| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 创新点摘要 | 第8-9页 |
| 目录 | 第9-11页 |
| 绪论 | 第11-19页 |
| 第一章 油田定向井随钻测量系统建模 | 第19-32页 |
| ·引言 | 第19页 |
| ·随钻测量参数 | 第19-20页 |
| ·磁通门传感器数学模型 | 第20-24页 |
| ·加速度传感器数学模型 | 第24-26页 |
| ·随钻测斜数学模型 | 第26-31页 |
| ·本章小结 | 第31-32页 |
| 第二章 油田定向井随钻传感信号补偿 | 第32-41页 |
| ·引言 | 第32页 |
| ·磁通门传感器输出信号处理 | 第32-33页 |
| ·加速度传感器输出信号处理 | 第33-34页 |
| ·随钻测斜误差分析 | 第34-35页 |
| ·传感信号误差补偿 | 第35-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 基于小波神经网络的随钻测量信号补偿 | 第41-49页 |
| ·引言 | 第41页 |
| ·传感器非线性补偿原理 | 第41-43页 |
| ·小波神经网络的建立 | 第43-44页 |
| ·小波神经网络的学习算法及改进 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于遗传Elman神经网络的随钻测量信号补偿 | 第49-59页 |
| ·引言 | 第49页 |
| ·Elman神经网络模型的构建 | 第49-51页 |
| ·LM学习算法 | 第51-53页 |
| ·Elman网络在随钻测斜仪传感器补偿中的应用 | 第53-55页 |
| ·基于遗传Elman神经网络的传感器补偿 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 基于自适应蚁群算法的随钻测量信号补偿 | 第59-66页 |
| ·引言 | 第59页 |
| ·基本蚁群算法 | 第59-62页 |
| ·自适应蚁群算法 | 第62-63页 |
| ·蚁群算法优化Elman神经网络权阈值 | 第63-64页 |
| ·自适应蚁群Elman神经网络在随钻测斜信号补偿中的应用 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 油田定向井随钻测量系统设计 | 第66-78页 |
| ·引言 | 第66页 |
| ·随钻测斜方案设计 | 第66-67页 |
| ·随钻测斜系统硬件设计 | 第67-74页 |
| ·随钻测斜系统软件设计 | 第74-76页 |
| ·随钻测斜仪系统的性能测试 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第七章 基于泥浆脉冲的随钻测量信号传输 | 第78-92页 |
| ·引言 | 第78页 |
| ·泥浆脉冲传输系统数学模型 | 第78-80页 |
| ·泥浆脉冲信号发生器 | 第80-86页 |
| ·气体和固体对传输速度的耦合影响 | 第86-88页 |
| ·钻井液脉冲的传输速度影响因素分析 | 第88-91页 |
| ·本章小结 | 第91-92页 |
| 结论 | 第92-93页 |
| 参考文献 | 第93-101页 |
| 博士论文期间发表的文章和参加的科研项目 | 第101-102页 |
| 致谢 | 第102-103页 |
| 详细摘要 | 第103-111页 |