摘要：为有效控制输电塔的有害振动需要了解其振动特性,提出一种惯性测量数据矩阵模式的输电塔振动分析方法。将微惯性测量单元(Micro-Inertia-Measurement-Unit,MIMU)安装在输电塔上通过Kalman滤波预处理三轴原始数据,重构权重奇异值分解(Weighted Singular Value Decomposition,WSVD)后的相干振动分量建立平动/扭动矩阵。提取矩阵序列中的变换矩阵,计算其Frobenius范数度量暂态振动间的变异度来估计幅值与频率。根据幅频参数计算振动耗能,观测输电塔各轴向以及整体的振动情况。最后设计振动台、转台实验验证振动数据处理方法的有效性,并对不同风荷载下的塔线模型与真型风振试验进行特性分析。结果表明输电塔振动以水平方向的平动形式为主,随风向夹角的增大其非线性效应逐渐增强,所提出的数据处理方法能够有效获得振动信息,可为控制有害振动的阻尼器的设计提供参考。

摘要：为解决振动下惯性随钻测量(Measurement While Drilling,MWD)方位角失真的问题,提出一种方位漂移在线闭环补偿方法。考虑陀螺仪随时间漂移而加速度计长时测量稳定,利用多传感器分布式信息融合,获得微惯性测量单元(Micro Inertial Measurement Unit,MIMU)测量加速度和重力加速度在钻具坐标系下的向量误差,建立存在振动的方位陀螺漂移PI控制模型,设计一种基于函数逼近理论的新型神经网络结构,通过优化权值直接确定法(Optimized Weights Direct Determination,OWDD)快速确定网络权值,将神经网络辨识信息反馈给PI控制器,实现对方位陀螺漂移的自适应控制,实时跟踪误差趋向并补偿。最后设计实验,振动台实验中方位角误差由10.15°/h减小到0.21°/h,实际钻井实验中方位角误差由10.53°/h减小到0.3°/h。结果表明振动下方位角测量精度明显提高。

摘要：针对旋转钻井过程中对钻头异常振动(横向振动、纵向振动、扭转振动)信号识别准确率低,效率差,导致钻具损坏甚至井眼报废的问题,提出一种基于局部均值分解(local mean decomposition, LMD)和脉冲神经网络的异常振动识别方法。首先,采用局部均值分解将微机电系统(Micro Electro Mechanical System, MEMS)加速度计信号分解为具有振动特征的PF分量;然后,从分解的乘积函数(Product function, PF)分量中提取随钻异常振动特征,并将提取到的加速度计振动特征编码为脉冲;其次,使用改进的学习规则训练脉冲神经网络对随钻异常振动进行识别。设计模拟实钻实验和仿真,训练后的脉冲神经网络可以对随钻振动的识别度达到99.39%,显示了该方法在实际应用中的巨大潜力。

摘要：为提高钻探中的钻具姿态测量精度,提出一种基于重力四元数的MEMS惯性随钻姿态测量方法。采用MEMS惯性器件构建钻具姿态测量系统,把加速度计数据解算的姿态四元数作为观测四元数,陀螺仪数据解算的姿态四元数作为误差四元数;然后将陀螺仪漂移融入误差四元数,建立重力四元数估计陀螺仪误差四元数的模型,采用最小二乘法估计陀螺仪三轴漂移,进而补偿陀螺仪姿态四元数;通过补偿后的姿态四元数解算出钻具姿态。最后设计了转台、振动台实验和钻进模拟实验,实验结果表明,姿态四元数补偿后的井斜角和工具面角漂移由平均10°/h减小到约0.2°/h,方位角误差由平均12°/h减小到约0.46°/h,实现了加速度计补偿陀螺的三轴漂移,表明该方法能够有效提高钻具的姿态测量精度。

摘要：在随钻测量中,地磁矢量是解算方位角的关键信息,但地磁测量时,容易受到磁干扰的影响,为进一步提高方位角测量精度,提出了基于等效旋转调制的地磁提取算法。首先概述了地磁向量的误差模型;根据随钻测量环境特征设计了旋转随钻测量系统方案;并根据多测点的统计信息设计了统计卡尔曼滤波器对地磁参数进行估计。最后通过自主研发的磁惯性测量模块进行模拟物理实验和旋转钻进实验。实验表明:基于等效旋转调制的地磁提取算法能够将方位角的绝对误差从椭球拟合的4.88°,降低至0.45°。