一种基于模糊神经网络的旋转导向电机调速方法技术

本发明专利技术公开了一种基于模糊神经网络的旋转导向电机调速方法，其基于模糊神经网络控制，广泛应用于非线性电机调速领域。针对指向式旋转导向系统偏心轴电机转速的非线性和滞后性等特性，将模糊神经网络控制应用到指向式旋转导向系统偏心轴电机转速中，这种方法能够对指向式旋转导向系统偏心轴电机转速进行精确控制，具有较好的鲁棒性和较快的反应速度。

【技术实现步骤摘要】
一种基于模糊神经网络的旋转导向电机调速方法
本专利技术涉及石油、天然气钻井设备
，尤其是应用于旋转导向领域且基于模糊神经网络PID控制器的一种基于模糊神经网络的旋转导向电机调速方法。
技术介绍
旋转导向钻井技术是迈向自动化、智能化钻井的重要标志，是以井下闭环控制系统为核心的三维井眼轨迹控制钻井技术，代表了当今油气钻井工程的领先水平。近几年，国外在水平井、大位移井、三维多目标井钻井，尤其针对北美页岩气井，广泛推广应用旋转导向钻井技术，既提高了钻井速度，减少了事故，也降低了钻井成本，达到了降本增效的目的。旋转导向系统按导向方式可分为推靠式和指向式。推靠式旋转导向系统主要利用导向块推靠井壁，从而对钻头产生侧向力，推动钻头离开该方向，以达到改变井斜和方位的目的。指向式旋转导向系统通过外套与旋转主轴之间的偏置机构使主轴偏置，从而为钻头提供一个与井眼轴线不一致的倾角，产生导向作用。由于指向式较于推靠式，工作时不推靠井壁，因此指向式旋转导向钻井系统钻出的井眼轨迹更为平滑，井眼质量更好，成为目前旋转导向系统技术的发展方向。偏心轴电机是指向式旋转导向系统的关键导向部件之一。偏心轴电机输出扭矩，通过齿轮减速箱驱动偏心轴转动，偏心轴又通过偏心安装的轴承与钻头驱动轴相连接，带动钻头转动。偏心轴转动方向与钻铤相反，当二者转速一致时，偏心轴相对于大地为不旋转体，此时工具面角不变。因此，为改变工具面，偏心轴电机需提高或降低转速，与钻铤转速产生一定的偏差，当达到预期工具面后，偏心轴电机再次保持与钻铤相同的转速，使新工具面稳定。与常规电机转速单速度闭环控制不同，指向式旋转导向系统要求在只控制偏心轴转速的情况下，控制偏心轴转速在能达到钻铤转速的同时，工具面也能达到希望控制的位置，即同时实现转速速度环与工具面角位置环的双闭环控制。目前已有的旋转导向系统偏心轴电机转速在线调速PID系统工作状态不稳定，抗干扰能力弱。因此，研制一种基于模糊神经网络的旋转导向电机调速方法，以克服上述缺陷。
技术实现思路
本专利技术的目的在于弥补现有技术的不足之处，提供一种基于模糊神经网络的旋转导向电机调速方法，其计算精度高、抗干扰能力强、模型结构自动更新和优化、推广性能好，而且集合了模糊控制与神经网络的优点，既能利用有限的模糊规则信息进行模糊逻辑推理，还有对非线性系统很好的逼近能力，在解决非线性、大时滞的问题上有很好的效果。为了解决上述技术问题，本专利技术采用如下技术方案：一种基于模糊神经网络的旋转导向电机调速方法，包括以下步骤：步骤S1、计算指向式旋转导向系统已钻井眼轨迹和设计井眼轨迹之间的几何偏移矢量；步骤S2、根据计算得出的几何偏移矢量，对指向式旋转导向系统偏心轴电机的角速度进行PID控制调节。进一步地，所述步骤S1的具体过程如下：步骤S11、计算指向式旋转导向系统已钻井眼曲率k；步骤S12、计算指向式旋转导向系统已钻井眼轨迹的装置角TFApath；步骤S13、计算旋转导向系统位置偏移矢量AC’以及旋转导向系统工具的工具面TFARSS。进一步地，所述步骤S2的具体过程如下：步骤S21、采用常规的PID控制器对控制对象进行闭环控制，由模糊神经网络对PID控制器的3个参数进行在线调整，从而实现PID控制器控制参数的自适应控制；步骤S22、建立模糊神经网络；模糊神经网络包括输入层、隶属函数层、模糊推理层、归一化层、输出层；其中，输入层用于将偏心轴电机转速的转速误差e和转速误差变化率△e传递到隶属函数层；隶属函数层用于负责对输入变量进行模糊化处理，计算输入层的各个分量相对于各个语言变量值模糊集合的隶属度函数；模糊推理层中的每个节点分别表示已知模糊规则库中的一条模糊规则，该层用于确定模糊规则的匹配情况，并计算出各个模糊规则的适应度；归一化层的节点数与模糊推理层的节点数相同，该层用于实现归一化运算；输出层是将PID控制器的三个指标比例系数KP、积分系数Ki、微分增益系数Kd作为输出，进行清晰化运算；步骤S23、对模糊神经网络结构参数的优化；模糊神经网络参数隶属高斯函数的均值、标准差和网络连接权值通过随机梯度下降的训练方法，对参数不断调整，实现对旋转导向系统工具的工具面的实时环节与时滞环节进行非线性精准控制。进一步地，所述步骤S23的具体过程如下：步骤S231、初始化；粒子群初始化包括设置粒子数、粒子初始位置、速度、惯性因子、加速因子、最大迭代次数；步骤S232、采用粒子群算法改进模糊神经网络结构参数最优解；步骤S233、循环次数增1；若满足最优解条件，则得到改进的最优个体；步骤S234、如果进化满足最大迭代次数，便停止迭代过程，同时得出模糊神经网络结构参数最优解，否则将跳至步骤S232进行循环执行。与现有技术相比，本专利技术的有益效果是：(1)与常规控制方法相比，本实施例的实时环节上升时间、时滞环节上升时间大大缩短，使得模糊神经网络具有更好的鲁棒性和跟踪能力，更加适合在线训练学习；(2)利用该控制方法对指向式旋转导向系统偏心轴电机转速处理后，在保证实时环节调节时间符合要求时，也可减少实时环节超调量。附图说明为了使本专利技术的优点更容易理解，将通过参考在附图中示出的具体实施方式更详细地描述上文简要描述的本专利技术。可以理解这些附图只描绘了本专利技术的典型实施方式，因此不应认为是对其保护范围的限制，通过附图以附加的特性和细节描述和解释本专利技术。图1为本专利技术提供的关于一种基于模糊神经网络的旋转导向电机调速方法的流程图；图2为本专利技术提供的关于一种基于模糊神经网络的旋转导向电机调速方法的模糊神经网络结构；图3为本专利技术提供的关于一种基于模糊神经网络的旋转导向电机调速方法的旋转导向系统工具计算示意图；图4为本专利技术提供的关于一种基于模糊神经网络的旋转导向电机调速方法的旋转导向系统工具偏移矢量计算示意图；图5为本专利技术提供的关于一种基于模糊神经网络的旋转导向电机调速方法的粒子群算法流程图；图6为本专利技术提供的关于一种基于模糊神经网络的旋转导向电机调速方法的效果图。具体实施方式在下文的描述中，给出了大量具体的细节以便提供对本专利技术更为彻底的理解。然而，对于本领域技术人员来说显而易见的是，本专利技术实施方式可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本专利技术实施方式发生混淆，对于本领域公知的一些技术特征未进行描述。为了彻底了解本专利技术实施方式，将在下列的描述中提出详细的结构。显然，本专利技术实施方式的施行并不限定于本领域的技术人员所熟习的特殊细节。本专利技术的较佳实施方式详细描述如下，然而除了这些详细描述外，本专利技术还可以具有其他实施方式。下面结合附图对本专利技术的实施例作进一步详细的说明：本专利技术提供了基于模糊神经网络PID控制器的一种基于模糊神经网络的旋转导向电机调速方法，其示意图如图1所示。步骤S1本文档来自技高网...

【技术保护点】
1.一种基于模糊神经网络的旋转导向电机调速方法，其特征在于，包括以下步骤：/n步骤S1、计算指向式旋转导向系统已钻井眼轨迹和设计井眼轨迹之间的几何偏移矢量；/n步骤S2、根据计算得出的几何偏移矢量，对指向式旋转导向系统偏心轴电机的角速度进行PID控制调节。/n

【技术特征摘要】
1.一种基于模糊神经网络的旋转导向电机调速方法，其特征在于，包括以下步骤：
步骤S1、计算指向式旋转导向系统已钻井眼轨迹和设计井眼轨迹之间的几何偏移矢量；
步骤S2、根据计算得出的几何偏移矢量，对指向式旋转导向系统偏心轴电机的角速度进行PID控制调节。


2.根据权利要求1所述的基于模糊神经网络的旋转导向电机调速方法，其特征在于，所述步骤S1的具体过程如下：
步骤S11、计算指向式旋转导向系统已钻井眼曲率k；
步骤S12、计算指向式旋转导向系统已钻井眼轨迹的装置角TFApath；
步骤S13、计算旋转导向系统位置偏移矢量AC’以及旋转导向系统工具的工具面TFARSS。


3.根据权利要求1所述的基于模糊神经网络的旋转导向电机调速方法，其特征在于，所述步骤S2的具体过程如下：
步骤S21、采用常规的PID控制器对控制对象进行闭环控制，由模糊神经网络对PID控制器的3个参数进行在线调整，从而实现PID控制器控制参数的自适应控制；
步骤S22、建立模糊神经网络；模糊神经网络包括输入层、隶属函数层、模糊推理层、归一化层、输出层；其中，
输入层用于将偏心轴电机转速的转速误差e和转速误差变化率△e传递到隶属函数层；
隶属函数层用于负责对输入...

【专利技术属性】
技术研发人员：宋晓健，魏春明，董晨曦，郑邦贤，穴强，李宝鹏，梁昶婧，王海，毕雨萌，李新杰，张悦，刘旭，王涛，李峰，鲍伟伟，
申请(专利权)人：中国石油集团渤海钻探工程有限公司，中国石油天然气集团有限公司，
类型：发明
国别省市：天津;12