[发明专利]近钻头倾角的计算方法、装置、存储介质及终端

权利要求书

1.一种近钻头倾角的计算方法，其特征在于，包括：

获取所述近钻头的往期数据，根据所述往期数据建立矫正模型；

启动位于所述近钻头内部的倾角测量工具以获取所述近钻头当前时刻的初始测量倾角值，其中，所述倾角测量工具内部安装有陀螺仪；

发送超声波信号至控制终端，根据所述控制终端的反馈信号获取当前时刻和上一时刻所述近钻头的相关参数信息，根据当前时刻的所述相关参数信息计算所述倾角测量工具的误差系数；

通过激光发射器分别在所述当前时刻和上一时刻发出激光信号并分别获取第一反射信号和第二反射信号，根据所述第一反射信号和所述第二反射信号计算出所述近钻头当前的角度变化比例，其中，所述当前时刻和所述上一时刻的间隔在1至3s之间；

将所述近钻头当前时刻和上一时刻的所述相关参数信息输入至所述矫正模型以得到一级输出结果和二级输出结果，根据所述误差系数和所述角度变化比例对所述一级输出结果、所述初始测量倾角值和所述二级输出结果进行矫正处理以得到目标倾角。

2.根据权利要求1所述的近钻头倾角的计算方法，其特征在于，所述获取所述近钻头的往期数据，根据所述往期数据建立矫正模型，包括：

获取所述近钻头往期数据中不同时刻的相关参数信息，以及所述相关参数信息对应的历史倾角信息，其中，所述相关参数信息包括转速信息、振动频率信息、钻井深度信息和压强信息；

根据所述相关参数信息和所述历史倾角信息建立初始神经网络模型，其中，所述初始神经网络模型包括第一输入神经元、第二输入神经元、第三输入神经元、第四输入神经元、第五输入神经元、隐藏神经元和输出神经元，所述第一输入神经元、所述第二输入神经元、所述第三输入神经元、所述第四输入神经元和所述第五输入神经元经过拟合神经元拟合之后，通过输出神经元输出模型输出结果；

分别将同一时刻的所述转速信息、所述振动频率信息、所述钻井深度信息和所述压强信息作为训练数据对应输入至所述第一输入神经元、所述第二输入神经元、所述第三输入神经元和所述第四输入神经元，并将该时刻对应的所述历史倾角信息输入至所述第五输入神经元作为比对数据与所述输出神经元的输出结果进行比对；

根据所述历史倾角信息与所述输出结果的差异对所述初始神经网络模型中的隐藏神经元进行优化调整；

持续输入所述相关参数信息和所述历史倾角信息至所述初始神经网络模型进行训练，直至所述输出神经元的输出结果与对应的历史倾角信息的差异小于模型阈值后，将调整后的所述初始神经网络模型作为所述矫正模型。

3.根据权利要求2所述的近钻头倾角的计算方法，其特征在于，所述模型阈值的大小与所述近钻头的尺寸正相关。

4.根据权利要求1所述的近钻头倾角的计算方法，其特征在于，所述发送超声波信号至所述控制终端，以获取当前时刻所述近钻头的相关参数信息，根据所述相关参数信息计算所述倾角测量工具的误差系数，包括：

发送超声波信号至所述控制终端；

所述控制终端根据所述超声波信号读取所述近钻头当前时刻和转速信息、振动频率信息、钻井深度信息和压强信息；

将所述转速信息、所述振动频率信息、所述钻井深度信息和所述压强信息发送至所述近钻头内的接收端；

所述接收端根据所述转速信息、所述振动频率信息、所述钻井深度信息和所述压强信息计算当前条件下所述倾角测量工具的误差系数。

5.根据权利要求4所述的近钻头倾角的计算方法，其特征在于，所述误差系数与所述振动频率信息的大小、所述转速的大小呈正相关，所述误差系数与所述压强信息的大小和所述钻井深度信息的大小呈负相关。。