CN107013206B - 一种油井动液面测量信号处理方法 - Google Patents
一种油井动液面测量信号处理方法 Download PDFInfo
- Publication number
- CN107013206B CN107013206B CN201710330186.0A CN201710330186A CN107013206B CN 107013206 B CN107013206 B CN 107013206B CN 201710330186 A CN201710330186 A CN 201710330186A CN 107013206 B CN107013206 B CN 107013206B
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency
- pipe
- loudspeaker
- working fluid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000012530 fluid Substances 0.000 title claims abstract description 32
- 239000003129 oil well Substances 0.000 title claims abstract description 28
- 238000005259 measurement Methods 0.000 title claims description 16
- 238000003672 processing method Methods 0.000 title description 2
- 238000001228 spectrum Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000005070 sampling Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 39
- 238000001914 filtration Methods 0.000 claims description 12
- 238000013178 mathematical model Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 6
- 230000000149 penetrating effect Effects 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 11
- 238000012935 Averaging Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/04—Measuring depth or liquid level
- E21B47/047—Liquid level
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/12—Means for transmitting measuring-signals or control signals from the well to the surface, or from the surface to the well, e.g. for logging while drilling
- E21B47/14—Means for transmitting measuring-signals or control signals from the well to the surface, or from the surface to the well, e.g. for logging while drilling using acoustic waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Geochemistry & Mineralogy (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Geophysics (AREA)
- Mathematical Optimization (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Acoustics & Sound (AREA)
- Remote Sensing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种油井动液面测量信号处理方法,首先对信号做welch多段平均功率谱估计处理,得到各阶共振频率,但由于很难对原始信号整周期采样,导致傅里叶变换后产生频谱泄露和栅栏效应,频谱图几乎不能表现出信号的准确频率,因此求出来的频率差都存在误差。而且通过每次读取十个频率求均值的方法效率较低。
Description
技术领域
本发明涉及到油井动液面深度检测技术领域,具体地说,是一种油井动液面测量信号处理方法。
背景技术
油井动液面深度的精确检测在油田开发中十分重要,油井动液面深度检测的一种新方法是管柱声场模型法。该方法是向井内连续不断地发送白噪声,源源不断的向井内补充能量,从而激发井内空气柱共振,根据共振频率与空气柱之间的数学模型,计算出油井动液面的深度。由于是通过白噪声激发产生的共振信号,所以接收到的共振信号中存在大量白噪声的干扰,共振信号几乎完全被白噪声淹没,这严重影响了动液面的检测精度。
发明内容
根据信号的welch功率谱,可选取相邻多个频率,求出相邻频率差的平均值,进而求得管道的长度。理论上相邻两阶谐波的频率差应相等,然而由于很难对原始信号整周期采样,导致傅里叶变换后产生频谱泄露和栅栏效应,频谱图几乎不能表现出信号的准确频率,因此求出来的频率差都存在误差。而且通过每次读取十个频率求均值的方法效率较低。因此,本发明主要是通过对welch功率谱继续做快速傅里叶变换(FFT),进一步突出共振频率,从而得到精确的频率间隔,有效提高了油井动液面的检测精度。为达到上述目的,本发明表述一种油井动液面测量信号处理方法,其关键在于按照如下步骤进行:
步骤11:安装检测装置,在检测管内靠近管口处安装有检测装置,该检测装置的扬声器和驻极式话筒伸向所述检测管内,所述扬声器和驻极式话筒均靠近所述检测管的管心线;
步骤12:利用发声软件构造出白噪声信号,将白噪声经过功率放大器及扬声器,扬声器贴近管口固定住,信号经功率放大器放大后由扬声器送入油管中,通过连续不断地向管内发送白噪声,激发管中空气柱共振,将驻极式话筒置于管口内5米处,以采集管中能量强的共振信号;
步骤13:设置采样频率fs为1万Hz,采样时间T1分钟,采集得到周期为N的共振信号R(n),n=0,1,2,…,N-1;
步骤14:对周期为N的共振信号做welch多段平均功率谱估计,得到的信号记为A1,如图5所示,其频率分辨率Δf1=fs/N1为,fs为采样频率,N1为分段后各段共振信号的周期;
步骤15:对welch多段平均功率谱信号A1做高通滤波处理,得到的信号记为A2,如图8所示;
步骤16:对A2做快速傅里叶变换(FFT),得到的信号记为A3,其频谱图如图9所示;
步骤18:管内空气柱的共振模型为:
其中,n为谐波阶数,fn为对应的谐波频率,l1为空气柱的长度,c为声波信号在空气中的传播速度,c≈331.6+0.6t(m/s),t为环境温度,实验过程中的环境温度为28℃,相邻于fn的另一共振频率为fn+1:
联合上面两式可得两个相邻共振频率间距Δf为:
则空气柱长度l1为:
考虑管口校正有:
d为管道直径,实验过程中温度为28℃,管口直径为0.075m,因此针对于本文处理数据,空气柱的长度与共振频率的表达式为:
采用welch多段平均功率谱法在频域对信号有较好的去噪效果,且能得到较为清晰光滑的频谱图。根据信号的welch功率谱,可选取K个相邻频率的间隔Δf,求出相邻频率间隔的平均值进而求得管道的长度。但读取各共振频率时存在误差,导致计算的频率差也存在误差,且计算步骤繁琐,从而效率较低。
本方法不是简单地求取welch多段平均功率谱的多个频谱间隔Δf,再对多个Δf求平均得到最终的而是对welch多段平均功率谱进一步做快速傅里叶变换(FFT),得到welch多段平均功率频谱图的FFT频谱,通过读取频谱图中幅值最大的谐波频率值n,再根据计算出两阶共振频率之间的差值Δf。
针对直接采用welch多段平均功率谱估计,计算多个共振频率差的均值而言,理论上相邻两阶谐波的频率差应相等,然而由于很难对原始信号整周期采样,导致傅里叶变换后产生频谱泄露和栅栏效应,频谱图几乎不能表现出信号的准确频率,因此求出来的频率差都存在误差,而且通过每次读取十个频率求均值的方法效率较低。
本发明的显著效果是:由于图5中的welch多段平均功率谱呈现周期性,则可通过对其进行傅里叶变换,直接求出其周期即为所需要的频率差,即T=Δf。图6为图5的范围扩大图,图7所示为图6中信号的傅里叶变换,3018号谱线对应的频率即为图6中信号的周期,然而由于信号中接近直流的低频信号能量过强,导致3018点几乎被淹没,因此需要先对图6作高通滤波。高通滤波后信号如图8所示,图9为图8的傅里叶变换图。显然,图9中所需要的频率凸显出来了,幅值为最大。现对图9中的3018号谱线转化为实际为图6中的实际频率间隔。3018表示图6中有3018个共振谐波,而图6中实际有100001个点,则谐波波峰的间距有100001/3018个点;同时每两个点的间距即为图6的分辨率,为50000/200000,因此最终的谐波频率差为:
通过实验发现,对于100米以内的管道,采样时间达到1分钟,即可满足测量要求,当管道长达1000米时,采样时间达到3分钟也可满足测量要求,但在满足实时性的前提下,采样时间越长,Welch平均的效果会越好,对噪声的滤除效果也就越好,根据粗测深度l1,取精测采样时间T2为3分钟。
因此,对于82.376米长的管道,我们取采样时间T2为3分钟,共振信号RD(nD)的时域波形如图10所示,RD(nD)的Welch功率谱如图11所示,随着管道长度的加大,相邻频率间距越小,噪声的干扰影响变大,导致Welch多段平均功率谱中谐波的周期性变差,因此很难选择较理想的谐波频率求相邻峰值之差。虽然二次傅里叶变换后表现相邻谐波频率差的谱线已经非常明显,但是频谱中也出现了大量的较小干扰噪声,这些噪声表明Welch多段平均功率谱中很多频段周期性较差。为了增强Welch功率谱谐波信号的周期性,即进一步提高信噪比,进一步对Welch功率谱信号做短时傅里叶变换,即对Welch功率谱信号依次取部分频段做傅里叶变换,这样突出了谐波信号幅值最大的信号频段,取出幅值最大的信号频段再做傅里叶变换,得到频谱图的频率信噪比更高,效果更好。因此,我们采用一种基于短时傅里叶变换的油井动液面深度检测方法进行验证,其关键在于按照如下步骤进行:
步骤21:利用发声软件构造出白噪声信号,将白噪声经过功率放大器及扬声器,扬声器贴近管口固定住,信号经功率放大器放大后由扬声器送入油管中,通过连续不断地向管内发送白噪声,激发管中空气柱共振,将驻极式话筒置于管口内5米处,以采集管中能量强的共振信号,管道模型切面图及管内支架切面图分别如图1、图2;
步骤22:设置采样频率fsD为5万Hz,根据粗测深度l1,确定精测采样时间T2(T2>T1)分钟,采样时间T2取3分钟,采集得到周期为ND的共振信号RD(nD),nD=0,1,2,…,ND-1;
步骤23:对长度为ND的共振信号RD(nD)做Welch功率谱估计,取各段长度为N1D,记得到的信号为A1D,其频率分辨率为Δf1D=fsD/N1D,Welch功率谱图如图12所示,此处提供将二次傅里叶变换后的谱线号转化为实际频率的公式:
步骤24:对A1DWelch功率谱信号做高通滤波处理,得到高通滤波后的Welch功率谱信号(记为B1D)和包络信号,得到B1D的频谱图如图14所示,其中包络信号如图13所示;
步骤25:对B1DWelch功率谱信号做短时傅里叶变换,记为C1D信号,得到C1D信号的三维短时傅里叶变换频谱图如图15所示,其二维频谱图如图16所示,图15中第13到第37对应图16中6500点到20000点,根据三维短时傅里叶变换频谱图可以看出只有某些区间的傅里叶变换谐波频率幅值较大,图15中第10到第37次颜色较深,说明此区间谐波的周期性较强;
步骤26:根据C1D信号的二维频谱图和三维频谱图,取6500到20000这个频段,并补零至周期为ND,再做二次傅里叶变换,得到信号记为D1D,结果如图17所示;
步骤28:根据管内空气柱的共振模型nD=1,2,3,…,有相邻另一驻波共振频率为nD=1,2,3,…,联合两式可得两个相邻共振频率间距ΔfD为则空气柱长度lD为考虑管口校正有由两阶共振频率之间的差值ΔfD,根据数学模型可以计算出油井动液面的深度lD。
在Welch多段平均功率谱估计之后,滤除了低频包络,有效提高了信噪比。进一步又对Welch功率谱做短时傅里叶变换,这样能有效突出Welch功率谱信号幅值较大、周期性较强的谐波频段。取出幅值较大的信号频段,补零至与原Welch功率谱信号等长后再一次做傅里叶变换,得到的频谱图有更高的信噪比,其频率也更接近真实值。从而根据计算得到的ΔfD更精确,计算得到的动液面的深度也更准确,有效提高了油井动液面检测的精度。
根据三维短时傅里叶变换频谱,可以看出只有某些区间的傅里叶变换谐波频率幅值较大,图15中第13到第37次颜色较深,说明此区间谐波的周期性较强。此区间对应图16中6500点到20000点,只对这个频段做二次傅里叶变换,得到频谱图如图17所示。因此最终的谐波频率差为:
此时的绝对误差为0.013m,相对误差为0.016%。可见,通过该方法计算得到的动液面深度的误差非常小,有效提高了油井动液面深度的检测精度。
作为优选:所述检测装置包括主动转轴,该主动转轴外端部经支架转筒安装在支架上,所述支架安装在所述检测管的管口,在所述主动转轴上固套有太阳轮,在该太阳轮两侧均设置有夹板,其中位于外侧的所述夹板与所述支架转筒固定连接,在所述夹板之间经轴分别安装有至少三个行星轮,所述行星轮均匀分布在所述太阳轮外周向,且所述述行星轮均与所述太阳轮啮合;在所述行星轮侧面均固定有支杆,所述支杆能够同时向外延伸或向内收,在该支杆外端设置有磁铁;所述主动转轴内端均穿出所述夹板,在该主动转轴的穿出端上固定有固定板,在该固定板内侧面上安装有所述扬声器和驻极式话筒;安装检测装置时,先将支架转筒靠在所述支架的支撑架上,然和握住支架转筒转动调整,使得所述扬声器和驻极式话筒均靠近所述检测管的管心线,然后翻动与所述支撑架铰接的锁紧架将支架转筒卡紧,所述支撑架和锁紧架通过其下部设置的卡槽和卡子卡紧。以上先对扬声器和驻极式话筒的位置进行调整,使得其靠近管心线,然后在将支架转筒固定,这样能够很好的保证检测装置中扬声器和驻极式话筒的位置靠近管心线,使得测量更加可靠。
作为优选:所述行星轮为三个,三个该行星轮均匀分布在所述太阳轮外周向。
作为优选:在所述主动转轴的外端安装有转动手把。
附图说明
图1是检测装置在管道中安装的结构示意图;
图2是图1的右视图;
图3是采集到信号的时域图;
图4是傅里叶变化后频谱图;
图5是welch多段平均功率谱信号A1的频谱图;
图6是A1的范围扩大频谱图;
图7是A1信号继续做FFT的频谱图;
图8是A1信号高通滤波后B1的频谱图;
图9是B1信号再做FFT后C1的频谱图;
图10是共振信号RD(nD)的时域波形图;
图11共振信号RD(nD)的Welch多段平均功率谱图;
图12是A1D信号的全部谱图;
图13是包络信号;
图14是A1D信号高通滤波后的频谱图;
图15是C1D信号的三维短时傅里叶变换频谱图;
图16是C1D信号的二维短时傅里叶变换频谱图;
图17是C1D信号6500到20000频段的二次傅里叶变换频谱图。
具体实施方式
一种油井动液面测量信号处理方法,按照以下步骤进行:
步骤11:安装检测装置,在检测管内靠近管口处安装有检测装置,该检测装置的扬声器和驻极式话筒伸向所述检测管内,所述扬声器和驻极式话筒均靠近所述检测管的管心线(如图1和图2所示);
步骤12:利用发声软件构造出白噪声信号,将白噪声经过功率放大器及扬声器,扬声器贴近管口固定住,信号经功率放大器放大后由扬声器送入油管中,通过连续不断地向管内发送白噪声,激发管中空气柱共振,将驻极式话筒置于管口内5米处,以采集管中能量强的共振信号,管道模型切面图及管内支架切面图分别如图1、图2;
步骤13:设置采样频率fs为1万Hz,采样时间T1分钟,采集得到周期为N的共振信号R(n),n=0,1,2,…,N-1,其结构如后图;
步骤14:对周期为N的共振信号做welch多段平均功率谱估计,得到的信号记为A1,其频率分辨率Δf1=fs/N1为,fs为采样频率,N1为分段后各段共振信号的周期;
步骤15:对welch多段平均功率谱信号A1做高通滤波处理,得到的信号记为A2;
步骤16:对A2做快速傅里叶变换(FFT),得到的信号记为A3;
步骤18:管内空气柱的共振模型为:
其中,n为谐波阶数,fn为对应的谐波频率,l为空气柱的长度,c为声波信号在空气中的传播速度,c≈331.6+0.6t(m/s),t为环境温度,相邻于fn的另一共振频率为fn+1:
联合上面两式可得两个相邻共振频率间距Δf为:
则空气柱长度l1为:
考虑管口校正有:
通过实验发现,对于100米以内的管道,采样时间达到1分钟,即可满足测量要求,当管道长达1000米时,采样时间达到3分钟也可满足测量要求,但在满足实时性的前提下,采样时间越长,Welch平均的效果会越好,对噪声的滤除效果也就越好。为了增强Welch功率谱谐波信号的周期性,即进一步提高信噪比,进一步对Welch功率谱信号做短时傅里叶变换,以突出谐波信号幅值最大的信号频段,取出幅值最大的信号频段再做傅里叶变换,得到频谱图的频率信噪比更高,效果更好。因此,我们采用一种基于短时傅里叶变换的油井动液面深度检测方法进行验证,其关键在于按照如下步骤进行:
步骤21:利用发声软件构造出白噪声信号,将白噪声经过功率放大器及扬声器,扬声器贴近管口固定住,信号经功率放大器放大后由扬声器送入油管中,通过连续不断地向管内发送白噪声,激发管中空气柱共振,将驻极式话筒置于管口内5米处,以采集管中能量强的共振信号,管道模型切面图及管内支架切面图分别如图1、图2;
步骤22:设置采样频率fsD为5万Hz,根据粗测深度l1,确定精测采样时间T2(T2>T1)分钟,采集得到周期为ND的共振信号RD(nD),nD=0,1,2,,ND-1;
步骤23:对长度为ND的共振信号RD(nD)做Welch功率谱估计,取各段长度为N1D,记得到的信号为A1D,其频率分辨率为Δf1D=fsD/N1D,此处提供将二次傅里叶变换后的谱线号转化为实际频率的公式:
步骤24:对A1DWelch功率谱信号做高通滤波处理,得到高通滤波后的Welch功率谱信号(记为B1D)和包络信号;
步骤25:对B1DWelch功率谱信号做短时傅里叶变换,记为C1D信号,得到C1D信号短时傅里叶变换的二维频谱图和三维频谱图,根据三维短时傅里叶变换频谱图可以知只有某段区间的傅里叶变换谐波频率幅值最大,说明此区间谐波的周期性较强;
步骤26:根据C1D信号的二维频谱图和三维频谱图,取幅值最大的频段,并补零至周期为ND,再做二次傅里叶变换,得到信号记为D1D;
步骤28:根据管内空气柱的共振模型nD=1,2,3,,有相邻另一驻波共振频率为nD=1,2,3,,联合两式可得两个相邻共振频率间距ΔfD为则空气柱长度lD为考虑管口校正有由两阶共振频率之间的差值ΔfD,根据数学模型可以计算出油井动液面的深度lD
再结合图1和图2可以看出:所述检测装置包括主动转轴3,该主动转轴3外端部经支架转筒4安装在支架2上,所述支架2安装在所述检测管1的管口,在所述主动转轴3上固套有太阳轮6,在该太阳轮6两侧均设置有夹板8,其中位于外侧的所述夹板8与所述支架转筒4固定连接,在所述夹板8之间经轴分别安装有三个行星轮7,三个该行星轮7均匀分布在所述太阳轮6外周向,且所述述行星轮7均与所述太阳轮6啮合;在所述行星轮7侧面均固定有支杆10,所述支杆10能够同时向外延伸或向内收,在该支杆10外端设置有磁铁11;所述主动转轴3内端均穿出所述夹板8,在该主动转轴3的穿出端上固定有固定板12,在该固定板12内侧面上安装有所述扬声器13和驻极式话筒14,在所述主动转轴3的外端安装有转动手把5;安装检测装置时,先将支架转筒4靠在所述支架2的支撑架21上,然和握住支架转筒4转动调整,使得所述扬声器13和驻极式话筒14均靠近所述检测管1的管心线,然后翻动与所述支撑架21铰接的锁紧架22将支架转筒4卡紧,所述支撑架21和锁紧架22通过其下部设置的卡槽和卡子卡紧。
Claims (5)
1.一种油井动液面测量信号处理方法,其特征在于按照以下步骤进行:
步骤11:安装检测装置,在检测管(1)内靠近管口处安装有检测装置,该检测装置的扬声器(13)和驻极式话筒(14)伸向所述检测管(1)内,所述扬声器(13)和驻极式话筒(14)均靠近所述检测管(1)的管心线;
步骤12:利用发声软件构造出白噪声信号,将白噪声经过功率放大器及扬声器(13),扬声器(13)贴近管口固定住,信号经功率放大器放大后由扬声器(13)送入油管中,通过连续不断地向管内发送白噪声,激发管中空气柱共振,将驻极式话筒(14)置于管口内5米处,以采集管中能量强的共振信号;
步骤13:设置采样频率fs为1万Hz,采样时间T1分钟,采集得到周期为N的共振信号R(n),n=0,1,2,…,N-1;
步骤14:对周期为N的共振信号做welch多段平均功率谱估计,得到的信号记为A1,其频率分辨率Δf1=fs/N1为,fs为采样频率,N1为分段后各段共振信号的周期;
步骤15:对welch多段平均功率谱信号A1做高通滤波处理,得到的信号记为A2;
步骤16:对A2做快速傅里叶变换(FFT),得到的信号记为A3;
步骤18:管内空气柱的共振模型为:
其中,n为谐波阶数,fn为对应的谐波频率,l1为空气柱的长度,c为声波信号在空气中的传播速度,c≈331.6+0.6t(m/s),t为环境温度,相邻于fn的另一共振频率为fn+1:
联合上面两式可得两个相邻共振频率间距Δf为:
则空气柱长度l1为:
考虑管口校正有:
2.根据权利要求1所述的一种油井动液面测量信号处理方法,我们采用一种基于短时傅里叶变换的油井动液面深度检测方法,其关键在于按照如下步骤进行:
步骤21:利用发声软件构造出白噪声信号,将白噪声经过功率放大器及扬声器,扬声器贴近管口固定住,信号经功率放大器放大后由扬声器送入油管中,通过连续不断地向管内发送白噪声,激发管中空气柱共振,将驻极式话筒置于管口内5米处,以采集管中能量强的共振信号;
步骤22:设置采样频率fsD为5万Hz,根据粗测深度l1,确定精测采样时间T2(T2>T1)分钟,采集得到周期为ND的共振信号RD(nD),nD=0,1,2,…,ND-1;
步骤23:对长度为ND的共振信号RD(nD)做Welch功率谱估计,取各段长度为N1D,记得到的信号为A1D,其频率分辨率为Δf1D=fsD/N1D,此处提供将二次傅里叶变换后的谱线号转化为实际频率的公式:其中
步骤24:对A1DWelch功率谱信号做高通滤波处理,得到高通滤波后的Welch功率谱信号(记为B1D)和包络信号;
步骤25:对B1DWelch功率谱信号做短时傅里叶变换,记为C1D信号,得到C1D信号短时傅里叶变换的二维频谱图和三维频谱图,根据三维短时傅里叶变换频谱图可以知只有某段区间的傅里叶变换谐波频率幅值最大,说明此区间谐波的周期性较强;
步骤26:根据C1D信号的二维频谱图和三维频谱图,取幅值最大的频段,并补零至周期为ND,再做二次傅里叶变换,得到信号记为D1D;
3.根据权利要求 1或2所述一种油井动液面测量信号处理方法,其特征在于:所述检测装置包括主动转轴(3),该主动转轴(3)外端部经支架转筒(4)安装在支架(2)上,所述支架(2)安装在所述检测管(1)的管口,在所述主动转轴(3)上固套有太阳轮(6),在该太阳轮(6)两侧均设置有夹板(8),其中位于外侧的所述夹板(8)与所述支架转筒(4)固定连接,在所述夹板(8)之间经轴分别安装有至少三个行星轮(7),所述行星轮(7)均匀分布在所述太阳轮(6)外周向,且所述述行星轮(7)均与所述太阳轮(6)啮合;在所述行星轮(7)侧面均固定有支杆(10),所述支杆(10)能够同时向外延伸或向内收,在该支杆(10)外端设置有磁铁(11);所述主动转轴(3)内端均穿出所述夹板(8),在该主动转轴(3)的穿出端上固定有固定板(12),在该固定板(12)内侧面上安装有所述扬声器(13)和驻极式话筒(14);安装检测装置时,先将支架转筒(4)靠在所述支架(2)的支撑架(21)上,然和握住支架转筒(4)转动调整,使得所述扬声器(13)和驻极式话筒(14)均靠近所述检测管(1)的管心线,然后翻动与所述支撑架(21)铰接的锁紧架(22)将支架转筒(4)卡紧,所述支撑架(21)和锁紧架(22)通过其下部设置的卡槽和卡子卡紧。
4.根据权利要求 3所述一种油井动液面测量信号处理方法,其特征在于:所述行星轮(7)为三个,三个该行星轮(7)均匀分布在所述太阳轮(6)外周向。
5.根据权利要求 3所述一种油井动液面测量信号处理方法,其特征在于:在所述主动转轴(3)的外端安装有转动手把(5)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710330186.0A CN107013206B (zh) | 2017-05-11 | 2017-05-11 | 一种油井动液面测量信号处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710330186.0A CN107013206B (zh) | 2017-05-11 | 2017-05-11 | 一种油井动液面测量信号处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107013206A CN107013206A (zh) | 2017-08-04 |
CN107013206B true CN107013206B (zh) | 2020-05-22 |
Family
ID=59449121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710330186.0A Active CN107013206B (zh) | 2017-05-11 | 2017-05-11 | 一种油井动液面测量信号处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107013206B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110886607B (zh) * | 2019-11-18 | 2023-03-28 | 重庆邮电大学 | 一种基于管柱声场特性的油井动液面深度探测器 |
CN112664177B (zh) * | 2020-12-29 | 2022-06-21 | 重庆邮电大学 | 一种基于归一化卷积与自适应滤波的油井动液面测量方法 |
CN113958310B (zh) * | 2021-10-28 | 2023-09-15 | 辽宁弘毅科技有限公司 | 一种基于雷达的油井动液面自动监测方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103321633B (zh) * | 2013-06-25 | 2016-04-20 | 重庆科技学院 | 油井动液面深度检测方法及装置 |
CN103821499B (zh) * | 2014-02-20 | 2017-03-29 | 重庆科技学院 | 用于油井动液面深度检测的声音信号处理方法 |
-
2017
- 2017-05-11 CN CN201710330186.0A patent/CN107013206B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107013206A (zh) | 2017-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107420090B (zh) | 基于短时傅里叶变换的油井动液面深度检测方法 | |
CN107143323B (zh) | 基于welch多段平均功率谱法的油井动液面检测方法 | |
CN107013206B (zh) | 一种油井动液面测量信号处理方法 | |
Zhang et al. | Acoustic emission detection of rail defect based on wavelet transform and Shannon entropy | |
CN109682601B (zh) | 一种变转速工况下滚动轴承的早期故障识别方法 | |
CN103257182B (zh) | 一种脉冲涡流缺陷定量检测方法及检测系统 | |
ATE302893T1 (de) | Verfahren und vorrichtung zur akustischen erfassung eines flüssigkeitslecks hinter einem bohrlochrohr | |
CN104819766A (zh) | 基于谐噪比的包络解调频带确定方法 | |
CN110108467B (zh) | 基于便携式移动设备的主动发声测速方法 | |
CN107014905A (zh) | 基于超声导波的管道缺陷成像方法 | |
Ma et al. | Adaptive stochastic resonance in second-order system with general scale transformation for weak feature extraction and its application in bearing fault diagnosis | |
Chen et al. | A novel method for enhanced demodulation of bearing fault signals based on acoustic metamaterials | |
CN112179662A (zh) | 与转子同步锁相旋转传声器阵列声模态测量装置和方法 | |
CN104748704A (zh) | 薄壁结构超声共振测厚频谱分析内插校正方法 | |
US20210356307A1 (en) | Method for determining a fluid flow parameter within a vibrating tube | |
Liang et al. | Bearing fault diagnosis based on singular value distribution of impulse response segment | |
CN111024398B (zh) | 一种无需周期的最大相关峭度解卷积方法 | |
CN114486252B (zh) | 一种矢量模极大值包络的滚动轴承故障诊断方法 | |
Sun et al. | Sound absorption measurement in a circular tube using the echo-pulse method | |
CN111623968B (zh) | 一种基于自适应形态滤波的故障特征提取方法 | |
CN106442744B (zh) | 一种去除超声探头响应特性的超声波信号处理方法 | |
Wei et al. | Sound absorption coefficient measurement by extracting the first reflected wave in a short tube | |
Zhang et al. | Amplitude measurement of weak sinusoidal water surface acoustic wave using laser interferometer | |
CN103344990B (zh) | 基于matlab电磁式可控震源输出信号的分析方法 | |
Zhou et al. | Study on the measurement method of oil well’s dynamic liquid level based on air column resonance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |