一种基于遗传算法的多环电极阵列传感器结构优化方法

摘要

一种基于遗传算法的多环电极阵列传感器结构优化方法，属于检测技术领域。该方法首先将多环电极阵列传感器旋转至两个位置之一：1号电极位置最低或者外环编号最小和最大的两个电极对称且位置最低，分别计算电极相邻高度值之差；接着根据电学探针法探测油水分界面高度的最大误差计算方法，构造出寻优的目标函数，并确定寻优参数的约束条件；接着编写遗传算法求解程序，对最大进化代数、种群规模、交配概率、变异概率、搜索精度进行合理设定；最后得到使得目标函数最小的最优参数值，对传感器进行结构优化。本发明是对多环电极阵列传感器的简单有效的结构优化，当利用多环电极阵列传感器采用电学探针法探测油水分界面高度时，可以提高测量精度。

说明书

【技术领域】

本发明属于检测技术领域，尤其涉及一种基于遗传算法的多环电极阵列传感器结构优化方法。

【背景技术】

由于油、气、水可在重力作用下分离，多相流体的流型复杂多变，加之水平井眼的长距离波状起伏等 原因，造成水平流动生产剖面异常复杂，现有的垂直井生产测井手段不能完全解决水平井中出现的问题。 国际上知名的油田服务公司虽已开发了FLAGSHIP，FLOSCAN，MAPS等水平井产出剖面测井产品，但 其费用昂贵且并不具有广泛适用性。目前，胜利、大庆、新疆等油田均在水平井测井技术上进行了研究开 发，但尚未从根本上解决水平井测井问题。总体上国内对水平井段的动态生产监测研究与应用还处于起步 阶段。

在油田生产测井领域，传感器的电极阵列不易安装在输油管道的管壁上，传统的“非侵入式”电学成 像的传感器结构，不利于生产测井信息的获取。因此“侵入式”的单环或多环电极阵列传感器得到了广泛 的关注与使用。例如国家知识产权局授权的一项发明专利：一种多环电极阵列成像传感器 （ZL201010110504.0），其结构包括有测量电极、支撑臂和支撑轴，测量电极排布于支撑臂上，并且分布 在与支撑轴中心同心的不同圆周上，呈辐射状；测量电极分别引线，相互独立，与支撑臂和支撑轴绝缘， 待测流体的流通通道是支撑轴和管壁之间的环形通道。

为了达到更好的测量精度，往往需要对传感器结构进行优化。例如国家知识产权局公开的一项发明专 利：两相流分相含率阻抗传感器及其结构参数的优化方法（申请号200710057709.5），其针对的是电极在 绝缘管层的管壁上径向对称按180度角螺旋分布的传感器，通过计算灵敏度进行传感器结构优化。国家知 识产权局还公开了一项发明专利：一种环形持水率测井传感器阵列的结构优化方法（申请号 201010543247.X），其针对的是环形持水率测井传感器阵列，通过穷举传感器在不同角度下的测量误差来 优化传感器结构，这种方法存在着计算量巨大的劣势。

遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化 而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进 行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻 优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这 些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现 代有关智能计算中的关键技术。但是尚未有公开的专利研究将遗传算法应用到传感器结构优化中。本发明 针对多环多环电极阵列传感器提出一种基于遗传算法的结构优化方法，只需对传感器的两个典型位置：1 号电极位置最低；外环编号最小和最大的两个电极对称且位置最低进行分析，即可优化传感器结构，提高 测量油水分界面高度的精度。

【发明内容】

本发明的目的是提供一种基于遗传算法的多环电极阵列传感器结构优化方法，当利用多环电极阵 列传感器采用电学探针法探测油水分界面高度时，可以对传感器结构进行简单有效的优化，以提高 测量精度。

为实现上述目的，本发明提供的一种基于遗传算法的多环电极阵列传感器结构优化方法，采用如下 技术方案：

一种基于遗传算法的多环电极阵列传感器结构优化方法，其特征在于，包括以下步骤：

步骤一，记录优化对象“侵入式”多环电极阵列传感器的结构参数，外壳（1）半径为r_out，中心 轴（2）半径为r_in，有N个支撑臂（3），各电极（4）投影到与中心轴垂直的平面上，形成n个环，各个环 由外而内的半径依次为r₁，r₂，…,r_n，每个环上有N个等角间距的电极，从外环到内环按逆时针进行编号， 各电极投影到与中心轴垂直的平面上；

步骤二，将多环电极阵列传感器旋转至1号电极置于最底端的位置，以多环电极阵列传感器中 心为原点建立直角坐标系，第i环j号电极的y轴坐标为

$D_j=r_i\cos \left(\frac{2(j-1)}{N}\pi \right)$

并将其按从小到大进行排序得到递增序列{d₁,d₂,…,d_n·N}，并计算每两个y轴坐标相邻的电极之间的 垂直距离η_j：

$\left(\begin{array}{c}{\eta }_j=d_j-d_{j-1};\\ {\eta }_1=d_1-(-r_{\mathrm{out}});\\ {\eta }_{n·N}=r_{\mathrm{out}}-d_{n·N}.\end{array}\right)$

其中，i＝1,2,…,n;j＝1,2,…,n·N.

步骤三，将多环电极阵列传感器旋转至外环编号最小和最大的两个电极对称地置于最底端的位 置，以多环电极阵列传感器中心为原点建立直角坐标系，第i环j号电极的y轴坐标为

$H_j=r_i\cos \left(\frac{2(j-1)+1}{N}\pi \right),$

并将其按从小到大进行排序得到递增序列{h₁,h₂,…,h_n·N}，并计算每两个y轴坐标相邻的电极之间的 垂直距离λ_j：

$\left(\begin{array}{c}{\lambda }_j=h_j-h_{j-1};\\ {\lambda }_1=h_1-(-r_{\mathrm{out}});\\ {\lambda }_{n·N}=r_{\mathrm{out}}-h_{n·N}.\end{array}\right)$

其中，i＝1,2,…,n;j＝1,2,…,n·N.

步骤四，根据上述多环电极阵列传感器旋转至的两个位置，可计算得电学探针法探测油水分界 面高度的最大误差关于各环半径r₁,r₂,…,r_n的函数:

$\mathrm{Error}(r_1,r_2,...,r_n)=\frac{1}{{4r}_{\mathrm{out}}}\max \{{\eta }_1,{\eta }_2,...,{\eta }_{n·N},{\lambda }_1,{\lambda }_2,...,{\lambda }_{n·N}\}$

其中，max{}表示求数组元素最大值的函数；

步骤五，构造寻优的目标函数，且根据传感器结构要求确定寻优参数{r₁,r₂,…,r_n}的约束条件：

minimize Error(r₁,r₂,…,r_n)

$\mathrm{subjectto}\left(\begin{array}{c}{r}_{\mathrm{in}}\le r_n\le r_{n-1}\le ...\le r_1\le r_{\mathrm{out}}\\ r_i-r_{i+1}\ge \mathrm{\Delta r}\end{array}\right)$

步骤六，根据目标函数编写相应的遗传算法：先进行初始化，设置进化代数计数器t=0，设置最 大进化代数，种群规模，交配概率，变异概率，搜素精度，随机生成初始群体P(0)；然后设定计算 群体P(t)中各个个体的适应度；接着进行选择运算、交叉运算、变异运算之后得到下一代群体；最后 若达到搜素精度，则以该次进化得到的个体作为最优解输出，终止计算；否则按达到最大进化代数， 以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。

步骤七，得到使得目标函数最小的最优参数值，调整各环半径大小，以达到对传感器进行结构 优化的目的。

本发明的基于遗传算法的多环电极阵列传感器结构优化方法简单有效，当利用多环电极阵列传 感器采用电学探针法探测油水分界面高度时，可以提高测量精度。

【说明书附图】

图1是多环电极阵列传感器旋转至1号电极置于最底端的位置示意图；

图2是多环电极阵列传感器旋转至外环编号最小和最大的两个电极对称地置于最底端的位置示意图。

【具体实施方案】

以下结合实例，对本发明的具体实施方案做进一步描述。

参照图1，本发明的一种基于遗传算法的多环电极阵列传感器的结构优化方法，其特征在于，包 括以下步骤：

步骤一，记录优化对象“侵入式”多环电极阵列传感器的结构参数，外壳1半径为1m，中心轴 2半径为0.2m，有12个支撑臂3，各电极4投影到与中心轴垂直的平面上，形成2个环，各个环由外而 内的半径依次为r₁，r₂，每个环上有12个等角间距的电极，从外环到内环按逆时针进行编号，各电极投影 到与中心轴垂直的平面上；

步骤二，参照图1，将多环电极阵列传感器旋转至1号电极置于最底端的位置，以多环电极阵列 传感器中心为原点建立直角坐标系，第i环j号电极的y轴坐标为

$D_j=r_i\cos \left(\frac{2(j-1)}{12}\pi \right)$

并将其按从小到大进行排序得到递增序列{d₁,d₂,…,d₂₄}，并计算每两个y轴坐标相邻的电极之间的垂 直距离η_j：

$\left(\begin{array}{c}{\eta }_j=d_j-d_{j-1};\\ {\eta }_1=d_1-(-1);\\ {\eta }_{24}=1-d_{24}.\end{array}\right)$

其中，i＝1,2;j＝1,2,…,24.

步骤三，参照图2，将多环电极阵列传感器旋转至外环编号最小和最大的两个电极对称地置于最 底端的位置，以多环电极阵列传感器中心为原点建立直角坐标系，第i环j号电极的y轴坐标为

$H_j=r_i\cos \left(\frac{2(j-1)+1}{12}\pi \right),$

并将其按从小到大进行排序得到递增序列{h₁,h₂,…,h₂₄}，并计算每两个y轴坐标相邻的电极之间的垂 直距离λ_j：

$\left(\begin{array}{c}{\lambda }_j=h_j-h_{j-1};\\ {\lambda }_1=h_1-(-1);\\ {\lambda }_{24}=1-h_{24}.\end{array}\right)$

其中，i＝1,2;j＝1,2,…,24.

步骤四，参照图1、图2，根据上述多环电极阵列传感器旋转至的两个位置，可计算得电学探针 法探测油水分界面高度的最大误差关于各环半径r₁,r₂的函数:

$\mathrm{Error}(r_1,r_2)=\frac{1}{4}\max \{{\eta }_1,{\eta }_2,...,{\eta }_{24},{\lambda }_1,{\lambda }_2,...,{\lambda }_{24}\}$

其中，max{}表示求数组元素最大值的函数；

步骤五，构造寻优的目标函数，且根据传感器结构要求确定寻优参数{r₁,r₂}的约束条件：

minimize Error(r₁,r₂)

$\mathrm{subjectto}\left(\begin{array}{c}0.2\le r_1\le r_2\le 1\\ r_1-r_2\ge 0.1\end{array}\right)$

步骤六，根据目标函数编写相应的遗传算法：先进行初始化，设置进化代数计数器t=0，设置最 大进化代数100，种群规模100，交配概率0.8，变异概率0.2，搜素精度10^-7，随机生成初始群体P(0)； 然后设定计算群体P(t)中各个个体的适应度；接着进行选择运算、交叉运算、变异运算之后得到下一 代群体；最后若达到搜素精度，则以该次进化得到的个体作为最优解输出，终止计算；否则按达到 最大进化代数，以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。

第⑥步，得到使得目标函数最小的最优参数值r₁＝0.7928,r₂＝0.4524，相应调整这两环半径大 小，以达到对多环电极阵列传感器进行结构优化的目的，可使得采用电学探针法探测油水分界面高 度的最大相对误差降低至5.85%。

因此，本发明的基于遗传算法的多环电极阵列传感器结构优化方法简单有效，当利用多环电极 阵列传感器采用电学探针法探测油水分界面高度时，可以提高测量精度。

以上所述仅为本发明具体实施方法的基本方案，但本发明的保护范围并不局限于此，任何熟悉本技术 领域的人员在本发明公开的技术范围内，可想到的变化或替换，都应涵盖在本发明的保护范围之内。因此， 本发明的保护范围应该以权利要求的保护范围为准。所有落入权利要求的等同的含义和范围内的变化都将 包括在权利要求的范围之内。