课题学习(六)----安装误差校准、实验方法

一、 安装误差校准

1.1 数学模型

   在实际情况下,即使努力尝试使三轴加速度计和三轴磁通门正交,也不可能保证坐标轴的正交和安装的准确居中。无论采用何种解法,都会导致最终解的误差。因此,要想提高测量精度,就必须开发一种补偿算法,使传感器居中且相互正交,即从系统的数学模型出发,设计相应的算法求解出安装误差,并准确计算出钻柱姿态。
   由于安装误差不可避免,需要通过实验室实验获得校准参数,因此我们尝试建立误差补偿的算法模型。首先,假设在建立数学模型之前,Ax、Ay、Az为加速度计的输出电压,则重力各分量与输出电压的关系如下式所示:
在这里插入图片描述
   K i x , K i y , K i z K_{ix},K_{iy},K_{iz} Kix,KiyKiz表示三轴加速度校准系数。
   我们假设 I A x , I A y , I A z I_{Ax},I_{Ay},I_{Az} IAx,IAy,IAz T A x , T A y , T A z T_{Ax},T_{Ay},T_{Az} TAx,TAy,TAz表示三轴加速度计安装角和相位的安装角,可以得到下式:
在这里插入图片描述
   对比上面两式,可以很容易的得到 K x x = K A x ⋅ c o s I A x , . . . , K z z = K A z ⋅ c o s I A z K_{xx}=K_{Ax}·cosI_{Ax},...,K_{zz}=K_{Az}·cosI_{Az} Kxx=KAxcosIAx,...,Kzz=KAzcosIAz
   由此,我们可以计算出加速度计的校准系数为和传感器偏差:
在这里插入图片描述
在这里插入图片描述

   对于安装在x轴上的加速度计,定义 c o s ( A x P x ) 、 c o s ( A x P y ) cos(AxPx)、cos(AxPy) cos(AxPx)cos(AxPy) c o s ( A x P z ) cos(AxPz) cos(AxPz)为加速度计敏感轴与仪器坐标系三轴夹角的余弦值:在这里插入图片描述
   然后给出加速度计误差标定的数学模型:
在这里插入图片描述
   同理,得到磁通门误差标定数学模型如式在这里插入图片描述
   然后在算法中使用校准参数 K A i , B i a s A i , c o s ( A i P j ) , L F i , B i a s F i , c o s ( F i P j ) L F x K_{Ai},Bias_{Ai},cos(A_iP_j),L_{Fi},Bias_{Fi},cos(F_iP_j)L_{Fx} KAiBiasAicos(AiPj)LFi,BiasFicos(FiPj)LFx,其中, i = x , y , z , j = x , y , z i=x,y,z,j=x,y,z i=x,y,z,j=x,y,z,带入算法之后便可以得到校准之后的值。

1.2实验方法

   设计可放置在三维空间任意位置的实验仪器,并采用非磁性材料,保证磁通门传感器不受干扰。
在这里插入图片描述
  首先采用正交法标定安装误差。确定下表所示的24个位置,计算每个点的倾角和方位角值即可得到校正参数。如上图右侧所示,A点代表表1中的数字2。
在这里插入图片描述
在这里插入图片描述
  以Ax为例,由加速度计误差标定的数学模型可得公式如下: K A x × c o s A x P x × G x = 1 8 ( A x 1 + A x 5 + A x 18 + A x 24 − A x 3 − A x 7 − A x 20 − A 22 ) . . . K_{Ax}×cosA_xP_x×G_x = \frac{1}{8}(A_{x1}+A_{x5}+A_{x18}+A_{x24}-A_{x3}-A_{x7}-A_{x20}-A_{22})... KAx×cosAxPx×Gx=81(Ax1+Ax5+Ax18+Ax24Ax3Ax7Ax20A22)...
在这里插入图片描述
  注意,上式中有一些错误:
在这里插入图片描述
在这里插入图片描述
  上图中, G h c = G ⋅ c o s A x P x , G h s = G ⋅ c o s A x P y , G v = G ⋅ c o s A x P z G_{hc}=G·cosA_xP_x,G_{hs}=G·cosA_xP_y,G_{v}=G·cosA_xP_z Ghc=GcosAxPx,Ghs=GcosAxPy,Gv=GcosAxPz(个人推测,原论文中作者并未说明,但是可以倒推出来)。
  但采用正交法标定系统所需仪器不仅精度高,而且结构复杂。由于实际应用比较困难,我们提出了数据拟合的方法。具体步骤如下:
  将仪器固定在一个位置(固定井斜和方位),旋转360°。仪器旋转45°(误差:±1°)采样一次数据,仪器旋转360°将采样8次数据。利用基于正交三角函数的数值拟合理论,可以得到仪器旋转360°时的传感器输出电压曲线。然后计算每个传感器的标定系数。
  以Ax和Fx为例介绍了计算方法: A x = ( G x ⋅ c o s A x P x + G y ⋅ c o s A x P y + G z ⋅ c o s A x P z + B i a s A x ) K A x A_x = (G_x·cosA_xP_x+G_y·cosA_xP_y+G_z·cosA_xP_z+Bias_{Ax})K_{Ax} Ax=(GxcosAxPx+GycosAxPy+GzcosAxPz+BiasAx)KAx
F x = ( B x ⋅ c o s A x P x + B y ⋅ c o s A x P y + B z ⋅ c o s A x P z + B i a s A x ) L F x F_x = (B_x·cosA_xP_x+B_y·cosA_xP_y+B_z·cosA_xP_z+Bias_{Ax})L_{Fx} Fx=(BxcosAxPx+BycosAxPy+BzcosAxPz+BiasAx)LFx
  然后: A x = K A x ⋅ G ⋅ s i n I ⋅ c o s A x P x ⋅ c o s T − K A x ⋅ G ⋅ s i n I ⋅ c o s A x P y ⋅ s i n T + K A x ⋅ ( − G ⋅ c o s I ⋅ c o s A x P z + B i a s A x ) A_x =K_{Ax} ·G·sinI·cosA_xP_x·cosT-K_{Ax} ·G·sinI·cosA_xP_y·sinT+K_{Ax} ·(-G·cosI·cosA_xP_z+Bias_{Ax}) Ax=KAxGsinIcosAxPxcosTKAxGsinIcosAxPysinT+KAx(GcosIcosAxPz+BiasAx)
  假设如下:
在这里插入图片描述
  加入倾角不变,则M,N,P均为常数,带入下式在这里插入图片描述
A x = M ⋅ c o s r + N ⋅ s i n r + P A_x = M·cosr+N·sinr+P Ax=Mcosr+Nsinr+P
F x = m ⋅ c o s r + n ⋅ s i n r + p F_x = m·cosr+n·sinr+p Fx=mcosr+nsinr+p
  上面两式就是加速度计和磁通门的输出数学模型,其中,在这里插入图片描述
  为了达到更高的拟合精度,选择正交三角函数作为基本函数来拟合各传感器的输出曲线。还是 A x A_x Ax为例,假设 A m = α 0 , I = d 1 , A x A_m=\alpha_0,I=d_1,A_x Am=α0,I=d1,Ax的输出为: A x 1 = M 1 ⋅ c o s r + N 1 ⋅ s i n r + P 1 A_{x1} = M_1·cosr+N_1·sinr+P_1 Ax1=M1cosr+N1sinr+P1
  假设 A m = α 0 , I = d 2 = d 1 + 90 ° , A x A_m=\alpha_0,I=d_2=d_1+90°,A_x Am=α0,I=d2=d1+90°,Ax的输出为: A x 2 = M 2 ⋅ c o s r + N 2 ⋅ s i n r + P 2 A_{x2} = M_2·cosr+N_2·sinr+P_2 Ax2=M2cosr+N2sinr+P2
  然后,
在这里插入图片描述
  按照下面公式便可计算:
  在这里插入图片描述
在这里插入图片描述
  磁通门计算公式与上面相似。

1.3 校准之后的效果

   采用正交法和数值拟合定标法分别计算定标系数。比较所得结果如下表。在这里插入图片描述
  两种定标方法在计算系数方面差异不大。利用这些系数计算井眼倾角和方位角如下图所示。
在这里插入图片描述
  红色代表倾角的误差,黑色代表方位角的误差r。
  1. 在旋转导向系统中,必须建立一个配备三轴磁通门和三轴加速度计的测量系统,但安装误差不可避免,必须进行校准。
  2. 建立了能很好地满足现场应用要求的标定模型。倾角和方位角的最终测量误差很小。
  3.正交法与曲线拟合法在计算标定系数上差别不大,但曲线拟合法操作简便,标定仪器结构简单,即使标定仪器的精度比以前低,也可以像正交法一样得到非常精确的计算系数,更适合工程应用。

二、往期回顾

课题学习(一)----静态测量
课题学习(二)----倾角和方位角的动态测量方法(基于磁场的测量系统)
课题学习(三)----倾角和方位角的动态测量方法(基于陀螺仪的测量系统)
课题学习(四)----四元数解法
课题学习(五)----阅读论文《抗差自适应滤波的导向钻具动态姿态测量方法》

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/156002.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

验收测试的关键步骤您知道吗

验收测试是软件开发生命周期中的重要环节,用于验证项目交付是否符合用户需求和质量标准。本文将介绍验收测试的定义及实施验收测试的关键步骤。 一、验收测试的定义和目标 确保项目交付质量:通过主动验证和评估软件系统的功能、性能和质量,确…

轻量级虚拟化技术草稿

Support Tech ST.1 virtiofs ST.1.1 fuse framework 引用wiki中关于fuse的定义: Filesystem in Userspace (FUSE) is a software interface for Unix and Unix-like computer operating systems that lets non-privileged users create their own file systems w…

Java中在循环体内拼接字符串时为什么使用StringBuilder而不是String

在循环体内拼接字符串时为什么使用StringBuilder而不是String 在《阿里巴巴Java开发手册》一书中提到了: 循环体内,字符串的连接方式,请使用 StringBuilder 的 append 方法进行扩展。(而不要用String的方式) 说明&…

31 数据分析(中)numpy介绍

文章目录 工具excelTableauPower Queryjupytermatplotlibnumpy安装导入包快速掌握(bushi)array和list的相互转化 np的range多维数组的属性array的改变形状array升降维度array内元素的类型数和array的运算array之间的加减法认识轴切片条件与逻辑修改值app…

系统韧性研究(1)| 何谓「系统韧性」?

过去十年,系统韧性作为一个关键问题被广泛讨论,在数据中心和云计算方面尤甚,同时它对赛博物理系统也至关重要,尽管该术语在该领域不太常用。大伙都希望自己的系统具有韧性,但这到底意味着什么?韧性与其他质…

气象台卫星监测vr交互教学增强学生的学习兴趣和动力

对地观测是以地球为研究对象,依托卫星、飞船等光电仪器,进行各种探测活动,其核心是遥感技术,因此为了让遥感专业学员能提前熟悉对地观测规则、流程、方法及注意事项,借助VR虚拟现实制作的三维仿真场景,能让…

【PX4】解决Resource not found: px4问题【踩坑实录】

【PX4】解决Resource not found: px4问题【踩坑实录】 文章目录 【PX4】解决Resource not found: px4问题【踩坑实录】1. 问题描述2. 错误排查 1. 问题描述 笔者在配置好px4的所有环境后,使用自己写的launch文件时,出现了报错 sjhsjhR9000X:~$ roslaunc…

spring 注入 当有两个参数的时候 接上面

新加一个int 型的 age 记得写getset方法和构造方法 ((((((( 构造方法的作用——无论是有参构造还是无参构造,他的作用都是为了方便为对象的属性初始化值 构造方法是一种特殊的方…

【C++14算法】make_unique

文章目录 前言一、make_unique函数1.1 什么是make_unique?1.2 如何使用make_unique?1.3 make_unique的函数原型如下:1.4 示例代码示例1: 创建一个动态分配的整数对象示例2: 创建一个动态分配的自定义类型对象示例3: 创建一个动态分配的数组对象示例4: 创建一个动态…

[ROS2系列] ubuntu 20.04测试rtabmap 3D建图(二)

接上文我们继续 如果我们要在仿真环境中进行测试&#xff0c;需要将摄像头配置成功。 一、配置位置 sudo vim /opt/ros/foxy/share/turtlebot3_gazebo/models/turtlebot3_waffle/model.sdf 二、修改 <joint name"camera_rgb_optical_joint" type"fixed&…

YOLOv5算法改进(3)— 注意力机制介绍(ECA、SOCA和SimAM)

前言:Hello大家好,我是小哥谈。注意力机制是近年来深度学习领域内的研究热点,可以帮助模型更好地关注重要的特征,从而提高模型的性能。注意力机制可被应用于模型的不同层级,以便更好地捕捉图像中的细节和特征,这种模型在计算资源有限的情况下,可以实现更好的性能和效率。…

解决 Git:This is not a valid source path/URL

由于sourcetree 可以获取不同仓库的代码&#xff0c;而我的用户名密码比较杂乱&#xff0c;导致经常会修改密码&#xff0c;在新建拉去仓库代码的时候sourcetree 不会提示你密码错误&#xff0c;直接提示 This is not a valid source path/URL。 在已存在的代码仓库&#xff0…

怎么把heic改成jpg?方法大全在这里

怎么把heic改成jpg&#xff1f;HEIC是一种现代的图像文件格式。它是由ISO制定的标准&#xff0c;并得到了苹果公司的支持和推广。与JPG等传统图像格式相比&#xff0c;HEIC格式可以提供更好的图像质量&#xff0c;并且占用更少的存储空间。这使得它在手机、平板电脑和其他移动设…

wps演示时图片任意位置拖动

wps演示时图片任意位置拖动 1.wps11.1版本&#xff0c;其他版本的宏插件可以自己下载。2.先确认自己的wps版本是不是11.13.检查是否有图像工具4.检查文件格式和安全5.开发工具--图像6.选中图像控件&#xff0c;右击选择查看代码&#xff0c;将原有代码删除&#xff0c;将下边代…

竞赛选题 深度学习 植物识别算法系统

文章目录 0 前言2 相关技术2.1 VGG-Net模型2.2 VGG-Net在植物识别的优势(1) 卷积核&#xff0c;池化核大小固定(2) 特征提取更全面(3) 网络训练误差收敛速度较快 3 VGG-Net的搭建3.1 Tornado简介(1) 优势(2) 关键代码 4 Inception V3 神经网络4.1 网络结构 5 开始训练5.1 数据集…

【知网检索会议】第三届教育,语言与艺术国际学术会议(ICELA 2023)

第三届教育&#xff0c;语言与艺术国际学术会议(ICELA 2023) The 3rd International Conference on Education, Language and Art 第三届教育&#xff0c;语言与艺术国际学术会议&#xff08;ICELA 2023&#xff09;将于2023年11月17-19日在中国北京召开。会议主要围绕会议主…

ubuntu mmdetection配置

mmdetection配置最重要的是版本匹配&#xff0c;特别是cuda&#xff0c;torch与mmcv-full 本项目以mmdetection v2.28.2为例介绍 1.查看显卡算力 因为gpu的算力需要与Pytorch依赖的CUDA算力匹配&#xff0c;低版本GPU可在相对高的CUDA版本下运行&#xff0c;相反则不行 算力…

MFC为“对话框中的控件添加变量”,QT中使用“ui.对象名称”来调用控件

MFC中使用 向导 可以为“对话框中的控件添加变量”&#xff1b; 但是在QT中&#xff0c;一般都是使用“ui.对象名称”来调用控件&#xff01; 1、MFC中为“对话框中的控件添加变量”&#xff1b; 1.1 因为编辑框中的数据可能会经常变化&#xff0c;所以需要它们每个控件关联个…

京东商品数据:8月京东环境电器行业数据分析

8月份&#xff0c;环境电器大盘市场整体下滑。鲸参谋数据显示&#xff0c;8月京东平台环境电器的大盘将近570万&#xff0c;环比下滑约29%&#xff0c;同比下滑约10%&#xff1b;销售额为25亿&#xff0c;环比下滑约23%&#xff0c;同比下滑约8%。 *数据源于鲸参谋-行业趋势分析…

【vue3+ts】项目初始化

1、winr呼出cmd&#xff0c;输入构建命令 //用vite构建 npm init vitelatest//用cli脚手架构建 npm init vurlatest2、设置vscode插件 搜索volar&#xff0c;安装前面两个 如果安装了vue2的插件vetur&#xff0c;要禁用掉&#xff0c;否则插件会冲突