CN112377153B - 一种基于加速度传感器获取游梁抽油机冲程和冲次的方法 - Google Patents

Abstract

本发明涉及信号处理领域，尤其涉及一种基于加速度传感器获取游梁抽油机冲程和冲次的方法。包括以下步骤：1)通过加速度传感器采集游梁抽油机设备悬点处加速度数据；2)通过WIA‑PA芯片对加速度数据进行处理并采集，并显示采集结果；对采集到的加速度数据中异常数据进行数据处理，得到数据处理后的加速度数据；3)将数据处理后的加速度数据通过低通滤波器进行滤波，经过小波分解重构提取预处理后的低频信号特征，即重构数据；4)将重构数据转化为真实的加速度值，并加速度值按周期切分，得到游梁抽油机的冲程和冲次。本发明提出采集游梁抽油机悬点处加速度传感器数据，通过对周期数据的切割，分别求取抽油机冲程，降低了偶然性并提高了准确度。

Description

一种基于加速度传感器获取游梁抽油机冲程和冲次的方法

技术领域

本发明涉及信号处理领域，尤其涉及一种基于加速度传感器获取游梁抽油机冲程和冲次的方法。

背景技术

在油田场景下，抽油机采油是目前油田开发中普遍应用的方式，抽油机的管理水平的好坏，关系到油田整体经济效益的高低。要做好抽油机井的生产管理工作，必须取准取全各项生产资料，制定抽油机井合理的工作制度，不断进行分析，适应不断变化的油藏动态，加强并提高抽油机井的日常管理水平。

其中，分析和解释示功图，就是直接了解深井泵工作状况好坏的一个主要手段。示功图是由专门的仪器测出，画在坐标图上，被封闭的线段所围成的面积表示驴头在一次往复运动中抽油机所做的功的图纸。示功图的横坐标为行程，纵坐标为载荷，所以需要对载荷和行程进行测量；

当前用来进行油田测量载荷的仪器普遍采用载荷传感器，现场安装在抽油机悬绳器上。油田测量位移量值普遍采用角位移和死点开关两种方式，其中，角位移的测量采用角位移传感器，安装在抽油机游梁上，以角位移传感器测得的角度改变量作为角度，以抽油机中轴到抽油杆的距离作为半径，角度与半径的乘机所得的弧长即为光杆位移。角位移传感器按传输信号的模式可分为有线式角位移传感器和无线角位移传感器。无线角位移传感器由无线通讯单元、角位移传感器、单片机等部分组成。死点开关采用霍尔非接触接近开关(探头)，磁场触发，是一种位置信号发送器。死点开关装在抽油机光杆下死点位置，依据光杆一个冲程周期T测量的数据间接测量光杆位移；

但当前对油田测量载荷以及位移量值时考虑成本因素，实际采集的数据大多含有较多的噪声，导致油田现有算法的计算结果的误差较大。传统的分线式示功仪中测量载荷和位移的传感器需要安装在抽油机的不同位置，增加安装工作量；另一方面，分线式示功仪中载荷传感器和位移传感在测量之前，需要同步两者的时间，确保载荷传感器采集的数据与位移传感器采集的数据保持同步，否则数据无法匹配。

发明内容

本发明的目的在于提供一种基于加速度传感器获取游梁抽油机冲程和冲次的方法，使用的测量仪器为一体化载荷位移传感器，一体化载荷位移传感器将载荷和位移同时测量。同时位移测量值为仪器随着悬绳器往复运动的经预处理后加速度，对测得的数据进行预处理，再通过对加速度的二次积分换算成位移，以解决游梁抽油机在人为变动机械运动结构后，游梁抽油机的冲程发生变化而影响对油井产量误判的问题，本专利在一体化示功仪的基础上创新了其加速度数据求取位移的方式，使得冲程的计算误差普遍控制在5％以内。

为了达到上述目的，本发明通过以下技术方案实现：

一种基于加速度传感器获取游梁抽油机冲程和冲次的方法，包括以下步骤：

1)通过加速度传感器采集游梁抽油机设备悬点处加速度数据；

2)通过WIA-PA芯片对加速度数据进行处理并采集，并显示采集结果；对采集到的加速度数据中异常数据进行数据处理，得到数据处理后的加速度数据；

3)将数据处理后的加速度数据通过低通滤波器进行滤波，经过小波分解重构提取预处理后的低频信号特征，即重构数据；

4)将重构数据转化为真实的加速度值，并加速度值按周期切分，得到游梁抽油机的冲程和冲次。

所述步骤2)中对采集到的加速度数据中异常数据进行数据处理，具体为：

所述数据处理包括：数据剔除与数据插补；

所述数据剔除采用阈值处理，包括直接对原始加速度数据设定阈值，剔除大于阈值的数据，以及对相邻数据差值设定阈值，对于大于该阈值的数据，进行剔除操作，并通过插值处理剔除的数据。

所述低通滤波器为巴特沃斯IIR数字低通滤波器；所述低通滤波器的归一化截止频率为0.09。

所述步骤3)具体为：

其中，小波分解重构是对加速度数据中的时域信号进行四层分解，选取第四层的低频信号对数据进行重构，其中第四层分解得到的低频信号，来自于第三层的低频信号，第一层的低频信号分解为第二层的低频和高频信号；

在每次分解之后，获得的数据长度是上一层数据长度的1/2，对数据进行重构，恢复与原始数据相同的长度。

所述步骤4)中将重构数据转化为真实的加速度值，加速度x′转化公式如下：

x′＝-(m·x-h)*9.8

其中，x为经过低通滤波器滤波、小波分解重构后的重构数据，x′为加速度值，g为重力加速度g取9.8N/m²，m和h为设备自身的属性值。

所述步骤4)中，加速度值按周期切分，得到游梁抽油机的冲程和冲次，具体为：

通过寻找加速度值中的极值点，根据极值点的位置对加速度值进行切分；

寻找加速度值中的极值点，具体为：

利用matlab寻找极大值点的函数，获取加速度值中的极值点；找寻过程中存在信号的波动导致求得的极大值点有错误；

当求得的极大值，低于信号数据的均值，或者求得的两个极大值点A和B的横坐标之间的距离，若A和B的横坐标之间的距离小于周期的一半距离时，即判断为错误，则删去极值点B，保留极值点A；

通过设置极大值点的最小高度阈值以及相邻极值点的最小距离阈值，得到加速度值的极大值点及其位置信息。

其中，通过设置极值点的最小高度阈值和相邻极值点的最小距离阈值，对数据的极值点进行筛选：即把所有的错误的极值点，都删除之后，得到筛选后的极值点。

所述通过设置极值点的最小高度阈值和相邻极值点的最小距离阈值，具体为：

对整个加速度数据求取均值作为最大极值点的最小高度阈值；对加速度信号的周期进行估计，把估计周期的0.5倍值作为最大极值点的最小距离阈值。

其中，对于周期估计，为通过傅里叶变换，获取能量最大值对应的信号频率，获取对应周期的估计值；

对于数据离散傅里叶变换：

其中f(x)为时域信号，M为信号每周期对应的取样次数，u为频率变量，选取最大幅值对应的频率，即该频率对应的周期为真实加速度的估计周期，F(u)为时域信号f(x)在u频率下得到的频域信号，e为复变函数，即e^-jx＝cos(x)+jsin(x)。

所述得到游梁抽油机的冲程和冲次，包括以下步骤：

(1)通过获取的峰值点对加速度值进行切分：

根据每个峰值点进行切分，得到相邻峰值点之间的单周期加速度；

在每个单周期内，对每个单周期加速度的数据与单周期加速度的数据均值做差，再对得到的差值进行二次积分，进而得到该单周期加速度数据对应的冲程；

(2)对所有的被切分的周期数据求取其冲程值，所述的冲次的求取，是通过切分点相邻位置的差值来获取，由于采样频率为10Hz，把相邻数据差值乘以10，即得到所有周期的计算冲次；

所述切分点相邻位置比如得到极大值点的差值为：

所述极大值(Xa，Ya)，a＝1～k，k为极大值点的个数，极大值的横坐标位置即为切分位置，相邻切分点的位置差值为：X₂-X₁，X₃-X₂。

所述步骤(1)中，得到游梁抽油机的冲程的方法，具体为：

切分之后的单周期数据为：

x＝(x₁,x₂,...,x_n)

对切分之后的数据减去均值：

其中，x_i代表单周期数据中的某一个数据点，i＝1～n，

为第x个单周期数据减去该单周期数据的均值后，得到的新的加速度曲线；

对

进行二次积分获得冲程：

其中，1＜n₁＜n，

n₁为一个周期中前半周期和后半周期的分界点，S1、S2分别为一个周期内的前半周期和后半周期内的冲程，n为一个周期内所有数据的个数；

得到游梁抽油机的冲程值为：s＝(s₁+s₂)/2。

本发明具有以下有益效果及优点：

1、本发明提出采集游梁抽油机悬点处加速度传感器数据，通过对周期数据的切割，分别求取抽油机冲程，算法简洁且降低了计算的偶然性，提高了计算的准确度。

2、本发明的数据数据预处理，解决了采集到的数据异常问题，有效地降低了冲程计算异常值影响大的问题。

3、本发明的低通滤波后再经小波分解重构，在提取含噪信号的低频有效信息方面，效果显著，为后期周期信号切分求取冲程与冲次打下坚实的基础。

附图说明

图1是本发明的方法的流程图；

图2是本发明提供的本实施例中实地测量的数据使用此方案求取的冲程和冲次结果图；

图3是本发明提供的随机获取的原始数据图；

图4是本发明的随机获取的切分周期加速度曲线；

图5是本发明的随机获取的对应的速度曲线。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

以下结合附图和具体实施方式对本发明进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂，请参阅附图。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。

结合图1～4所示，本实施例提供的一种基于加速度传感器获取游梁抽油机冲程和冲次的方法，包括以下步骤：

1)通过加速度传感器采集游梁抽油机设备悬点处加速度数据；

2)通过WIA-PA芯片对加速度数据进行处理并采集，并显示采集结果；对采集到的加速度数据中异常数据进行数据处理，得到数据处理后的加速度数据；

3)将数据处理后的加速度数据通过低通滤波器进行滤波，经过小波分解重构提取预处理后的低频信号特征，即重构数据；

4)将重构数据转化为真实的加速度值，并加速度值按周期切分，得到游梁抽油机的冲程和冲次。

步骤2)中对采集到的加速度数据中异常数据进行数据处理，具体为：

所述数据处理包括：数据剔除与数据插补；

所述数据剔除采用阈值处理，包括直接对原始加速度数据设定阈值，剔除大于阈值的数据，以及对相邻数据差值设定阈值，对于大于该阈值的数据，进行剔除操作，并通过插值处理剔除的数据。对采集到的原始数据做异常值的处理操作，把大于3800的数据视为异常数据，或者相邻数据差值超过闸值170视为异常数据，并对上述异常数据的相邻数据进行剔除操作，插值处理剔除的数据；

通过低通滤波和小波分解重构提取预处理后的低频信号特征，其中低通滤波器为巴特沃斯IIR数字低通滤波器，滤波器的归一化截止频率为0.09。再通过小波四层分解重构提取预处理后的信号低频特征。具体的，在本实施例中，小波分解重构是对信号进行四层分解，选取第四层的低频信号对数据进行重构，排除高频噪声的干扰。

步骤3)具体为：

其中，小波分解重构是对加速度数据中的时域信号进行四层分解，选取第四层的低频信号对数据进行重构，其中第四层分解得到的低频信号，来自于第三层的低频信号，第一层的低频信号分解为第二层的低频和高频信号；

在每次分解之后，获得的数据长度是上一层数据长度的1/2，对数据进行重构，恢复与原始数据相同的长度。

所述步骤4)中将重构数据转化为真实的加速度值，加速度x′转化公式如下：

x′＝-(m·x-h)*9.8

其中，x为经过低通滤波器滤波、小波分解重构后的重构数据，x′为加速度值，g为重力加速度g取9.8N/m²，m和h为设备自身的属性值。

具体的，m和h为设备自身的属性值，本实施例中m取0.000217653301838，h取1.42668178026，所述的加速度转化通过公式：

x′＝-(0.000217653301838·x-1.426681782026)*9.8

加速度值按周期切分，得到游梁抽油机的冲程和冲次，具体为：

通过寻找加速度值中的极值点，根据极值点的位置对加速度值进行切分。

寻找加速度值中的极值点，具体为：

利用matlab寻找极大值点的函数，获取加速度值中的极值点；找寻过程中存在信号的波动导致求得的极大值点有错误；

当求得的极大值，低于信号数据的均值，或者求得的两个极大值点A和B的横坐标之间的距离，若A和B的横坐标之间的距离小于周期的一半距离时，即判断为错误，则删去极值点B，保留极值点A；

通过设置极大值点的最小高度阈值以及相邻极值点的最小距离阈值，得到加速度值的极大值点及其位置信息。

其中，通过设置极值点的最小高度阈值和相邻极值点的最小距离阈值，对数据的极值点进行筛选：即把所有的错误的极值点，都删除之后，得到筛选后的极值点。

通过设置极值点的最小高度阈值和相邻极值点的最小距离阈值，具体为：

对整个加速度数据求取均值作为最大极值点的最小高度阈值；对加速度信号的周期进行估计，把估计周期的0.5倍值作为最大极值点的最小距离阈值。

其中，对于周期估计，为通过傅里叶变换，获取能量最大值对应的信号频率，获取对应周期的估计值；

对于数据离散傅里叶变换：

其中，f(x)为时域信号，M为信号每周期对应的取样次数，u为频率变量，x为时间，选取最大幅值对应的频率，即该频率对应的周期为真实加速度的估计周期，F(u)为时域信号f(x)在u频率下得到的频域信号，e为复变函数，即e^-jx＝cos(x)+jsin(x)。

得到游梁抽油机的冲程和冲次，包括以下步骤：

(1)通过获取的峰值点对加速度值进行切分：

根据每个峰值点进行切分，得到相邻峰值点之间的单周期加速度；

在每个单周期内，对每个单周期加速度的数据与单周期加速度的数据均值做差，再对得到的差值进行二次积分，进而得到该单周期加速度数据对应的冲程；

(2)对所有的被切分的周期数据求取其冲程值，所述的冲次的求取，是通过切分点相邻位置的差值来获取，由于采样频率为10Hz，把相邻数据差值乘以10，即得到所有周期的计算冲次；

切分点相邻位置比如得到极大值点的差值为：

极大值(Xa，Ya)，a＝1～k，k为极大值点的个数，极大值的横坐标位置即为切分位置，相邻切分点的位置差值为：X₂-X₁，X₃-X₂。

步骤(1)中，得到游梁抽油机的冲程的方法，具体为：

切分之后的单周期数据为：

x＝(x₁,x₂,...,x_n)

对切分之后的数据减去均值：

其中，x_i代表单周期数据中的某一个数据点，i＝1～n，

为第x个单周期数据减去该单周期数据的均值后，得到的新的加速度曲线；

对

进行二次积分获得冲程：

其中，1＜n₁＜n，

n₁为一个周期中前半周期和后半周期的分界点，S1、S2分别为一个周期内的前半周期和后半周期内的冲程，n为一个周期内所有数据的个数；

得到游梁抽油机的冲程值为：s＝(s₁+s₂)/2。

参考图2～4，为了体现文本提出的方法的有效性，对20组实地采集的数据进行测试，并随机取出一组切分的周期数据，得到其加速度波形图以及二次积分得到的波形图。

本发明提供一种游梁抽油机设备基于加速度传感器计算抽油机冲程和冲次的计算方法，提出采集游梁抽油机悬点处加速度传感器数据，通过对周期数据的切割，分别求取抽油机冲程，降低了计算的偶然性，提高了计算的准确度。

本发明的数据预处理，解决了采集到的数据异常问题，有效地降低了冲程计算过程中，异常值对结果影响较大的问题。

本发明的低通滤波后再经小波分解重构方法，在提取含噪信号的低频有效信息方面，效果显著，为后期周期信号切分求取冲程与冲次打下坚实基础。

综上所述，本实施例提供的一种游梁抽油机设备基于加速度传感器计算抽油机冲程和冲次的计算方法，其中数据预处理，解决了采集的数据异常问题，有效地降低了计算冲程时，异常值带来的较大误差；随后的低通滤波和小波分解重构，在提取含噪信号的低频有效信息方面，效果显著，为后期周期信号切分求取冲程与冲次打下坚实基础；最后通过对周期数据的切割，分别求取抽油机冲程和冲次，对冲程和冲次排序之后，选取中值作为最终求得的冲程和冲次，降低了计算结果的偶然性，极大地提高了模型准确率。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (8)

1.一种基于加速度传感器获取游梁抽油机冲程和冲次的方法，其特征在于，包括以下步骤：

1)通过加速度传感器采集游梁抽油机设备悬点处加速度数据；

2)通过WIA-PA芯片对加速度数据进行处理并采集，并显示采集结果；对采集到的加速度数据中异常数据进行数据处理，得到数据处理后的加速度数据；

3)将数据处理后的加速度数据通过低通滤波器进行滤波，经过小波分解重构提取预处理后的低频信号特征，即重构数据；

4)将重构数据转化为真实的加速度值，并加速度值按周期切分，得到游梁抽油机的冲程和冲次；

所述步骤4)中，加速度值按周期切分，得到游梁抽油机的冲程和冲次，具体为：

通过寻找加速度值中的极值点，根据极值点的位置对加速度值进行切分；

所述得到游梁抽油机的冲程和冲次，包括以下步骤：

(1)通过获取的峰值点对加速度值进行切分：

根据每个峰值点进行切分，得到相邻峰值点之间的单周期加速度；在每个单周期内，对每个单周期加速度的数据与单周期加速度的数据均值做差，再对得到的差值进行二次积分，进而得到该单周期加速度数据对应的冲程，对所有的被切分的周期数据求取其冲程值；

(2)所述的冲次的求取，是通过切分点相邻位置的差值来获取，由于采样频率为10Hz，把相邻数据差值乘以10，即得到所有周期的计算冲次；

通过所述切分点相邻位置得到极大值点的差值为：

极大值(Xa，Ya)，a＝1～k，k为极大值点的个数，极大值的横坐标位置即为切分位置，相邻切分点的位置差值为：X₂-X₁，X₃-X₂。

2.根据权利要求1所述的一种基于加速度传感器获取游梁抽油机冲程和冲次的方法，其特征在于，所述步骤2)中对采集到的加速度数据中异常数据进行数据处理，具体为：

所述数据处理包括：数据剔除与数据插补；

所述数据剔除采用阈值处理，包括直接对原始加速度数据设定阈值，剔除大于阈值的数据，以及对相邻数据差值设定阈值，对于大于该阈值的数据，进行剔除操作，并通过插值处理剔除的数据。

3.根据权利要求1所述的一种基于加速度传感器获取游梁抽油机冲程和冲次的方法，其特征在于，所述低通滤波器为巴特沃斯IIR数字低通滤波器；所述低通滤波器的归一化截止频率为0.09。

4.根据权利要求1所述的一种基于加速度传感器获取游梁抽油机冲程和冲次的方法，其特征在于，所述步骤3)具体为：

其中，小波分解重构是对加速度数据中的时域信号进行四层分解，选取第四层的低频信号对数据进行重构，其中第四层分解得到的低频信号，来自于第三层的低频信号，第一层的低频信号分解为第二层的低频和高频信号；

在每次分解之后，获得的数据长度是上一层数据长度的1/2，对数据进行重构，恢复到与原始数据相同的长度。

5.根据权利要求1所述的一种基于加速度传感器获取游梁抽油机冲程和冲次的方法，其特征在于，所述步骤4)中将重构数据转化为真实的加速度值，加速度x′转化公式如下：

x′＝-(m·x-n)*9.8

其中，x为经过低通滤波器滤波、小波分解重构后的重构数据，x′为加速度值，g为重力加速度g取9.8m/s²，m和n为设备自身的属性值。

6.根据权利要求1所述的一种基于加速度传感器获取游梁抽油机冲程和冲次的方法，其特征在于，寻找加速度值中的极值点，具体为：

利用matlab寻找极大值点的函数，获取加速度值中的极值点；找寻过程中存在信号的波动导致求得的极大值点有错误；

通过设置极大值点的最小高度阈值以及相邻极值点的最小距离阈值，得到加速度值的极大值点及其位置信息；

其中，通过设置极值点的最小高度阈值和相邻极值点的最小距离阈值，对数据的极值点进行筛选：即把所有的错误的极值点，都删除之后，得到筛选后的极值点；

当求得的极大值，低于信号数据的均值，即判断为错误，则删去极值点B，保留极值点A；或者求得的两个极大值点A和B的横坐标之间的距离小于周期的一半距离时，即判断为错误，则删去极值点B，保留极值点A。

7.根据权利要求6所述的一种基于加速度传感器获取游梁抽油机冲程和冲次的方法，其特征在于，所述通过设置极值点的最小高度阈值和相邻极值点的最小距离阈值，具体为：

对整个加速度数据求取均值作为最大极值点的最小高度阈值；对加速度信号的周期进行估计，把估计周期的0.5倍值作为最大极值点的最小距离阈值；

其中，对于周期估计，为通过傅里叶变换，获取能量最大值对应的信号频率，获取对应周期的估计值；

对于数据离散傅里叶变换：

其中f(x)为时域信号，M为信号每周期对应的取样次数，u为频率变量，x为时间，选取最大幅值对应的频率，即该频率对应的周期为真实加速度的估计周期，F(u)为时域信号f(x)在u频率下得到的频域信号，e为复变函数，即e^-jx＝cos(x)+jsin(x)。

8.根据权利要求1的一种基于加速度传感器获取游梁抽油机冲程和冲次的方法，其特征在于，所述步骤(1)中，进而得到该单周期加速度数据对应的冲程，具体为：

切分之后的单周期数据为：

x＝(x₁,x₂,...,x_n)

对切分之后的数据减去均值：

其中，x_i代表单周期数据中的某一个数据点，i＝1～n，

为第x个单周期数据减去该单周期数据的均值后，得到的新的加速度曲线；

对

进行二次积分获得冲程：

其中，1＜n₁＜n，

n₁为一个周期中前半周期和后半周期的分界点，S1、S2分别为一个周期内的前半周期和后半周期内的冲程，n为一个周期内所有数据的个数；

得到游梁抽油机的冲程值为：s＝(s₁+s₂)/2。

Images