基于聚类算法的MWD泥浆脉冲信号识别研究.pdf

《基于聚类算法的MWD泥浆脉冲信号识别研究.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。

第25卷第8期传感技术学报Vo1．25NO．82012年8月CHINESEJOURNALOFSENSORSANDACTUATORSAug．2012ResearhonMWDMudPulseSignalRecognitionBasedOilClusteringAlgorithmTUBing，LIDeshen，删Enhuai(1．CollegeofMechanicalEngineeringandAppliedElectronicsTechnology，BeltingUniversityofTechnology，Bering100124，China2．BeingPulimenElectronicScience＆TechnologyCo．，LTD．，Be~'ing100041，China)Abstract：Thewel1．downrelevantdatacanbeobservedthroughthemudpulsesignalinMWD(MeasurementWhileDrilling)．ItiscoreoftechnologytothegrounddecodingsystemtodetectandrecognizethemudpulsesignalinMWD．However，thereareallkindsofnoisethatexsitedinthesignalchanne1．Thenoisegreatlyaffectsthemudpulseidentification．Firstly，thisarticleoffersanewwaytoanalysemudpulsesignalnoisebasedonManchesterencode．Secondly，itusedNLMS(NormalizodLeastMeanSquare)adaptivefilteralgorithmtowipethepumpnoiseandotherinterferences．Itcanmoreeffectivelydecreasetheinfluenceofpumppulsebase—value．Themudpulserecognitionmodelhavebeenestablishedaccordingtothemudpulsefeatures．Theclusteringalgorithmhavebeenappliedtoidentificationofthemudpulsesigna1．Finally，fieldtestresultsshowedthattheclusteringidentificationalgorithmcanrecognizethemudpulsecorrectlyandthedecodingprocessiseasier，higherreliability，lowercodeerror．Allthesecomplywiththerequirementsoftheengineeringapplication．Keywords：MWD；mudpulsesignal；adaptivefiltering；clusteringalgorithmEEACC：7210A；4360Edoi：10．3969／j．issn．1004—1699．2012．08．029基于聚类算法的MWD泥浆脉冲信号识别研究冰涂兵，李德胜，林恩怀(1．北京工业大学机械32程与应用电子技术学院，北京100124；2．北京普利门电子科技有限公司，北京100041)摘要：无线随钻测量MWD(MeasurementWhileDrilling)利用泥浆脉冲进行信号的传输可以实时观测井底的相关数据，地面解码系统对接收到的泥浆脉冲信号进行正确的检测与识别是随钻测量的核心技术之一。然而，信道中存在的各种噪声会对信号的传输与识别造成干扰与误码。首先对曼彻斯特编码泥浆脉冲信号的噪声进行了分析，在此基础上将归一化最小均方(NLMS)自适应滤波算法去除泥浆脉冲信号的噪声，与传统滤波方法相比，NLMS白适应滤波算法能更有效的去除各种噪声并能有效的消除泵冲基值对波形的影响。然后针对得到的去噪泥浆脉冲信号的特点，建立泥浆脉冲识别模型，将聚类识别算法应用到了泥浆脉冲信号的识别。最后现场试验结果表明，该解码过程简单实用，具有可靠性高、误码率低等特点，符合工程应用的要求。关键词：随钻测量：泥浆脉冲信号；自适应滤波；聚类算法中图分类号：TM733；TM93文献标识码：A文章编号：1004—1699(2012)08—1172—05石油随钻测量(MWD)系统中，井下数据传输和信是目前MWD中采用的一种普遍方式l3]。但是，地面数据接收是随钻测量中的关键技术。目前MWD由于MWD信号传输介质易受到外界各种噪声的干中信号的传输方式主要有电磁波和钻井液压力波2扰r．因此从被各种噪声淹没的信号中提取出有用的种_】]。电磁波传输信号由于随着地层深度地增加，信信号成为亟需解决的问题。文献f4]对泥浆脉冲信号的幅值衰减严重，并且地质构造的差异化也可导致号中的泵噪声、钻井噪声、脉冲噪声、发射噪声等进行信号的幅值衰减程度不一，因而信号的传输速率只能了分析。文献[5]采用小波变换对泥浆脉冲信号进以较低的频率发送，并且传输距离较短_2]。钻井液压行了处理，将7种常用的小波基函数选取不同参数后力波与电磁波信号的传输速率相比具有可靠性更高、分解重构的信号与原始信号进行了比较，通过相关系传输距离更远等特点，因此利用钻井液压力波进行通数的大小选定了适合处理该信号的最佳小波基函数项目来源：华北石油管理局钻井工程技术科技项目(20090504)；北京工业大学科技基金项目(YK,I一2010-3382)收稿日期：2012—02—22修改日期：2012—06—15 第8期涂兵，李德胜等：基于聚类算法的MWD泥浆脉冲信号识别研究1173及其参数。文献『5]采用了对线性滤波算法还原脉线性滤波，小波滤波等。运用小波分析时，阈值往往冲信号的方法，在此基础上利用一种非线性“平顶消难以界定，实现有效处理相对困难l8，本文采用除”的方法对泥浆脉冲信号进行了处理。文献[6]和NLMS自适应滤波的方法去除噪声，与小波等目前文献f81采用了相关小波去噪处理的方法。文献[9]常用的泥浆脉冲信号处理方法相比，NLMS自适应采用了相关滤波处理的方法。上述文献所采用的方滤波具有较好的适应性、运算量较小，收敛速度较法主要集中在对信号的去噪处理上，并且主要针对的快ll图3是本文采用的基于NLMS自适应滤是脉冲位置组合(PLM)方式的信号处理，对去除噪声波算法的原理框图。实际应用中，采用泥浆脉冲传的泥浆脉冲信号识别没有做相关的阐述。本文对基输协议中的同步头来训练自适应滤波器。在训练过于曼彻斯特编码方式的泥浆脉冲信号的提取和识别程中．由于信源所发送的内容已知，自适应滤波器不算法进行了分析和研究；运用了模糊聚类算法对采集断调节参数使得输出和已知的正确内容误差最小。的泥浆脉冲信号进行了识别。1曼彻斯特编码的泥浆脉冲信号分析1．1噪声分析在特定频率的控制下，曼彻斯特编码方式对井下状态等信号进行数据通信时，由于井下条件复杂，信号传输过程中受到各种噪声的干扰导致地面解码系统采图3自适应滤波框图集到的压力波信号幅值很小，其中泥浆压力波主要的噪声有：泵噪声、钻井噪声、脉冲噪声、反射信号等¨。NLMS算法如式(1)所示。图1是采集的井上泥浆压力波波形，图2是井上Y(／t)：加(n)×(n)泥浆压力波频谱，从图1和图2可以看出，泥浆压力波e(儿)：Y(n)-d(n)(1)信号包括有基值波动和幅度较大的高频分量噪声，有W(n+1)：W(n)+mttxe(n)×(n)／lJ(It)lI用信号的频谱范围在0．2Hz～1Hz，噪声分布较宽。(n)为含同步头噪声信号，d(n)为事先设置的训练序列，采用的为同步头数据位“0111l110”。mu采】1OO用0．001，()采用长度为50，初始化为0，经过邑1000NLMS[12-i3]的自适应滤波后的波形为如图4所示。9001lO0800O1O2O3O40’夏1000时间佻900图1泥浆压力波波形8000102O3O40时问t／sll图4自适厘滤波后泥浆压力波波形【_Lul·．h_u从图4中看出．信号的噪声在大于0．8Hz时已．．经被消除，能大大提高信噪比，为下一步信号的识别打下基础。信噪比：SNR：10k(S／N)=49．09dB图2泥浆压力波信号频谱(S为去噪后的信号，／v为噪声信号)。高频噪声主要是由3缸单作用泵产生的，幅度2聚类算法识别研究无规律性变化：低频噪声主要是由泵冲引起的，信号的频率为0Hz～0．2Hz．在信号频谱范围内，噪声幅2．1聚类算法识别样本模型度小于信号幅度。干扰幅度变化的不规则使得信号曼彻斯特编码的规则为在一个比特周期内，信号频率和噪声、干扰的频谱出现重叠，从而给剔除噪声由高电平到低电平代表的数据位为“1”，相反为“0”。及复原脉冲信号带来了很大难度。井下DSP对数据进行曼彻斯特编码时，如果存在有1．2波形识别前自适应滤波去噪连续的“11”或者“00”位时，泥浆脉冲波形在一比特目前去除泥浆信号噪声的主要方法包括：常规周期内连续上升或者下降波形，在连续的上升波形识 传感技术学报1174WlWC~"．chinatransducers．corn第25卷别也为“1”，相反2为“01”。采O用23比特l周期O内2的泥浆1O2具有1二值特O征2的Ta1nimotoO测度：压力波进行波形识别时，波形形状存在有16种形状xX(c，)X———』一(4)特征，对应的二进制编码值为000～111。图5是依次iXi+XiXi-XiXi对l6种形状进行编号和二进制编码。在采用聚类算法对实际信号处理时．窗口的滑型形⋯卜一＼、／一一动是以1比特周期内滑动进行依次识别，图6为截f——形状模型一lf——形状模型一2『一形状模型一3取的自适应波后泥浆脉冲信号的两类波形进行分析02l02lO21O21图形。D，越小、S和越大表示两类数据之间的波形越相似。基于以上理论采用以上3种识别算法对形理一图6中的两类泥浆脉冲波形进行了识别。图7、图型形、8m7，一8、图9分别是与16种模型与图6现场泥浆脉冲信号进去去噪处理后采用欧式距离、特征是二值时的021O21O21O21夹角余弦和具有二值特征的Tanimoto测度值．．1100量1000状论一¨型形∞7，＼～一八9008oo黜lO2O30时间s(a)自适应滤波后泥浆压力波波形l100’蓥1000900800O2468时问t／s(b、截取两类波形进行分析图6截取分析两种形状波形2l1图516种参考波形模型和分类波形编码2．2聚类识别计算图7模型与信号的欧式距离值l6种参考模型设定后，然后对NLMS自适应滤赵波后的波形进行波形识别。波形识别采用模式相似靶性测度方法[1。参考模型特征向量为X=(1⋯)、经过NLMS处理的实时采样泥浆脉冲，，特征向量为=(，⋯，)。采用欧式距离、波形编码特征是二值时的夹角余弦、和具有二值特征的图8模型与信号的特征二值夹角余弦值Tanimoto方法来计算两类数据的相似程度。魁欧式距离D：D=llX~-XiIl：∑(ik-Xj)(2)1璺特征是二值时的夹角余弦5：波形编码s)图9模型与信号二值特征Tanimoto值 第8期涂兵，李德胜等：基于聚类算法的MWD泥浆脉冲信号识别研究1175从图7～图9中可以看出，截取分析图6中0～截取的一段数据．实验数据分别为采用模糊聚类算6S3bit周期内待识别的泥浆脉冲信号分别进行以法解码数据和Sperry—Sun公司的解码数据。在上3种聚类识别后在第16号波形模型上D．上取得NLMS自适应滤波算法去噪的基础上，模糊聚类识最小值，在S和上取得最大值因而得出要识别别算法能较完整正确的解出泥浆脉冲信号，误码率波形数据二进值为“101”；以1比特窗口进行滑动，低于1．5％。对2S～8s内的泥浆脉冲信号进行聚类识别，得到在第l0号数据编码上D上取得最小值，在S和71上取得最大值。因而得出要识别的波形二进值为“011”通过以上3种聚类分析方法可以有效的对泥浆脉冲信号进行识别。在实际工程应用最终判断泥浆脉冲信号数据位为“0”还是“1”时，在采用以上3种聚类算法计算后，选用多数表决机制来最终确定数据位2．3识别准确率估计识别准确率从下面3方面进行估计：①传输数据都应满足偶校验位。②与现场测试时国外的仪器图10现场实验图片同时进行数据的比较。③地面进行算法仿真，截取1100不同井深和时间数据进行了去噪和波形识别算法的‘蓥1000验证通过以上几点验证了此方法的识别准确率达900到了98．5％以上。能满足工程应用的要求。800O102030403现场实验结果时间s图11泥浆压力波原始波形模糊聚类识别算法在华北油田进行了现场实1·5验现场实验仪器如图10所示，图10左侧是采用坦聚类算法的地面解码机，图1O右侧是Sperry—Sun公．o司的地面解码机。实验目标井是3．5km深，泥浆粘0．5度为10mPa·S．实验从2km开始进行定向测量。口．1．nn01O203040图l1是截取的2km实验原始波形。图12是时间t／s对2km波形的复原效果冈。表1是现场进行实验时图l2识别后的复原方波信号表1实验结果数据统计表序Sperry—Sun公司计算值模糊聚类算法计算值号INC(井斜)AZ(Tiff)GTF(重力工具面)BTF(磁性工具面)INC(井斜)Az(方位)GTF(重力工具面)BTF(磁性工具面)4结论嘉嘉获取高质且的复原曼彻斯特(1)通过对曼彻斯特编码泥浆脉冲信号进行了(2)在NLMS白适应滤波算法对含有噪声的泥分析，将NLMS自适应滤波算法应用到了泥浆脉冲浆脉冲信号进行了有效去噪的基础上，分析了曼彻