钻井轨迹导向机器人电机控制方法研究

来源 :中国石油大学(北京) | 被引量 : 0次 | 上传用户:tianzhizui
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
研究电机控制方法,提高转速控制精度,是提高钻井轨迹导向机器人系统导向控制精度的关键。提高系统的导向精度可以提高石油开采效率,降低开采成本,对我国的能源安全具有重要的战略意义。本文选择结构简单,控制精准的永磁同步电机作为系统动力设备,并选择转矩脉动较小的矢量控制策略作为其控制策略。本文对永磁同步电机的结构和矢量控制的原理进行介绍,并建立了永磁同步电机矢量控制的数学模型。由于矢量控制速度环和电流环使用的PI控制器控制精度不够,本文基于预测控制的原理,建立了速度环预测控制器和电流环无差拍预测控制器,提高了系统控制精度。由于速度环预测控制建模时未考虑扰动的影响,系统的抗扰动性能较低,本文使用自抗扰控制中的扩张状态观测器来观测系统扰动并对速度环预测控制进行补偿,提高了系统的抗扰动性能。本文中永磁同步电机工作环境必然会产生电机参数摄动,造成电流环控制器模型参数与实际之间的误差,进而产生电流静差。本文分析了模型参数误差与电流静差的关系并对相关参数进行积分来消除电流静差,提高了系统的运行稳定性。最后,本文进行了SIMULINK仿真,结果表明了本文研究算法在超调性,抗扰动性,动态响应速度和稳态精度等方面相对PI控制的优势,验证了其可行性。
其他文献
目前国内有40多万口生产油井,其中80%以上采用抽油机作为人工举升方式。对抽油机井生产工况精确的诊断是稳定单井产量、延长检泵周期、节能降耗的核心技术。当前基于示功图的工况诊断存在投资成本高、数据易漂移失真等问题。抽油机井生产过程中的电参数具有采集成本低、数据稳定、能够长期连续测量等优点,同时也存在数据不规律,影响因素多等缺陷,单靠数学建模很难实现精确的工况诊断。本文首先在考虑电动机损失功率、皮带损
地下储气库由于在调峰及安全供气中独一无二的优点,是输气网络的重要组成部分之一。呼图壁地下天然气储气库是中国在天津大张坨地下储气库之外投产的第二个储气库,同时也是目前为止中国储容量最大的天然气地下储气库,作为地下储气库,呼图壁储气库具有储藏量大、调节工作气量大、安全性高和成本低等优势,具备季节调峰和应急储备双重功能。它极大的改善了新疆地区冬季供气不足的现状,而且作为西气东输首个大型配套系统,在保障国
目前,受制于康复医疗资源的短缺,我国老年人和残疾人潜在很大的康复需求未能得到充分释放。因此,本文针对下肢运动功能障碍患者设计了一款能应用于轮椅以及病床的多功能下肢康复器。旨在多场景下帮助老年人或残疾人等下肢运动功能障碍患者进行康复训练,恢复他们的下肢运动功能。首先,本文依托人体康复机理,通过分析人体下肢解剖学结构,提出了以脚踏车运动机构为主体的下肢康复器设计方案,针对下肢康复器的多场景应用确定了两
地下水资源在居民生活、工业和农田灌溉等领域都有很大的应用,对生产生活、经济发展起着至关重要的作用。对地下水水位进行有效预测,能为水资源管理提供有力支持。本文将地下水水位预测任务划分为短期预测和中长期预测,其中短期预测有助于及时了解水位短期动态变化,预测精度更高。中长期预测可以为决策者提供未来一段时间内的水位变化趋势,但更具挑战性。为解决地下水水位预测中数据的波动性、时空动态性等问题,本文提出了多模
微能网作为消纳可再生能源的高效方案,被研究者广泛研究。微能网对内的能源需求是用户对微能网的多形态能源需求,所以微能网对内的各能源需求不确定性和时变性很强。有效制定微能网对内的多形态能源的协调控制策略是微能网安全、高效运行的关键,而协调控制策略的制定需要微能网对内的多形态能源的供给和需求预测支撑。结合微能网中多能源负荷数据的时序性和非线性特点,本文基于深度学习理论提出了一种基于神经网络的预测模型用于
近年来随着深度学习的快速发展,基于深度学习的目标识别算法在车辆检测、人脸识别、医学影像诊断以及安防产业等诸多领域取得了可观成果。深度学习的应用可以极大地缩短检测时间,提升检测效率,保障人员安全等。但目前安检方面大多依赖传统的人工安检,且市场上新兴的的X光安检设备对于主要几种违禁品识别的正确率在80%上下,而且稀有违禁品(枪支等)样本缺乏,可检测的违禁品种类不全,检测的准确率以及召回率有待提高。本文
人工智能的日渐发展无论在经济领域还是社会生活方面都展现了很大的应用价值。基于深度学习的目标检测算法之所以能够取得卓越的表现效果,是因为采用的深度卷积网络模型,得益于它大量的网络参数以及复杂的网络结构。但由此也带来了两方面的问题,一是运算量巨大,造成模型推理速度的降低,较难满足目标检测任务的实时和落地需求;二是大量的网络参数导致模型大小突增,导致需要更大的空间进行模型存储。而这些问题恰恰使得目标检测
深度学习是人工智能领域里的一个重要分支,依赖着大批量的数据,数据集的质量及大小更是直接影响模型性能的关键。卷积神经网络(CNN)在计算机视觉任务中取得了巨大突破,尤其是大规模训练带注释的数据集。但是,获得如此大的X射线数据集以用于公共场所(例如机场,火车站等)的违禁品检测,对于信息安全尤其是一些罕见的违禁品而言,并不是一件容易的事。针对违禁品图像检测中因数据集小而造成检测模型效果不佳的问题,提出基
在化工系统的运行过程中,系统的操作条件以及系统参数会发生改变,应用控制策略可以实现系统的在线控制,以使系统在投入使用中满足操作和控制要求。换热网络是典型的慢时变过程,其结垢热阻以及操作条件会随着运行时间逐渐变化,为了满足其操作要求,往往会在换热网络系统的设计中预留一定裕量,裕量设计可以增加在控制过程中的可操作性,但裕量的大小与过程系统的经济性相关。设计裕量过大会导致系统前期的投资费用大幅升高,裕量
在实际工业过程控制中,被控对象一般为多变量非线性系统,在其内部必然存在一定程度的耦合,且输入输出特性与工作点有关。考虑控制安全可靠的要求,工业过程的底层控制系统主要采用分散常规PID控制,应用于多变量非线性系统有一定的难度。本文以非线性静态环节与线性动态环节连接的Hammerstein多变量非线性系统为研究对象,分别采用神经网络和描述函数处理非线性相对增益阵,解决Hammerstein非线性系统的