MétaCan
Menu
Retour à la cohorte
Enregistrement W2195987625 · doi:10.1109/tim.2015.2479096

Continuous Real-Time Measurement of Drilling Trajectory With New State-Space Models of Kalman Filter

2015· article· en· W2195987625 sur OpenAlexaff
Qilong Xue, Henry Leung, Ruihe Wang, Baolin Liu, Yunsheng Wu

Notice bibliographique

RevueIEEE Transactions on Instrumentation and Measurement · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensUniversity of Calgary
Organismes subventionnairesFundamental Research Funds for the Central Universities
Mots-clésKalman filterTrajectoryAzimuthMeasurement while drillingAccelerometerDrillingControl theory (sociology)EngineeringDirectional drillingState-space representationComputer scienceMechanical engineeringPhysicsArtificial intelligenceAlgorithmControl (management)

Résumé

récupéré en direct d'OpenAlex

Rotary-steerable drilling provides unique features such as an extended reach and accurate well trajectory control. These characteristics can notably increase drilling efficiency and safety. One of the main technical difficulties of rotary-steerable drilling is dynamically measuring the spatial attitude at the bottom of the rotating drillstring as the drillstring rotates. We developed a strap-down measurement system, with a triaxial accelerometer and triaxial magnetometers installed near the bit. The inclination and azimuth can be measured in real time even as the drillstring rotates. Although the magnetic system is the norm, we can use this system to achieve continuous measurement while drilling; to achieve this, a novel state-space model is proposed here and the Kalman filter is used to estimate the states. Simulation and experiments show that a continuous-survey system with a Kalman filter approach can improve measurement precision and reduce errors produced by drillstring vibration.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,037
Tête enseignante GPT0,208
Écart entre enseignants0,171 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations55
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Instrumentation and MeasurementMême sujetDrilling and Well EngineeringTravaux en français237 207