劉花麗

摘要：針對如何有效描述泵功圖，從而實(shí)現(xiàn)抽油機(jī)故障診斷這一問題，該文首先分析對比了幾種常見的功圖特征分析提取法，在此基礎(chǔ)上，經(jīng)研究提出了一種基于改進(jìn)矢量曲線數(shù)據(jù)壓縮算法，利用該算法可以更加有效對功圖特征進(jìn)行分析和提取，經(jīng)研究對比后。通過實(shí)驗(yàn)結(jié)果數(shù)據(jù)證明該方法在對功圖特征描述方面更加有效和準(zhǔn)確，從而大大提高了對油田抽油機(jī)異常情況的診斷正確性。

關(guān)鍵詞：功圖；特征提取；矢量曲線數(shù)據(jù)壓縮

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2017）32-0191-03

Research on Figure Feature Extraction Method Based on Fault Diagnosis of The Pumping Unit

LIU Hua-li

（Karamay Vocational &Technical College， Karanay 834000， China）

Abstract： In order to describe the indicator diagram of pump， so as to realize oil pumping machine fault diagnosis of this problem， this paper firstly analyzes and compares the feature extraction analysis diagram of several common， on this basis， this paper puts forward an improved compression algorithm Based on vector curve data， the algorithm can be more effective to diagram characteristics analysis and extraction， by contrast research. The experimental results show that the method is more effective and accurate in describing the characteristics of the power diagram， thus greatly improving the diagnostic accuracy of the abnormal situation of the oil pumping unit in the oilfield.

Key words： indicator diagram； feature extraction； vector curve data compression

目前，有桿抽油機(jī)采油方式是國內(nèi)外石油工業(yè)傳統(tǒng)的采油方式之一，而示功圖包含了有桿抽油機(jī)工作的大量有效信息，不同的油井異常會(huì)在泵功圖上產(chǎn)生不同的形狀特征，通過的泵功圖的特征進(jìn)行提取分析就可以判斷出目前油井所處的狀態(tài)是否正常[1]。

根據(jù)示功圖的形狀，進(jìn)行有桿抽油機(jī)故障診斷也是采油工程技術(shù)管理的一項(xiàng)重要工作[2]。隨著人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等技術(shù)的出現(xiàn)，這就需要找到一種選取示功圖特征值的方法，且該方法能夠更準(zhǔn)確地對示功圖進(jìn)行描述。本文研究內(nèi)容對于有桿抽油井油井的異常情況判別就有現(xiàn)實(shí)的重要意義，可以有效提高油田生產(chǎn)過程的穩(wěn)定性，減少異常故障帶來的損失。

本文提出一種改進(jìn)適量曲線數(shù)據(jù)壓縮算法，對泵功圖進(jìn)行特征提取，該方法將斜率作為約束條件，斜率是一個(gè)相對量，且計(jì)算的次數(shù)少于采樣點(diǎn)的數(shù)量，對于不需要進(jìn)行曲線連接的封閉曲線來說，不會(huì)產(chǎn)生由于曲線連接而造成的冗余數(shù)據(jù)。

1 常見特征提取方法

1.1 基本原理

1） 傅里葉描述子

對功圖特征提取可以采用多種方法，例如采用傅里葉描述子算法可以將功圖的二維坐標(biāo)點(diǎn)構(gòu)成的封閉區(qū)域特征提取問題轉(zhuǎn)化為以為數(shù)據(jù)值問題，利用邊界分別計(jì)算出三種特征表述，復(fù)坐標(biāo)函數(shù)、曲率函數(shù)以及質(zhì)心距離。

在復(fù)坐標(biāo)函數(shù)函數(shù)中，對于封閉曲線的特征提取過程為：假設(shè)其周長為L，先選擇一動(dòng)點(diǎn)d（l），把它的坐標(biāo)表示為一個(gè)以L為周期的表達(dá)式函數(shù)，那么就是x（l）+jy（l），則把該函數(shù)展開為傅里葉級數(shù)表示。其中的z（k）是傅里葉描述子，圖像曲線的特征就是由它表示出來的。當(dāng)取高階次的時(shí)候，傅里葉描述子既可以將物體的形狀信息準(zhǔn)確地提取并展示出來[3]。

2） 矩特征向量

HU矩[4]（幾何矩）是由Hu在1962年提出。一般情況下，矩在統(tǒng)計(jì)學(xué)中被用來表明隨機(jī)變量的分布狀態(tài)，在力學(xué)當(dāng)中，是被用來對物體的質(zhì)量分布進(jìn)行描繪，相似的，如果把圖像的灰度值表述成一個(gè)多維的密度分布函數(shù)，那么該方法就可以對圖像數(shù)據(jù)進(jìn)行特征分析，并提取特征，矩特征主要描述了圖像的幾何特征，由于幾何特征具有旋轉(zhuǎn)、尺度改變、平移等狀態(tài)下特征不變的特點(diǎn)，在圖像處理過程中，其作為一個(gè)幾何不變矩來表述物體，并以此為特點(diǎn)對圖像進(jìn)行識別分類等操作。

3） 灰度矩陣

網(wǎng)格法是一類在圖像處理領(lǐng)域廣泛使用的特征提取方法，在進(jìn)行示功圖的特征提取過程中，網(wǎng)格法是先將功圖按照水平和垂直的方向進(jìn)行網(wǎng)格狀的分割，然后將功圖數(shù)據(jù)描線在網(wǎng)格中進(jìn)行呈現(xiàn)標(biāo)記，以此來獲取圖形的一般特征參數(shù)[5]。，而特征提取就是基于網(wǎng)格法的一種改進(jìn)方法，是將功圖的灰度矩陣作為分類特征向量進(jìn)行統(tǒng)計(jì)分類。

1.2 算法分析比較[6]

從上表可以看出，三種示功圖特征提取方法都存在一定的不足，因此本文采用一種改進(jìn)的矢量曲線數(shù)據(jù)壓縮方法對示功圖進(jìn)行特征提取。

2 改進(jìn)矢量曲線數(shù)據(jù)壓縮算法的特征提取endprint

2.1 故障泵示功圖

油田采油過程中，有較多的外界因素可能對抽油機(jī)產(chǎn)生影響，進(jìn)而引發(fā)各種不同類型的故障，影響因素一般有天氣，地質(zhì)變化，化學(xué)侵蝕，油氣開采汲取不當(dāng)，器械老化等等，而對于不同的異常情況井的工作狀態(tài)都會(huì)不同，在泵功圖數(shù)據(jù)上都有所體現(xiàn)，所以只要對采集的泵功圖數(shù)據(jù)進(jìn)行有效分析，就可以判斷出油井的工作狀態(tài)，也就是異常種類的判斷。比較常見的故障類型主要有：游動(dòng)凡爾漏失、氣影響、氣鎖、供液不足、油井出砂、固定凡爾漏失、泵上碰、泵下碰、油井結(jié)蠟、抽油桿斷脫、油稠、雙凡爾漏失、連抽帶噴、柱塞脫出工作筒等[7]。伴隨異常情況的發(fā)生就是油田生產(chǎn)的減產(chǎn)或者中斷生產(chǎn)，導(dǎo)致經(jīng)濟(jì)的巨大損失。

2.2 示功圖預(yù)處理

在功圖特征提取之前，需要對功圖進(jìn)行如下處理：

1） 點(diǎn)序的規(guī)范

由于功圖數(shù)據(jù)的記錄開始時(shí)刻不同，導(dǎo)致功圖數(shù)據(jù)的起始點(diǎn)不一樣，這樣的情況會(huì)在一定程度上影響后期對功圖特征的提取的判斷，為了增加準(zhǔn)確率本文通過對功圖數(shù)據(jù)的位置調(diào)整，將不同功圖數(shù)據(jù)的起始點(diǎn)都轉(zhuǎn)化到功圖的左下數(shù)據(jù)點(diǎn)作為起始點(diǎn)。

2） 數(shù)據(jù)數(shù)值的規(guī)范處理

對于不同的地藏況，外部條件，抽油機(jī)異常都可能造成油井功圖數(shù)據(jù)的數(shù)量級差距，這種情況如果直接將采集到的數(shù)據(jù)進(jìn)行對比就可能造成巨大誤差，是結(jié)果無法真實(shí)反映油井情況，為了有效對比，必須將不同量級的功圖數(shù)據(jù)進(jìn)行統(tǒng)一的規(guī)范化處理，本文就是采用Z-score標(biāo)準(zhǔn)化方法，將不同的功圖數(shù)據(jù)歸一化。

3） 采集數(shù)據(jù)點(diǎn)個(gè)數(shù)的統(tǒng)一

對于不同的是功圖數(shù)據(jù)來源對應(yīng)的功圖源數(shù)據(jù)也是不同的，最主要的就是功圖數(shù)據(jù)點(diǎn)數(shù)的不同，例如有的功圖源數(shù)據(jù)點(diǎn)數(shù)為160，也有300的，所以為了有效對比，必須對來源不同的功圖數(shù)據(jù)進(jìn)行點(diǎn)數(shù)的統(tǒng)一規(guī)范，本文通過二次插值算法將功圖數(shù)據(jù)點(diǎn)數(shù)統(tǒng)一為320個(gè)。

2.3 特征提取

本文采用一種改進(jìn)的矢量曲線數(shù)據(jù)壓縮算法。改進(jìn)的矢量曲線數(shù)據(jù)壓縮算法的主要過程是[8]：首先從泵示功圖圖形曲線的原點(diǎn)開始，依次對泵示功圖曲線上相鄰兩點(diǎn)間線段的斜率進(jìn)行計(jì)算，判斷后一段曲線斜率值與前一段曲線斜率值之差的絕對值是否在某個(gè)閾值范圍內(nèi)，如果沒有超過，壓縮這兩段曲線連接點(diǎn)處的冗余數(shù)據(jù)點(diǎn)，將兩條曲線合為一條，然后將壓縮冗余點(diǎn)后的曲線斜率與下一相鄰曲線的斜率繼續(xù)做差值，如果差值超出閾值范圍，將后一段曲線保留，并記錄所得效率值，以此曲線線段用相同的方法繼續(xù)進(jìn)行斜率值計(jì)算對比，判斷是否在閾值范圍內(nèi)，一直到曲線的起始點(diǎn)為止，最后得到示功圖的特征值。本文將所求斜率的前十個(gè)最大值作為示功圖的特征值。

圖1 基于改進(jìn)的矢量曲線的功圖數(shù)據(jù)處理過程

如圖1所示為某井下示功圖的數(shù)據(jù)曲線描點(diǎn)結(jié)果圖形，這里首先求取線段[A1A2]的斜率值：

[K12=Y2-Y1X2-X1=ΔY12ΔX12] （1）

計(jì)算線段[A2A3]的斜率：

[K23=Y3-Y2X3-X2=ΔY23ΔX23] （2）

假如取閾值為[ε]，如果有：

[K23-K12=ΔY23ΔX23-ΔY12ΔX12≤ε] （3）

利用線段[A1A3]代替[A1A3]，計(jì)算出曲線[A1A3]的斜率值。

存在[K23-K12=ΔY23ΔX23-ΔY12ΔX12>ε]，那么以[A2A3]取代線段[A2A3]，之后存儲斜率[K12]的值，使用同樣的方法可以對曲線的其他數(shù)據(jù)部分進(jìn)行擬合計(jì)算，直到數(shù)據(jù)起點(diǎn)位置，然后把結(jié)果中計(jì)算出的斜率最大的前十個(gè)值提取作為該功圖的特征提取點(diǎn)。

3 實(shí)驗(yàn)結(jié)果分析

本文主要選取了正常功圖、氣影響、供液不足、游動(dòng)凡爾漏失、泵上碰、抽油桿斷脫這幾種故障示功圖進(jìn)行特征提取，并將得到的特征點(diǎn)與標(biāo)準(zhǔn)庫中的功圖特征點(diǎn)進(jìn)行匹配，

從表2種可以總結(jié)出，本文所提出的基于改進(jìn)矢量曲線數(shù)據(jù)壓縮算法在實(shí)驗(yàn)分析過程中對于功圖狀態(tài)的判斷準(zhǔn)確率在85%以上，對于部分功圖準(zhǔn)確率在90%以上，大大增加對功圖特征識別上的準(zhǔn)確性。

在相同條件下，分別采用改進(jìn)適量曲線壓縮算法與其他三種特征提取算法對正常功圖、供液不足、氣影響這3種故障示功圖各選取30個(gè)樣本進(jìn)行測試，其識別匹配結(jié)果如下表3所示。

從上表可以看出，采用改進(jìn)矢量曲線數(shù)據(jù)壓縮算法對示功圖進(jìn)行特征提取后的匹配率較高，且計(jì)算簡便，容易掌握，適合用于對故障示功圖進(jìn)行分類識別，判斷抽油機(jī)的故障。

4 結(jié)束語

針對抽油機(jī)故障診斷過程中對示功圖的識別問題，本文提出了一種改進(jìn)的矢量曲線數(shù)據(jù)壓縮算法。首先對功圖進(jìn)行預(yù)處理，然后采用改進(jìn)適量曲線數(shù)據(jù)壓縮算法對功圖曲線進(jìn)行壓縮取點(diǎn)，該方法計(jì)算簡單，準(zhǔn)確率較高，適用于示功圖的特征提取。

參考文獻(xiàn)：

[1] 李東平. 油桿抽油系統(tǒng)桿柱動(dòng)態(tài)特性的預(yù)測與計(jì)算機(jī)仿真[D]. 西安理工大學(xué)，2003.

[2] 王科科. 基于不變矩和神經(jīng)網(wǎng)絡(luò)的抽油機(jī)井故障診斷[J]. 內(nèi)蒙古石油化工，2014， 1：44-45.

[3] E Persoon， K S Fu. Shape discrimination using Fourier description[J]. Trans on PAMI， 1986， 8：388-397.

[4] 王曉菡. 用于工況診斷的示功圖特征提取方法研究[D]. 中國石油大學(xué)， 2011.

[5] 劉煒， 劉宏昭. 三種泵功圖特征提取方法及比較[J]. 煤炭技術(shù)， 2010， 9（29）：202-203.

[6] 蘇曉偉. 基于支持向量機(jī)的抽油機(jī)井故障分析模型研究[D]. 東北石油大學(xué)， 2014.

[7] 吳偉， 王瑋. 機(jī)械式有桿泵抽油井示功圖的識別[J]. 石油礦場機(jī)械， 2007， 36（4）：16-18.

[8] 劉可晶. 一種改進(jìn)的矢量曲線數(shù)據(jù)壓縮算法[J]. 甘肅科學(xué)學(xué)報(bào)， 2005， 3（17）：112-114.