E[e^2(k)] E[e2(k)] 最小, 等价于 E [ ( V r p 0 ( k ) − V r p 1 ( k ) ) 2 ] E[(V_{rp0}(k)-V_{rp1}(k))^2] E[(Vrp0(k)Vrp1(k))2]达到最小。
   LMS 自适应滤波过程是由其权向量迭代公式: W ( k + 1 ) = W ( k ) + 2 μ e ( k ) x ( k ) W(k+1)=W(k)+2\mu e(k)x(k) W(k+1)=W(k)+2μe(k)x(k)
   自身调节权值 W ( k ) W(k) W(k)使得 E [ e 2 ( k ) ] E[e^2(k)] E[e2(k)]达到最小。
   式中: μ \mu μ为调整搜索步长的正值常数,其收敛速度与系统稳定性有关; W ( k ) W(k) W(k)为系统第k 次迭代权系数; x ( k ) x(k) x(k)为输入信号。
   根据 e ( k ) − V x ( k ) = V r p 0 ( k ) − V ^ r p 1 ( k ) e(k)-V_x(k)=V_{rp0}(k)-\hat{V}_{rp1}(k) e(k)Vx(k)=Vrp0(k)V^rp1(k),所以在LMS 准则下, E [ ( V r p 0 ( k ) − V r p 1 ( k ) ) 2 ] E[(V_{rp0}(k)-V_{rp1}(k))^2] E[(Vrp0(k)Vrp1(k))2]被最小化的同时, E [ ( V r p 0 ( k ) − V r p 1 ( k ) ) 2 ] E[(V_{rp0}(k)-{V}_{rp1}(k))^2] E[(Vrp0(k)Vrp1(k))2]也被最小化了,即LMS 自适应滤波器的输出 y ( k ) y(k) y(k) V r p 1 ( k ) V_{rp1}(k) Vrp1(k)逼近等效于 e ( k ) e(k) e(k) V x ( k ) V_x(k) Vx(k) 逼近,从而系统输出的是加速度计信号 V x ( k ) V_x(k) Vx(k)的最佳估计。
  剩下的内容为效果仿真了,具体就不再看了,论文整体上思路很简单,也好理解,细心看一下就好,而且本篇论文实际稍微有点远,为2016的论文,有兴趣的可以从知网下载。

四、往期回顾

课题学习(一)----静态测量
课题学习(二)----倾角和方位角的动态测量方法(基于磁场的测量系统)
课题学习(三)----倾角和方位角的动态测量方法(基于陀螺仪的测量系统)
课题学习(四)----四元数解法
课题学习(五)----阅读论文《抗差自适应滤波的导向钻具动态姿态测量方法》
课题学习(六)----安装误差校准、实验方法
课题学习(七)----粘滑运动的动态算法
课题学习(八)----卡尔曼滤波动态求解倾角、方位角文章来源地址https://www.toymoban.com/news/detail-731115.html

到了这里,关于课题学习(九)----阅读《导向钻井工具姿态动态测量的自适应滤波方法》论文笔记的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Cesium模型漫游过程中姿态动态调整

    一、功能设计 模型漫游过程中姿态动态调整有两种情况: 1)速度沿默认方向-运动过程中的姿态动态调节 2)沿速度矢量方向-运动过程中姿态的动态调节 二、对数据和服务的要求 gltf数据 三、接口设计 通过修改AnimationTool上的modelHeading,modelPitch,modelRoll来进行姿态动态调节

    2024年02月13日
    浏览(36)
  • 《智能手机心率和呼吸率测量算法的前瞻性验证》阅读笔记

    目录 一、论文摘要 1.背景 2.方法 3.结果 4.结论 二、论文十问

    2024年02月11日
    浏览(36)
  • 机器学习和深度学习检测网络安全课题:DDOS检测、恶意软件、恶意流量检测课题资料

    开源的DDOS检测工具 https://github.com/equalitie/learn2ban 基于KDDCUP 99数据集预测DDoS攻击 基于谱分析与统计机器学习的DDoS攻击检测技术研究 基于机器学习的分布式拒绝服务攻击检测方法研究 DDoS Attacks Using Hidden Markov Models and Cooperative ReinforcementLearning* 恶意软件检测 https://github.com/dc

    2024年01月18日
    浏览(47)
  • 【数学建模】钻井问题

    已知 12口井的坐标位置如下: x=[0.50,1.41,3.00,3.37,3.40,4.72,4.72,5.43,7.57,8.38,8.98, 9.50]; y=[2.00,3.50,1.50,3.51,5.50,2.00,6.24,4.10,2.01,4.50,3.41,0.80]; 设平面有n个点 P i P_i P i ​ (表旧井井位),其坐标为 ( a i , b i ) , i = 1 , 2 , … , n (a_i,b_i),i=1,2,…,n ( a i ​ , b i ​ ) , i = 1 , 2 , … , n 。新置的井位是一

    2024年04月26日
    浏览(136)
  • 2022最新!视觉SLAM综述(多传感器/姿态估计/动态环境/视觉里程计)

    目录 摘要 视觉SLAM算法的发展 相关综述 VSLAM 设置标准 传感器和数据采集 目标环境 视觉特征处理 系统评估 语义等级 基于主要目标的VSLAM方法 目标一:多传感器处理 目标二:姿态估计 目标三:现实世界可行性 目标四:资源限制 目标五:弹性化(Versatility) 目标六:视觉里

    2023年04月20日
    浏览(53)
  • 〖编程初学者的自我修养 - 精炼面试篇④〗- 以结果为导向介绍自己的学习成果与工作经历

    人之所以会觉得迷茫,本质上是欠缺对自己的一个控制力、识别庞杂信息、去伪存真的独立思考与认知能力。 说明:该文属于 程序员的自我修养 专栏, 购买任意白宝书体系化专栏可加入 易编程社区, 早鸟价订阅模式除外 。 福利:加入社区的小伙伴们,除了可以获取博主

    2024年02月12日
    浏览(35)
  • 大数据 深度学习毕业论文(毕设)课题汇总

    以下为学长手动整理python 毕业设计 项目,完全可以作为当前较新的毕业设计题目选择方向,给各位同学参考 毕设帮助,开题指导,资料分享,疑问解答(见文末) 1 基于MapReduce的气候数据的分析 2 基于的文本知识的挖掘系统的设计与实现 3 基于概率图模型的蛋白质功能

    2024年03月17日
    浏览(50)
  • 课题学习(十九)----Allan方差:陀螺仪噪声分析

       Allan方差是一种分析时域数据序列的方法,用于测量振荡器的频率稳定性。该方法还可用于确定系统中作为平均时间函数的本征噪声。该方法易于计算和理解,是目前最流行的识别和量化惯性传感器数据中存在的不同噪声项的方法之一。该方法的结果与适用于惯性传感器

    2024年01月22日
    浏览(44)
  • 【一步步开发AI运动小程序】九、姿态辅助调试桌面工具折使用

    随着人工智能技术的不断发展,阿里体育等IT大厂,推出的“乐动力”、“天天跳绳”AI运动APP,让 云上运动会、线上运动会、健身打卡、AI体育指导 等概念空前火热。那么,能否将这些在APP成功应用的场景搬上小程序,分享这些概念的红利呢?本系列文章就带您一步一步从

    2024年02月06日
    浏览(63)
  • 【一步步开发AI运动小程序】九、姿态辅助调试桌面工具的使用

    随着人工智能技术的不断发展,阿里体育等IT大厂,推出的“乐动力”、“天天跳绳”AI运动APP,让 云上运动会、线上运动会、健身打卡、AI体育指导 等概念空前火热。那么,能否将这些在APP成功应用的场景搬上小程序,分享这些概念的红利呢?本系列文章就带您一步一步从

    2024年02月07日
    浏览(52)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包