基于MGMA的随钻陀螺仪误差在线补偿

针对随钻测量MEMS陀螺仪输出精度低的问题,提出一种基于磁-重力蜉蝣算法(MGMA)的陀螺误差在线补偿方法。首先,分析随钻陀螺误差来源并推导出误差补偿模型;其次,利用MEMS加速度计无累积误差的特点,根据重力向量叉乘得到向量夹角作为目标函数;此外,考虑到实际钻进时强振动和冲击对加速度计输出的不利影响,利用MEMS磁强计抗振的特点,设计磁模值相对误差约束条件。然后,在MA基础上,针对随钻恶劣环境影响下的陀螺误差参数不断变化问题,根据陀螺和磁强计输出之间的关系自适应确定搜索上下界;并利用重力模值相对误差设计惯性权重,平衡算法的全局探索和局部开发能力;最后,利用磁-重力模值相对误差在子代中引入变异扰动策略,减小陷入局部最优的可能。实验结果表明,经MGMA补偿后的陀螺输出误差明显减小,井斜角误差由9.75°降低至1.52°,且相比于PSO和MA算法具有速度快、精度高的优势。

基于IAO的随钻MEMS加速度计误差参数识别方法

针对随钻测量中MEMS加速度计器件误差变化难以精确识别的问题,提出一种基于改进天鹰算法(IAO)的随钻MEMS加速度计误差参数识别方法。首先根据MEMS加速度计输出模型变换得到非线性误差函数,采用天鹰算法(AO)求解到非线性误差函数的最优值。在AO算法基础上,利用误差参数平均值和迭代次数改善AO算法开采参数的全局搜索能力,基于误差参数最优值和平均值构造径向因子提高AO算法误差参数识别精度。然后采用IAO算法极限逼近非线性误差函数的参数最优值,并通过采样点插值误差数据库完成误差参数校准。最后将IAO算法应用于识别加速度计误差参数,结果表明:IAO算法识别精度比PSO算法、SSA算法和AO算法提高了1~2个数量级,补偿后的加速度计输出误差明显减小。

随钻测量钻具重力加速度提取方法

针对随钻测量(MWD)中钻具重力加速度受振动干扰大引起的井斜角解算严重失真问题,提出基于联邦自适应无迹卡尔曼滤波(FAUKF)的钻具重力加速度提取方法。首先,建立无重置结构的联邦重力信息融合提取框架,选取基于陀螺仪数据的递推重力值作为联邦滤波的公共参考值,分别与解耦的地磁数据观测的重力加速度组合作为子滤波器1,与加速度计数据观测的重力加速度组合作为子滤波器2。然后,对子滤波器的重力状态进行无迹卡尔曼滤波(UKF)算法,期间根据地磁数据观测重力值的抗振性优于加速计的特性,设计子滤波器2对应的抗振因子,再根据陀螺仪短时精度高的输出特性,找到基于陀螺仪数据解耦的地磁参考斜率值,来设计子滤波器1对应的抗磁因子,提升子滤波器性能,接着用自适应开窗因子来确定开窗估计法则中的开窗值,调节新息协方差,通过对新息协方差的估计实现子滤波器量测噪声协方差的实时估计,提高无迹卡尔曼滤波算法精度,进而得到可靠的重力信息局部自适应估计值。最后通过联邦信息融合,进一步得到重力信息的全局估计。通过模拟钻进和实钻实验结果表明,FAUKF算法和FKF算法相比,井斜角误差减小了±1.9°,FAUKF算法下的井斜角误差可控制在±1.2°以内。该方法可有效提取煤矿井下钻具重力加速度,提高井斜测量精度,是获得可靠钻具井斜角的有效方法。

基于ISO的随钻磁力计误差补偿

针对随钻测量(MWD)中,微机电系统(MEMS)磁力计测量地磁数据误差大,导致磁方位角解算精确度低的问题,提出改进技能优化(improved skill optimization,ISO)的磁力计误差参数估计方法。首先根据磁力计输出特性建立多参数误差模型,根据当地地磁矢量与磁力计输出矢量的模值关系,通过最小化原则构造非线性误差目标函数,重力矢量和磁场矢量之间的点积值为固定值作为约束函数,采用SO算法进行寻优。由于磁误差源多估计难度大,在SO基础上提出ISO算法,采用Tent混沌反向学习初始化策略改善初始种群的随机性,保留最优解的同时增加磁误差参数解空间的多样性。引入自适应技能强度因子,并增加成员间技能交叉规避局部最优,改善ISO磁误差参数寻优技能步长,减小算法运行时间,优化全局搜索能力,提高磁力计误差补偿精度。最后通过转台实验和模拟钻进实验验证ISO方法补偿性能,通过与SO算法和PSO算法对比,实验结果表明该算法对磁力计误差参数优化效果显著,计算出的地磁模值误差范围减小至±0.2μT,方位角绝对误差均值降至2.1°,说明了参数优化后磁力计输出误差明显减小,该方法可以有效提高MEMS磁力计量测精度,可以获得可靠的方位角,验证了ISO的有效性。