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

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。
在这里插入图片描述
   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。
在这里插入图片描述
   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:
在这里插入图片描述
   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

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:/a/110172.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【如何写论文】硕博学位论文的结构框架、过程与大纲分析

硕士论文可以说是毕业前最重要的一部分,也可以说是展示和检验你3年研究生学习的成果的一个考试。硕士论文答辩和检验合格,才能够顺利拿到毕业生和学位证,可见其重要性。 目录 一、基础框架1.1、摘要(Abstract)1.2、绪论…

PFAF-Net

I 1 _1 1​和I 2 _2 2​是多模态图像,I F _F F​是融合图像。FT 1 _1 1​是基于空间注意力的融合,FT 2 _2 2​是基于通道注意力的融合 作者未提供代码

【贝叶斯回归】【第 1 部分】--pyro库应用

Bayesian Regression - Introduction (Part 1) — Pyro Tutorials 1.8.6 documentation 一、说明 我们很熟悉线性回归的问题,然而,一些问题看似不似线性问题,但是,用贝叶斯回归却可以解决。本文使用土地平整度和国家GDP的关系数据…

1.4 安全服务

思维导图: 1.4 安全服务 定义:在通信开放系统中,为系统或数据传输提供足够安全的协议层服务。 RFC4949 定义:由系统提供的对系统资源进行特殊保护的处理或通信服务。安全服务通过安全机制来实现安全策略。 分类:X.800 …

Flask-SQLAlchemy事件钩子介绍

一、前言 前几天在搜资料的时候无意中看到有介绍SQLAlchemy触发器,当时感觉挺奇怪的,触发器不是数据库层面的概念吗,怎么flask-SQLAlchemy这个ORM框架会有这玩意。 二、SQLAlchemy触发器一个简单例子 考虑到效率博客表中有两个字段&#xf…

ELFK(filebeat)部署

部署环境 主机名ip地址主要软件系统node1192.168.154.70ElasticSearh、KibanaCentos7.5node2192.168.154.60ElasticSearhCentos7.5Apache192.168.154.50Logstash、ApacheCentos7.5Filebeat192.168.154.40FilebeatCentos7.5 Node1节点上安装Filebeat #上传软件包 filebeat-6…

nodejs+vue学生考勤综合平台的设计与实现-计算机毕业设计

在当今高度发达的信息中,信息管理改革已成为一种更加广泛和全面的趋势。 “学生考勤综合平台”是基于Mysql数据库,在 程序设计的基础上实现的。为确保中国经济的持续发展,信息时代日益更新,蓬勃发展。 因此,国内外技术…

【JavaSE专栏56】Java面向对象编程:深入理解类、对象、属性和方法的核心概念

Java面向对象编程:深入理解类、对象、属性和方法的核心概念 📚🧬💻 摘要引言1. Java中的类和对象 📚🧬1.1 什么是Java类和对象? 🤔1.2 类和对象在面向对象编程中的作用 &#x1f3af…

轻量封装WebGPU渲染系统示例<10>- 容器(源码)

当前示例源码github地址: https://github.com/vilyLei/voxwebgpu/blob/main/src/voxgpu/sample/REntity3DContainerTest.ts 此示例渲染系统实现的特性: 1. 用户态与系统态隔离。 2. 高频调用与低频调用隔离。 3. 面向用户的易用性封装。 4. 渲染数据和渲染机制分离。 5.…

【C语言初学者周冲刺计划】1.1用筛选法求100之内的素数

目录 1解题思路: 2代码如下: 3运行代码如图所示: 4总结: (前言周冲刺计划:周一一个习题实操,依次类推加一,望各位读者可以独自实践敲代码) 1解题思路: 首先了解筛选法定义:先把…

7.scala方法初探

概述 在 scala 中,方法定义在内中,这点类似于 java ,此文说明如何定义方法,及方法一些 用法 相关链接 阅读之前,可以先行浏览一下 官方文档 scala相关文章 定义一个参数的方法 这个例子定义了一个名为 double 方法&a…

软考系统架构师知识点集锦二:软件工程

一、考情分析 二、考点精讲 2.1 软件过程模型 (1)原型模型 典型的原型开发方法模型。适用于需求不明确的场景,可以帮助用户明确需求。可以分为[抛弃型原型]与[演化型原型] 原型模型两个阶段: 1、原型开发阶段;2、目标软件开发阶段。 &#x…

AI:41-基于基于深度学习的YOLO模型的玉米病害检测

🚀 本文选自专栏:AI领域专栏 从基础到实践,深入了解算法、案例和最新趋势。无论你是初学者还是经验丰富的数据科学家,通过案例和项目实践,掌握核心概念和实用技能。每篇案例都包含代码实例,详细讲解供大家学习。 📌📌📌本专栏包含以下学习方向: 机器学习、深度学…

辅助驾驶功能开发-功能规范篇(22)-5-L2级辅助驾驶方案功能规范

1.3.5 LKA 系统功能定义 1.3.5.1 状态机 1.3.5.2 状态迁移表 初始状态转移状态转移条件INITOFF系统自检过程中,为 OFF 状态,自检无故障且车辆上次掉电前,为 OFF 状态INITSTANDBY自检无故障,车辆为首次上电,或者上次掉电之前,系统为非 OFF 状态INITFAILURE系统自检故障,…

网络工程师重点总结

网络工程师重点 OSI七层模型三层网络结构信息保护安全等级划分子网作用帧长度IPv4和IPv6自动隧道和手动隧道WLAN接入安全控制中,采用的安全措施看冲突域和广播域数量递归查询和迭代查询区别三次握手和四次握手 OSI七层模型 1.物理层:实现实际终端信号的…

嵌入式基础知识-RSA非对称加密基本原理

之前的文章嵌入式基础知识-信息安全与加密,介绍过数据加密的一些基本概念,对称加密的原理比较简单,加密和解密的密钥相同,而非对称加密,两个密钥不同,本篇就来具体介绍RSA这种非对称加密的密钥计算原理。 …

听GPT 讲Rust源代码--library/std(7)

题图来自 Programming languages: How Google is using Rust to reduce memory safety vulnerabilities in Android[1] File: rust/library/std/src/sys/unix/kernel_copy.rs 在Rust的标准库中,kernel_copy.rs文件位于sys/unix目录下,其主要作用是实现特…

VMware下载安装

文章目录 VM16.0下载VM最新版Resource下载历史版本搜索 VMware workstation选择版本 VM安装产品激活密钥百度找一下就好 VM16.0 本人使用的是VM16 提取码1152 下载VM最新版 打开VMware官网 Resource下载历史版本 搜索 VMware workstation 选择版本 VM安装 产品激活密钥百…

dracut添加指定固件

文章目录 linux-firmware1、固件介绍2、Microcode updates for CPUs3、如何添加固件 linux-firmware 1、固件介绍 存放在 /lib/firmware,固件来自kernel 仓库更多的固件可以参考git仓库,https://git.kernel.org/pub/scm/linux/kernel/git/firmware/lin…

配音软件怎么选?推荐三款自用好评的

会刷短视频的小伙伴肯定知道,很多创作者想让自己的视频更加丰富,呈现更加完美的视频效果,往往会在视频里的空境部分加入一些旁白解说,你们难道就不好奇吗?这些声音为什么这么想真人说的话,而且还可以这么自…