.png){kind=icon}
返回
Error Compensation Method of Accelerometer While Drilling Based on DSA
.png){kind=icon}
PRE
AI
DOI：10.1109/JSEN.2025.3586590.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文针对随钻测量（MWD）中的加速度计误差补偿问题，提出了一种基于钻井蜘蛛算法（DSA）的新型方法用于识别加速度计误差参数。首先，建立微机电系统（MEMS）加速度计的输出模型，并将误差参数整理为解向量。通过非线性误差函数设计DSA的目标函数，按维度设置自适应上下界，并同步进行全局和局部更新以识别误差参数。引入基于质心的快速振荡偏差学习机制，防止算法陷入局部最优。最后，应用DSA算法识别加速度计的误差参数。结果表明，经DSA补偿后，加速度误差显著降低，井斜角范围约减少45%，均方根（rms）误差从1.6°降至0.6°。与粒子群优化（PSO）和Portia蜘蛛算法（PSA）相比，DSA在识别MEMS加速度计误差参数方面具有更高的精度。
Keyword:
Drilling spider algorithm (DSA)
error compensation
inclination angle
micro electro mechanical system (MEMS) accelerometer
期刊
IF:
4.5
论文数:
2.2W
被引数:
7.3W
机构
引用论文
High precision identification of dynamic model for accelerometer based on VMD基于VMD的加速度计动态模型高精度辨识.png)
MEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏分享收藏
Accuracy enhancement of MEMS accelerometer by determining its nonlinear coefficients using centrifuge test通过离心测试确定其非线性系数来提高MEMS加速度计的精度MEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏Unequal limit cuckoo optimization algorithm applied for optimal design of nonlinear field calibration problem of a triaxial accelerometerMEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏Fusion model of weight on bit in horizontal exploration hole based on wavelet transform and machine learning基于小波变换和机器学习的水平勘探孔钻压融合模型
PREAI
分享收藏Attitude Estimation Using Inertial and Magnetic Sensors Based on Hybrid Four-Parameter Complementary Filter基于混合四参数互补滤波器的惯性和磁传感器姿态估计
PREAI
分享收藏
查看更多内容