CN105672988A - 抽油机示功图诊断系统和诊断方法 - Google Patents

Abstract

本发明提供了一种抽油机示功图诊断系统和诊断方法，其中，该系统包括：载荷传感器，用于采集功图数据；功图数据采集模块，用于从载荷传感器获取功图数据，并对功图数据进行预处理，将预处理后的功图数据传送给移动终端；移动终端，用于对预处理后的功图数据进行格式化处理；云端功图转换服务模块，用于将格式化处理后的功图数据转换为泵功图数据，并将泵功图数据传输至移动终端；神经网络模块，用于从移动终端接收泵功图数据，并对泵功图数据进行诊断，得到诊断结果，并将诊断结果传回移动终端进行显示。本发明解决了现有技术中对抽油机井的故障进行诊断的效率低下的技术问题，达到了对抽油机井的故障进行简单高效诊断的目的。

Description

抽油机示功图诊断系统和诊断方法

技术领域

本发明涉及地质勘探技术领域，特别涉及一种抽油机示功图诊断系统和诊断方法。

背景技术

抽油机井的故障诊断主要依赖于示功图，示功图就是悬点载荷同悬点位移之间的关系曲线图，测示功图的工具叫：动力仪，动力仪专门用来测试抽油泵在井下做功的情况，通过示功图可以测出抽油泵在提升过程中的最大载荷和最小载荷，以及增载、卸载等的变化情况，且利用示功图可以比较准确地判断抽油杆断脱、油管漏失、固定凡尔堵塞或漏失情况，且可以确定出油井结蜡、出砂、泵脱、油管脱等故障，理论示功图呈平行四边形，是示功仪在抽油机一个抽吸周期内测取的封闭曲线，纵坐标是抽油机的悬点载荷W，横坐标是抽油机的冲程S。

然而，目前对示功图的分析主要依赖于人工或者是利用简单的几何分析法来自动判断，人工分析需要现场工作人员具备丰富的诊断经验，且效率低下，而几何分析法无法对复杂的功图形状进行准确判断。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种抽油机示功图诊断系统，以达到对抽油机井的故障进行简单高效诊断的目的，该系统包括：

载荷传感器，用于采集功图数据；

功图数据采集模块，用于从所述载荷传感器获取功图数据，并对所述功图数据进行预处理，将预处理后的功图数据传送给移动终端；

移动终端，用于对预处理后的功图数据进行格式化处理，并将格式化处理后的功图数据传送给云端功图转换服务模块；

所述云端功图转换服务模块，用于将格式化处理后的功图数据转换为泵功图数据，并将所述泵功图数据传输至所述移动终端；

所述神经网络模块，用于从所述移动终端接收所述泵功图数据，并对所述泵功图数据进行诊断，得到诊断结果，并将所述诊断结果传回所述移动终端进行显示。

在一个实施方式中，所述载荷传感器与所述功图数据采集模块之间通过Zigbee传输方式进行数据传输。

在一个实施方式中，所述功图数据采集模块与所述移动终端之间通过USB接口连接。

在一个实施方式中，所述神经网络模块包括：

FLAH闪存，用于固化神经网络矩阵，并在通电后，将所述神经网络矩阵加载至GPU阵列中；

GPU阵列，用于在嵌入式系统进行诊断的过程中存储所述神经网络矩阵；

嵌入式系统，用于根据所述神经网络矩阵对所述泵功图数据进行诊断。

在一个实施方式中，所述移动终端包括：手机、平板电脑、或手提电脑。

本发明实施例还提供了一种利用上述抽油机示功图诊断系统进行示功图诊断的方法，包括：

功图数据采集模块从载荷传感器获取功图数据，并对所述功图数据进行预处理，将预处理后的功图数据传送给移动终端；

所述移动终端对预处理后的功图数据进行格式化处理，并将格式化处理后的功图数据传送给云端功图转换服务模块；

所述云端功图转换服务模块将格式化处理后的功图数据转换为泵功图数据，并将所述泵功图数据传输至所述移动终端；

所述神经网络模块从所述移动终端接收所述泵功图数据，并对所述泵功图数据进行诊断，得到诊断结果，并将所述诊断结果传回所述移动终端进行显示。

在一个实施方式中，所述功图数据采集模块对所述功图数据进行预处理，包括：

所述功图数据采集模块判断所述功图数据的类型；

当所述功图数据为原始的载荷位移数据时，检查所述功图数据的完整性和有效性；

当所述功图数据为图片数据时，对图片数据进行去噪处理和对比度处理，在去噪处理和对比度处理完成后，检查图片数据的完整性。

在一个实施方式中，所述云端功图转换服务模块将格式化处理后的功图数据转换为泵功图数据，包括：

所述云端功图转换服务模块通过数据桥，得到与所述格式化处理后的功图数据对应的抽油井的油井参数；

对所述油井参数进行受力分析，得到泵功图数据。

在一个实施方式中，所述神经网络模块对所述泵功图数据进行诊断，得到诊断结果，包括：

所述神经网络模块通过预先建立权值矩阵逐层求解，得到诊断结果。

在一个实施方式中，所述云端功图转换服务模块将格式化处理后的功图数据转换为泵功图数据，包括：

所述云端功图转换服务模块采用分布式方式将格式化处理后的功图数据转换为泵功图数据。

在本发明实施例中，提供了一种包括有载荷传感器、功图数据采集模块、移动终端、云端功图转换服务模块和神经网络模块的抽油机示功图诊断系统，以实现对抽油机井故障的诊断。本发明解决了现有技术中对抽油机井的故障进行诊断的效率低下的技术问题，达到了对抽油机井的故障进行简单高效诊断的目的。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：

图1是根据本发明实施例的抽油机示功图诊断系统的结构示意图；

图2是根据本发明实施例的抽油机示功图诊断方法的方法流程图；

图3是根据本发明实施例的抽油机示功图诊断系统的另一结构示意图；

图4是根据本发明实施例的功图数据硬件采集模块的结构框图；

图5是根据本发明实施例的智能手机功图诊断处理模块的结构框图；

图6是根据本发明实施例的神经网络硬件模块的结构框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。

发明人考虑到可以采用移动终端对整个抽油机示功图诊断过程进行集中控制，并结合云处理的高效方法进行诊断，以便达到对抽油机井的故障进行简单高效诊断的目的，该抽油机示功图诊断系统如图1所示，包括：

载荷传感器101，用于采集功图数据；

功图数据采集模块102，用于从载荷传感器获取功图数据，并对功图数据进行预处理，将预处理后的功图数据传送给移动终端；

移动终端103，用于对预处理后的功图数据进行格式化处理，并将格式化处理后的功图数据传送给云端功图转换服务模块；

云端功图转换服务模块104，用于将格式化处理后的功图数据转换为泵功图数据，并将泵功图数据传输至移动终端；

神经网络模块105，用于从移动终端接收泵功图数据，并对泵功图数据进行诊断，得到诊断结果，并将诊断结果传回移动终端进行显示；

其中，神经网络模块105可以包括：FLAH闪存，用于固化神经网络矩阵，并在通电后，将神经网络矩阵加载至GPU阵列中；GPU阵列，用于在嵌入式系统进行诊断的过程中存储神经网络矩阵；嵌入式系统，用于根据神经网络矩阵对泵功图数据进行诊断。

为了使得在数据传输过程中，可以尽可能地减少功率损耗，载荷传感器与功图数据采集模块之间可以通过Zigbee传输方式进行数据传输，所述功图数据采集模块与所述移动终端之间可以通过USB接口连接，以实现数据传输。

上述的移动终端可以包括但不限于以下之一：手机、平板电脑、或手提电脑。

基于上述抽油机示功图诊断系统，本例中还提供了一种示功图诊断的方法，如图2所示，包括以下步骤：

步骤201：功图数据采集模块从载荷传感器获取功图数据，并对功图数据进行预处理，将预处理后的功图数据传送给移动终端；

在实际执行的过程中，载荷传感器有时候采集的是图片数据，有时候采集的是原始的载荷位移数据，为了兼容每种类型的数据，功图数据采集模块可以采用以下方式对功图数据进行预处理：

1)当所述功图数据为原始的载荷位移数据时，检查所述功图数据的完整性和有效性；

2)当所述功图数据为图片数据时，对图片数据进行去噪处理和对比度处理，在去噪处理和对比度处理完成后，检查图片数据的完整性。

步骤202：移动终端对预处理后的功图数据进行格式化处理，并将格式化处理后的功图数据传送给云端功图转换服务模块；

步骤203：云端功图转换服务模块将格式化处理后的功图数据转换为泵功图数据，并将泵功图数据传输至移动终端；

具体地，云端功图转换服务模块可以通过数据桥，得到与所述格式化处理后的功图数据对应的抽油井的油井参数；对所述油井参数进行受力分析，得到泵功图数据。

步骤204：神经网络模块从移动终端接收泵功图数据，并对泵功图数据进行诊断，得到诊断结果，并将诊断结果传回移动终端进行显示；

在该步骤中，神经网络模块可以通过硬件的形式来存储权值矩阵并给出诊断结果，用于诊断的神经网络矩阵被固化在FLASH闪存中，通电后，神经网络矩阵被自动加载到GPU阵列中，嵌入式系统，借助于GPU来执行矩阵的运算。即，在给定功图数据后，逐层进行求解，获得最终的诊断结果，其中，诊断结果并不是具体属于那种工况，而是每种工况类型的概率，最终的诊断结果由智能手机系统进行展示。

下面结合一个具体实施例对上述抽油机示功图诊断系统进行说明，然而值得注意的是，该具体实施例仅是为了更好地说明本发明，并不构成对本发明的不当限定。

如图3所示，该抽油机示功图诊断系统包括：云端功图转换服务模块、功图数据硬件采集模块、神经网络硬件模块、智能手机功图诊断处理模块和供电模块，其中，云端功图转换服务模块、功图数据硬件采集模块和神经网络硬件模块可以被封装成一个单独的设备，通过USB端口与智能手机进行连接，供电设备主要为功图数据硬件采集模块和神经网络硬件模块供电，例如，可以采用锂电池供电，也可以采用可充电的锂电池供电。

在实际执行的时候，上述抽油机示功图诊断系统还包括：载荷传感器，用于采集每个抽汲周期的载荷位移数据，该载荷传感器可以每隔一定的间隔时间，将一个周期的数据存入到临时存储设备中，有些直接转换成了图片，不保存原始数据。相应地，功图数据硬件采集模块可以获取采集载荷传感器临时储存器里面的原始载荷数据也可以获取采集的图片。

功图数据硬件采集模块可以是一个嵌入式系统，例如，可以采用ARM7处理器和Linux操作系统，载荷传感器可以采用锂电池进行供电，为了节省数据传输所消耗的传输功率，在载荷传感器和功图数据硬件采集模块之间，可以采用ZigBee方式进行传输，即，功图数据硬件采集模块可以采用ZigBee方式从载荷传感器的存储设备中读取数据。

具体地，可以如图4所示，在智能手机功图诊断处理模块发出采集命令后，功图数据硬件采集模块利用ZigBee通讯进行数据采集，在采集完数据之后，可以根据功图数据的规律判断是采集的数据是原始的载荷位移数据还是图片数据：

1)如果是原始的载荷位移数据，则需要对数据进行预处理，其中，该预处理操作可以包括：数据的完整性、有效性的检查。如果检查后没有问题，则直接通过USB传给智能手机，如果检查后发现数据有问题，则重新通过ZigBee无线模块采集，如果采集次数超过一定的次数，数据仍然不完整，则自动放弃，并向智能手机发出数据错误的通知。

2)如果是图片数据，则需要对图片进行预处理，首先可以进行简单的图片除燥处理和对比度处理，使得功图部分能够凸显出来，然后，检查图片的完整性，主要是功图部分的完整性。如果没有问题，则直接通过USB传给智能手机，如果数据有问题，则重新通过ZigBee无线模块采集，如果采集次数超过一定的次数，数据仍然不完整，则自动放弃，并向智能手机发出数据错误的通知。

智能手机功图诊断处理模块在接收到数据以后，对功图数据进行处理和诊断、并展示处理和诊断结果，具体地，可以如图5所示：

对于非图片数据，直接进行数据格式化处理，对于图片数据，进行图像处理，提取功图数据，然后再进行数据格式化处理，其中，格式化处理主要是将数据封装成标准的JSON数据类型，然后传递给云端功图转换服务模块。

云端功图转换服务模块将地面功图数据转换成泵功图数据之后，再传递给智能手机，先对泵功图数据进行标准化处理，将所有数值压缩到0～1范围之内，生成标准化图片，其中，标准化图片除数据部分外，背景为白色。然后，提取标准化图片的形状特征，交由神经网络硬件模块进行诊断，诊断结果传递给智能手机进行展示。

云端功图转换服务模块之所以将原始的地面功图数据转换成泵功图数据，是因为只有转换成泵功图数据再进行诊断，结果才是合理的。转换过程一般会涉及到油井的井斜、杆柱组合、当前的生产参数以及设备参数等，并且转换过程的受力分析等计算比较复杂，因此需要在云端服务器中完成。

在云端服务中，油井的重要数据都被存储在数据库中，云端功图转换服务模块在接收到功图数据后，通过数据桥得到与该功图数据对应的油井相关参数，利用复杂的受力分析模型来进行转换。如果转换成功，则将转换结果直接返回给智能手机端，如果转换出错，则将错误代码发给智能手机端，智能手机端选择原始的功图进行诊断。

由于功图转换有时候会比较耗时，当大量手机进行转换服务时，会出现拥塞现象，为了解决这个问题，在服务端可以采用分布式计算，即，多台服务器或者虚拟服务器同时进行工作，并具备故障容错机制。即，如果在计算过程中，服务器出现故障，则任务将会转移到其他服务器执行。

神经网络硬件模块，通过硬件的形式来存储权值矩阵并给出诊断结果，其结构可以如图6所示，用于诊断的神经网络矩阵被固化在FLASH闪存中，通电后，神经网络矩阵被自动加载到GPU阵列中，嵌入式系统，借助于GPU来执行矩阵的运算。即，在给定功图数据后，逐层进行求解，获得最终的诊断结果，其中，诊断结果并不是具体属于那种工况，而是每种工况类型的概率，最终的诊断结果由智能手机系统进行展示。

在上例中，利用智能手机就可以对抽油机井功图进行诊断，现场工人可以随时采集数据，从而快速准确地得到诊断结果。

从以上的描述中，可以看出，本发明实施例实现了如下技术效果：提供了一种包括有载荷传感器、功图数据采集模块、移动终端、云端功图转换服务模块和神经网络模块的抽油机示功图诊断系统，以实现对抽油机井故障的诊断。本发明解决了现有技术中对抽油机井的故障进行诊断的效率低下的技术问题，达到了对抽油机井的故障进行简单高效诊断的目的。

显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种抽油机示功图诊断系统，其特征在于，包括：

载荷传感器，用于采集功图数据；

功图数据采集模块，用于从所述载荷传感器获取功图数据，并对所述功图数据进行预处理，将预处理后的功图数据传送给移动终端；

移动终端，用于对预处理后的功图数据进行格式化处理，并将格式化处理后的功图数据传送给云端功图转换服务模块；

所述云端功图转换服务模块，用于将格式化处理后的功图数据转换为泵功图数据，并将所述泵功图数据传输至所述移动终端；

所述神经网络模块，用于从所述移动终端接收所述泵功图数据，并对所述泵功图数据进行诊断，得到诊断结果，并将所述诊断结果传回所述移动终端进行显示。

2.如权利要求1所述的抽油机示功图诊断系统，其特征在于，所述载荷传感器与所述功图数据采集模块之间通过Zigbee传输方式进行数据传输。

3.如权利要求1所述的抽油机示功图诊断系统，其特征在于，所述功图数据采集模块与所述移动终端之间通过USB接口连接。

4.如权利要求1所述的抽油机示功图诊断系统，其特征在于，所述神经网络模块包括：

FLAH闪存，用于固化神经网络矩阵，并在通电后，将所述神经网络矩阵加载至GPU阵列中；

GPU阵列，用于在嵌入式系统进行诊断的过程中存储所述神经网络矩阵；

嵌入式系统，用于根据所述神经网络矩阵对所述泵功图数据进行诊断。

5.如权利要求1至4中任一项所述的抽油机示功图诊断系统，其特征在于，所述移动终端包括：手机、平板电脑、或手提电脑。

6.一种利用权利要求1至5中任一项所述的抽油机示功图诊断系统进行示功图诊断的方法，其特征在于，包括：

功图数据采集模块从载荷传感器获取功图数据，并对所述功图数据进行预处理，将预处理后的功图数据传送给移动终端；

所述移动终端对预处理后的功图数据进行格式化处理，并将格式化处理后的功图数据传送给云端功图转换服务模块；

所述云端功图转换服务模块将格式化处理后的功图数据转换为泵功图数据，并将所述泵功图数据传输至所述移动终端；

所述神经网络模块从所述移动终端接收所述泵功图数据，并对所述泵功图数据进行诊断，得到诊断结果，并将所述诊断结果传回所述移动终端进行显示。

7.如权利要求6所述的方法，其特征在于，所述功图数据采集模块对所述功图数据进行预处理，包括：

所述功图数据采集模块判断所述功图数据的类型；

当所述功图数据为原始的载荷位移数据时，检查所述功图数据的完整性和有效性；

当所述功图数据为图片数据时，对图片数据进行去噪处理和对比度处理，在去噪处理和对比度处理完成后，检查图片数据的完整性。

8.如权利要求6所述的方法，其特征在于，所述云端功图转换服务模块将格式化处理后的功图数据转换为泵功图数据，包括：

所述云端功图转换服务模块通过数据桥，得到与所述格式化处理后的功图数据对应的抽油井的油井参数；

对所述油井参数进行受力分析，得到泵功图数据。

9.如权利要求6所述的方法，其特征在于，所述神经网络模块对所述泵功图数据进行诊断，得到诊断结果，包括：

所述神经网络模块通过预先建立权值矩阵逐层求解，得到诊断结果。

10.如权利要求6至9中任一项所述的方法，其特征在于，所述云端功图转换服务模块将格式化处理后的功图数据转换为泵功图数据，包括：

所述云端功图转换服务模块采用分布式方式将格式化处理后的功图数据转换为泵功图数据。