[发明专利]一种随钻测井仪器电路工作状态在线监测方法

权利要求书

1.一种随钻测井仪器电路工作状态在线监测方法，其特征在于，包括如下步骤：

S1.基于FPGA和STM32的EMI信号采集与数据处理电路，部署在井下涡发电源干线上获取EMI信号数据并实时处理；

S2.使用数字信号处理方法和特征提取算法如卡尔曼滤波算法和快速傅里叶变换对采集到的EMI信号进行去噪和特征增强操作；

S3.使用去直流和归一化处理将频谱分量转换为无量纲表达；

S4.使用不同电路板类型的电源EMI信号采集数据组成训练数据集和测试数据集，根据电路板是否在线来对数据打上标签。训练数据集作为轻量化卷积神经网络模型的输入，训练得到电源识别模型；对神经网络模型进行压缩，使之能够装载到STM32芯片内部的RAM和FLASH中。

S5.使用嵌入式处理器部署上述轻量化的深度学习模型，如使用STM32Cube.AI在STM32嵌入式平台上部署训练好的轻量化卷积神经网络分类模型；

S6.将实际数据输入电源分类模型进行电路板状态识别，模型的输出为各个电路板是否在线；再将此分类结果通过485总线上传至中控系统，中控系统再使用泥浆脉冲将其发送至地面系统，当井下电路板出现离线状况时发出警报。

2.根据权利要求1所述的随钻测井仪器电路工作状态在线监测方法，其特征在于，所述步骤S1信号采集与数据处理电路包括信号采集和信号处理两部分，信号采集部分用于对所述EMI信号进行滤波、模数转换处理，信号处理部分包含时序控制模块和运算处理模块，用于对所述EMI信号进行数据预处理和分类。

3.根据权利要求1所述的随钻测井仪器电路工作状态在线监测方法，其特征在于，所述步骤S2具体为，以卡尔曼滤波和快速傅里叶变换方法为例：

基于EMI信号计算Kalman增益由观测值y(t)_k更新估计值计算估计后的误差协方差矩阵将该估计状态转移至下一时刻，对离散EMI信号x(n)，FFT转换为

4.根据权利要求1所述的随钻测井仪器电路工作状态在线监测方法，其特征在于，所述步骤S3具体为：

对去噪后的EMI信号，去直流信号表达为归一化处理为

5.根据权利要求1所述的随钻测井仪器电路工作状态在线监测方法，其特征在于，所述步骤S5具体为采用Tensorflow全整型量化将预训练的卷积神经网络模型进行模型压缩和运算加速处理，并转换为STM32 MCU的优化代码。