油井作业中传感器误差补偿方法的研究.pdf

《油井作业中传感器误差补偿方法的研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2010年第29卷第6期传感器与微系统(TransducerandMicrosystemTechnologies)39油井作业中传感器误差补偿方法的研究周宁，彭继慎(辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125105)摘要：为了提高油井作业中压力传感器的测量精度，提出了一种基于粒子群优化BP神经网络的误差补偿方法。利用粒子群算法的全局寻优和收敛速度快的特点，训练网络的权值，能有效地改善BP神经网络传统算法的收敛速度和学习能力。结果表明：这种方法大大提高了压力传感器在油井作业中的测量精度和稳定性，也提高了油

2、田作业的工作效率。关键词：粒子群优化；误差补偿；BP神经网络；压力传感器中图分类号：TP202文献标识码：A文章编号：1000-9787(2010)06-0039-03ResearchonsensornonlinearerrorcompensationinwildcatworkingZHOUNing，PENGJi—shen(FacultyofElectricalandControlEngineering，LiaoningEngineeringTechnicalUniversity，Huludao125105，Ch

3、ina)Abstract：Inordertoimprovethemeasurementprecisionofpressuresensorsinwildcatworking，amethodoferrorcompensationonsensorsusingtheBPneuralnetworkstrainedbyparticleswarmoptimization(PSO)isproposed．UsingthecharacteristicofglobaloptimumandfastconvergenceofthePSOa

4、rithmetictotrainweightsofnetcaneffectivelyimprovetheconvergencespeedandlearningcapacityofBPneuralnetworkstraditionalarithmetic．Theresultshowsthatthismethodgreatlyimprovesthemeasurementprecisionandstabilityofpressuresensor，alsoincreasestheeficiencyofoilfieldop

5、erations．Keywords：particleswarmoptimization(PSO)；erorcompensation；BP(backpropagation)neuralnetworks；pressuresensor0引言传统的基于数值分析方法的不足，本文采用了微粒群算法对于油井来说，采用传感器检测压力、温度的变化会对的BP神经网络对压力传感器进行压力和温度补偿。压力采集信号产生一定的影响，为了能更好地了解井下的1传感器误差补偿原理情况，清楚地了解井下的压力和温度是很有必要的。目采用神经网络方法改善传

6、感器输出特性，其原理框图前，油井在获取温度和压力等数据时有测量精度低、容易存如图1所示。在人为误差、测试数据不连续、受电磁干扰等问题，目前补一售壁罂-删皂堪罂⋯．一一璧墼型⋯一偿的方法主要分为硬件补偿和软件补偿2种。但硬件补偿{I肿Iyi√、＼对电路进行校正大都存在电路复杂、调试困难、精度低、通II”lI▲，＼用性差、成本高等缺点，不利于工程实际应用。软件补偿的，I效果要比硬件补偿好，达到的精度更高，而且，成本较低。l州参饿L软件补偿可以分为数值分析法和人工智能法(专家系统、l神经网络、遗传算法和模糊系统)J。基

7、于数值分析的补偿方法，常采用的是最小二乘曲线拟合法，但最小二乘法是图1传感器特性补偿原理图基于梯度变化量的计算来求最优解的，是一种局部搜索技Fig1Diagramofsensorcharacteristicscompensation术，容易进入局部最优，很难得到全局最优解。考虑到图中传感器模型为收稿日期：200949-24传感器与微系统第29卷，tl，t2，⋯，t^)，(1)精度低，微讽差，在最优解附近，很难得到最优解]。BP算式中为待测目标参量；t。，t⋯，t为k个非目标参量；y法具有无穷逼近能力，且局部寻优能

8、力强，在由粒子群算法为传感器输出。得到的一个接近最优解的空间曰(W’)，再使用BP算法进若Y和t。，t2，⋯，t^均为单值函数，则式(1)反函数存一步寻优，得到网络权值的最优值。采用这样2个步在，即=f-(Y，t1，t。，⋯，t)，但反函数相当复杂，很难用骤训练，可以提高网络训练的精度和学习收敛的速度。具体函数来描述，可用BP网络来逼近这种非线性关系。BP网络是一种多层结