CN112528784B - 一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法 - Google Patents
一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法 Download PDFInfo
- Publication number
- CN112528784B CN112528784B CN202011383051.9A CN202011383051A CN112528784B CN 112528784 B CN112528784 B CN 112528784B CN 202011383051 A CN202011383051 A CN 202011383051A CN 112528784 B CN112528784 B CN 112528784B
- Authority
- CN
- China
- Prior art keywords
- signal
- drill string
- drill
- string vibration
- distance
- 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
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
- G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Earth Drilling (AREA)
Abstract
本发明提供了一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法,用于识别粘滑和跳钻这两种异常状态。首先,选取一段正常钻柱振动信号,对该段信号进行相关处理及去噪得到去噪信号x(t),作为基准信号。其次,选取与分段后同长度的正常钻柱振动信号,去噪后利用动态时间规整算法(DTW)计算与x(t)之间的距离即相似性,求取得到距离的均值E及距离与均值E的最大差值D。再次,将去噪后的检测信号利用DTW计算与x(t)之间的距离,并求取该距离与E的差值D’,比较D与D’间的大小判断是否发生异常。最后,利用特征频率判断其类型。本发明减少钻进成本,提高粘滑、跳钻异常识别速度和精度,为地质勘探钻进过程安全性监测与异常识别打下了良好的基础。
Description
技术领域
本发明涉及地质勘探钻进过程智能控制领域,尤其涉及一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法。
背景技术
随着国家经济的高速发展,对能源的需求量逐年增加,保障资源能源安全成为实现国家经济可持续发展的关键。深部地质钻进是一个存在大量随机性、模糊性以及不确定性的非常复杂的过程,它无法对井下的工作状况进行直接观察。由于不稳定因素的存在,粘滑与跳钻等异常随时可能发生。钻具在井下的工作条件非常复杂,钻柱会承受不同性质的载荷、不同的加载次序和不同的应力状态,且环境和温度恶劣。如果不加以预防及处理就可能造成钻井周期延长,钻井效率下降,进而造成经济上的巨大损失。因此,掌握钻井过程中的关键信息,并及时准确地检测出钻井过程中出现的粘滑、跳钻等异常成为钻井研究的重要课题。
目前,通过钻柱振动信号判断异常的问题大多是利用离线状态下的钻柱振动信号进行训练与识别,但是在实际钻进过程中,我们很难得到大量异常状态下的钻柱振动信号,而较为容易获得大量正常状态下的钻柱振动信号。因此,本文提出一种面向正常钻柱振动信号下的粘滑和跳钻异常识别方法,经实验证明该方法能有效的识别粘滑和跳钻。
发明内容
有鉴于此,本发明提供了面向正常钻柱振动信号的粘滑和跳钻异常识别方法,主要包括以下步骤:
S1:通过加速度传感器测量得到的钻柱振动三维加速度信号,选取一段正常平稳的钻柱振动三维加速度信号,对该段信号分段后加权求均值得到信号x’(t),采用经验模态分解阈值去噪方法对x’(t)进行去噪处理得到去噪信号x(t),作为基准信号;
S2:根据步骤S1中得到去噪信号,选取同长度的正常钻柱振动三维加速度信号,采用步骤S1中提到的经验模态分解阈值去噪方法去噪后,利用动态时间规整算法DTW计算与步骤S1中x(t)之间的距离,求取得到距离的均值E以及距离与均值E的最大差值D;
S3:利用DTW计算去噪后的检测信号与基准信号x(t)之间的距离,计算得到距离与E之间的差值D’,比较步骤S2得到的D与D’之间的大小,当D小于D’则判断此时发生异常;
S4:对步骤S3判断出异常的信号求频谱图,从频谱图中得到异常频率,再与通过公式得到的特征频率进行比较,判断异常类型。
本发明提供的技术方案带来的有益效果是:减少钻进成本,提高钻进过程粘滑、跳钻的异常识别速度和识别精度,为地质勘探钻进过程安全性监测与异常识别打下了良好的基础。
附图说明
图1是本发明一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法的流程图;
图2(a)和图2(b)分别为本发明中钻进过程正常钻进时扭转与纵向振动基准信号;
图3(a)和图3(b)是本发明中基于动态时间规整得到的归整路径距离;
图4(a)和图4(b)是本发明中不同钻柱长度下扭转振动时本征角频率、特征频率以及不同钻柱长度下跳钻时的特征频率。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
本发明提供了一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法,请参考图1,具体包括如下步骤:
S1:钻柱振动三维加速度信号去噪与基准信号的选取;
通过加速度传感器测量得到的钻柱振动三维加速度信号,选取一段正常钻柱振动三维加速度信号,对该段信号分段后加权求均值得到信号x’(t),采用经验模态分解阈值去噪方法对x’(t)进行去噪处理得到去噪信号x(t),作为基准信号。
钻柱振动的三种形式分别为扭转振动、纵向振动和横向振动,其中扭转振动信号用于分析正常钻进与发生粘滑时的变化特征,纵向振动信号用于分析正常进与发生跳钻时的变化特征。
首先,选取一段正常钻柱振动三维加速度信号,对该段信号分段后加权求均值得到信号x’(t),在经验模态分解阈值去噪中,选取的阈值λ为:
式中,MAD表示平均绝对误差,cD表示分解得到的高频系数,N指采样长度,k表示IMF分量的个数,估计噪声方差时使用经验模态分解得到的IMF1分量,因为分解后的噪声都集中在最先分解出来的分量中,接下来利用阈值函数将高于阈值的IMF分量系数进行处理,阈值函数为软阈值函数:
式中IMFk,j为IMF系数,sign(·)为符号函数,λ为阈值,k和j分别表示IMF分量的序号和采样点数,将处理过后的IMF分量进行叠加重构可得到基于经验模态分解阈值去噪的钻柱振动三维加速度信号;图2(a)和图2(b)分别为本发明中钻进过程正常钻进时扭转与纵向振动时选取的基准信号。
S2:基于动态时间规整的归整路径距离选取;
根据步骤S1中得到去噪信号,选取同长度的正常钻柱振动三维加速度信号,利用步骤S1中提到的经验模态分解阈值去噪方法去噪后利用动态时间规整算法计算与S1得到的基准信号x(t)之间的距离(相似性),求取得到距离的均值E以及距离与均值E之间的最大差值D。
求取距离的计算公式为:
γ(i,J)=dist(qi,cJ)+min{γ(i-1,J),γ(i,J-1),γ(i-1,J-1)
其中γ表示累计最小规整距离,dist表示当前格点距离,q和c表示输入的两个信号,i和J表示对齐两个信号所创建矩阵中的元素,qi表示信号在创建矩阵中的第i点,cJ表示信号在创建矩阵中的第J点。
S3:基于动态时间规整的粘滑和跳钻异常检测;
将检测信号去噪后利用DTW计算与基准信号x(t)之间的距离(相似性),计算其与E之间的差值D’,通过比较S2得到的D与D’之间的大小判断是否发生异常,如果D小于D’则判断此时发生异常,图3(a)和图3(b)是本发明中基于动态时间规整得到的归整路径距离。
S4:基于特征频率的粘滑、跳钻异常识别;
对步骤S3判断出异常的信号求其频谱图,从中得到其异常频率,再与通过公式得到的特征频率进行比较,判断异常类型,具体如下:
针对粘滑振动,粘滑振动时,特征频率略低于本征角频率且是低频振动,本征角频率的计算公式为:
式中,ω为本征角频率,G为钻柱的剪切模量,d1和D1为钻杆的内外径,d2、D2为钻铤的内外径,ρ为钻柱材料密度,I1和I2分别为钻杆和钻铤的截面极惯性矩,L1和L2分别为钻杆和钻铤的部分长度。
针对跳钻,跳钻时,特征频率分布在共振频率即固有频率附近,固有频率的计算公式为:
其中,S1和S2为钻杆和钻铤的横截面积,F为弹性模量,ωn为钻柱系统的固有频率,a为弹性波的轴向传播速度,l1和l2为钻杆和钻铤总长度,K为减震器刚度。图4(a)和图4(b)是本发明中不同钻柱长度下扭转振动时本征角频率与特征频率、不同钻柱长度下跳钻时的特征频率。从图中可以看出该方法具有良好的效果。
在不冲突的情况下,本文中上述实施例及实施例中的特征可以相互结合。以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (5)
1.一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法,其特征在于,包括以下步骤:
S1:通过加速度传感器测量得到的钻柱振动三维加速度信号,选取一段正常平稳的钻柱振动三维加速度信号,对该段信号分段后加权求均值得到信号x’(t),采用经验模态分解阈值去噪方法对x’(t)进行去噪处理得到去噪信号x(t),作为基准信号;
S2:根据步骤S1中得到去噪信号,选取同长度的正常钻柱振动三维加速度信号,采用步骤S1中提到的经验模态分解阈值去噪方法去噪后,利用动态时间规整算法DTW计算与步骤S1中x(t)之间的距离,求取得到距离的均值E以及距离与均值E的最大差值D;
S3:利用DTW计算去噪后的检测信号与基准信号x(t)之间的距离,计算得到距离与E之间的差值D’,比较步骤S2得到的D与D’之间的大小,当D小于D’则判断此时发生异常;
S4:对步骤S3判断出异常的信号求频谱图,从频谱图中得到异常频率,再与通过公式得到的特征频率进行比较,判断异常类型;
针对粘滑振动,粘滑振动时特征频率低于本征角频率且是低频振动,本征角频率的计算公式为:
式中,ω为本征角频率,G为钻柱的剪切模量,d1和D1为钻杆的内外径,d2和D2为钻铤的内外径,ρ为钻柱材料密度,I1和I2分别为钻杆和钻铤的截面极惯性矩,L1和L2分别为钻杆和钻铤的部分长度;
针对跳钻和跳钻时特征频率分布在共振频率即固有频率附近,固有频率的计算公式为:
其中,S1、S2为钻杆和钻铤的横截面积,F为弹性模量,ωn为钻柱系统的固有频率,a为弹性波的轴向传播速度,l1和l2分别为钻杆和钻铤总长度,K为减震器刚度。
2.根据权利要求1所述的一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法,其特征在于,步骤S1中所述钻柱振动三维加速度信号包括扭转振动信号、纵向振动信号和横向振动信号。
3.根据权利要求1所述的一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法,其特征在于,所述步骤S1中,信号分段具体为:选取一段20秒的正常钻柱振动三维加速度信号,分为10段,平均每段2秒,再对分段后的信号加权求均值得到信号x’(t)。
5.根据权利要求1所述的一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法,其特征在于,所述步骤S2中,
求取距离的计算公式为:
γ(i,J)=dist(qi,cJ)+min{γ(i-1,J),γ(i,J-1),γ(i-1,J-1)
其中γ表示累计最小规整距离,dist表示当前格点距离,q和c表示输入的两个信号,i和J表示对齐两个信号所创建矩阵中的元素qi表示信号在创建矩阵中的第i点,cJ表示信号在创建矩阵中的第J点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011383051.9A CN112528784B (zh) | 2020-12-01 | 2020-12-01 | 一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011383051.9A CN112528784B (zh) | 2020-12-01 | 2020-12-01 | 一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112528784A CN112528784A (zh) | 2021-03-19 |
CN112528784B true CN112528784B (zh) | 2022-06-21 |
Family
ID=74995777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011383051.9A Active CN112528784B (zh) | 2020-12-01 | 2020-12-01 | 一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112528784B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114705289A (zh) * | 2022-04-13 | 2022-07-05 | 中国石油天然气集团有限公司 | 随钻钻具振动测量方法及系统和设备 |
CN116712049B (zh) * | 2023-08-09 | 2023-10-20 | 临沂大学 | 一种运动数据采集处理方法及系统 |
CN117090554B (zh) * | 2023-09-13 | 2024-02-23 | 江苏省无锡探矿机械总厂有限公司 | 钻机负载自适应液压控制系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104781494A (zh) * | 2012-11-13 | 2015-07-15 | 埃克森美孚上游研究公司 | 检测钻探功能异常的方法 |
WO2018113319A1 (zh) * | 2016-12-19 | 2018-06-28 | 四川宏华电气有限责任公司 | 一种抗钻柱粘滑振动的控制系统及方法 |
CN111191502A (zh) * | 2019-11-22 | 2020-05-22 | 中国地质大学(武汉) | 基于钻柱振动信号的粘滑和跳钻异常工况识别方法 |
CN111598129A (zh) * | 2020-04-11 | 2020-08-28 | 中国地质大学(武汉) | 基于动态时间规整的钻进过程数据异常判别与校正的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9857801B2 (en) * | 2014-03-31 | 2018-01-02 | General Electric Company | System and method for detecting a stick-slip |
-
2020
- 2020-12-01 CN CN202011383051.9A patent/CN112528784B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104781494A (zh) * | 2012-11-13 | 2015-07-15 | 埃克森美孚上游研究公司 | 检测钻探功能异常的方法 |
WO2018113319A1 (zh) * | 2016-12-19 | 2018-06-28 | 四川宏华电气有限责任公司 | 一种抗钻柱粘滑振动的控制系统及方法 |
CN111191502A (zh) * | 2019-11-22 | 2020-05-22 | 中国地质大学(武汉) | 基于钻柱振动信号的粘滑和跳钻异常工况识别方法 |
CN111598129A (zh) * | 2020-04-11 | 2020-08-28 | 中国地质大学(武汉) | 基于动态时间规整的钻进过程数据异常判别与校正的方法 |
Non-Patent Citations (2)
Title |
---|
基于钻柱振动信号的跳钻和粘滑异常识别的仿真研究;吴昊澄;《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅰ辑》;20160715;第9, 11,21-22,25-28, 33-35,44页 * |
超深井钻柱粘滑振动特征的测量与分析;滕学清等;《石油钻探技术》;20170325(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112528784A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528784B (zh) | 一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法 | |
US20230168150A1 (en) | Dynamic joint distribution alignment network-based bearing fault diagnosis method under variable working conditions | |
CN113255733B (zh) | 多模态数据缺失下的无监督异常检测方法 | |
Chandrashekhar et al. | Damage assessment of structures with uncertainty by using mode-shape curvatures and fuzzy logic | |
CN110470729B (zh) | 一种基于电涡流的油田套管缺陷无损检测方法 | |
CN109345032B (zh) | 基于动态裂纹数目的粒子滤波多裂纹扩展预测方法 | |
CN105579922A (zh) | 信息处理装置以及分析方法 | |
Chen et al. | Intelligent model-based integrity assessment of nonstationary mechanical system | |
WO2017058688A1 (en) | Downhole tool analysis using anomaly detection of measurement data | |
Tabrizian et al. | Charged system search algorithm utilized for structural damage detection | |
CN110555235A (zh) | 基于向量自回归模型的结构局部缺陷检测方法 | |
Kourehli | Application of extreme learning machine to damage detection of plate-like structures | |
Layouni et al. | A survey on the application of neural networks in the safety assessment of oil and gas pipelines | |
Ling et al. | Data modeling techniques for pipeline integrity assessment: A State-of-the-Art Survey | |
CN114692465B (zh) | 桥梁损伤位置的无损识别方法、存储介质及设备 | |
CN116680639A (zh) | 一种基于深度学习的深海潜水器传感器数据的异常检测方法 | |
Sato et al. | Minor damage detection using chaotic excitation and recurrence analysis | |
Zhang et al. | FMD-Framework: A Size Estimation Method for Pipeline Defects in Weld-Affected Zones | |
Aldosari et al. | Optimal Artificial Neural Network Model For Prediction of Oil and Gas Pipelines Defect Length | |
Thulasendra et al. | Comparative study of vibration based damage detection methodologies for structural health monitoring | |
Liu et al. | Signal feature extraction and quantitative evaluation of metal magnetic memory testing for oil well casing based on data preprocessing technique | |
Jayawardhana et al. | An experimental study for decentralized damage detection of beam structures using wireless sensor networks | |
Lu et al. | Extracting defect signal from the MFL signal of seamless pipeline | |
Ok et al. | Multiobjective optimization approach for robust bridge damage identification against sensor noise | |
Zhang et al. | Diagnosis and recognition of pipeline damage defects based on improved convolutional neural network |
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 |