下行通道中的学习矢量量化网络解码方法

详细信息   全文下载|推荐本文 |

• 出版年：2009
• 作者：周静；程双元；袁红芳；张磊
• 单位1：西安石油大学井下测控研究所
• 出生年：1964
• 学历：硕士
• 职称：教授
• 语种：中文
• 作者关键词：下行通道；信息传输；向量；神经网络；加速度换能器
• 起始页：23
• 总页数：5
• 经费资助：国家高技术研究发展计划（“863”计划）重大专项“可控控（闭环）三维轨迹钻井技术”（编号：2001AA60201201）、国家自然科学基金项目“井下闭环旋转导向智能钻井系统控制理论研究”（编号：007428F0.02）和“旋转导向钻井系统导向稳定性和随钻信息传输速率研究”（编号：50644015）部分研究内容
• 刊名：石油钻探技术
• 是否内版：否
• 刊频：双月刊
• 创刊时间：1973
• 主管单位：中国石油化工集团公司
• 主办单位：中国石油化工股份有限公司石油勘探开发研究院石油钻井研究所
• 主编：马开华
• 地址：北京海淀区学院路31号
• 邮编：100083
• 电子信箱：syzt@vip.163.com
• 网址：http://syzt.chinajournal.net.cn
• 卷：37
• 期：4
• 期刊索取号：P662.06 167
• 数据库收录：全国中文核心期刊；中国科技论文统计源期刊；PA收录期刊；中国学术期刊综合评价数据库统计源期刊
• 核心期刊：全国中文核心期刊

摘要

介绍了振动下行通道样机的原理，针对振动下行通道样机采用常规解码方法无法解决尖峰干扰的问题，提出了学习矢量量化神经网络解码方法。该解码方法利用加速度传感器灵敏感应地面钻柱的操作状态来进行编码，利用近钻头DSP芯片中的学习矢量量化神经网络解码方法进行解码，得到地面下传到井下的指令，以控制井下工具。设计了两种不同的学习矢量量化神经网络，并通过试验对比了两种网络的优缺点，对比结果表明，设计的第二种学习矢量量化神经网络不但能正确完成波形识别，而且能剔出尖峰，解决了尖峰干扰的问题。