CN113792628A - 一种基于hht的波形智能自动分析方法 - Google Patents
一种基于hht的波形智能自动分析方法 Download PDFInfo
- Publication number
- CN113792628A CN113792628A CN202111006278.6A CN202111006278A CN113792628A CN 113792628 A CN113792628 A CN 113792628A CN 202111006278 A CN202111006278 A CN 202111006278A CN 113792628 A CN113792628 A CN 113792628A
- Authority
- CN
- China
- Prior art keywords
- liquid level
- echo signal
- signal
- coupling
- data sequence
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 48
- 239000007788 liquid Substances 0.000 claims abstract description 179
- 230000008878 coupling Effects 0.000 claims abstract description 99
- 238000010168 coupling process Methods 0.000 claims abstract description 99
- 238000005859 coupling reaction Methods 0.000 claims abstract description 99
- 239000003129 oil well Substances 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 19
- 230000003595 spectral effect Effects 0.000 claims abstract description 8
- 238000005070 sampling Methods 0.000 claims abstract description 5
- 230000011664 signaling Effects 0.000 claims abstract description 5
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000010183 spectrum analysis Methods 0.000 claims description 6
- 230000003121 nonmonotonic effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 abstract description 3
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005311 autocorrelation function Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- WQPDQJCBHQPNCZ-UHFFFAOYSA-N cyclohexa-2,4-dien-1-one Chemical compound O=C1CC=CC=C1 WQPDQJCBHQPNCZ-UHFFFAOYSA-N 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
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
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- 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
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
-
- 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
- G06F17/148—Wavelet transforms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Geochemistry & Mineralogy (AREA)
- Software Systems (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Geophysics (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Discrete Mathematics (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
Abstract
本发明公开了一种基于HHT的波形智能自动分析方法，包括：获取液面回波信号、接箍回波信号和数据采样时间；采用小波去噪算法，分别对液面回波信号和接箍回波信号进行去噪处理，得到去噪后的液面回波信号和接箍回波信号；采用快速傅里叶变换，分别对去噪后的液面回波信号和接箍回波信号进行频谱特性分析，获得液面回波信号和接箍回波信号的有效频率段范围；基于HHT变换，分别对有效频率段范围内的液面回波信号和接箍回波信号进行时频特性分析，得到不同时间段内液面回波信号和接箍回波信号的能量分布特性；通过该方法能够减少计算量，对液面回波进行有效辨识和处理，从而计算出不同深度油井的液面深度。
Description
技术领域
本发明属于声反射液位测量技术领域，特别是一种基于HHT的波形智能自动分析方法。
背景技术
在油田生产系统中，经常需要测试油井液面深度，测试通常采用声波回波的方法实现。击发发声枪后，声音经各障碍物反射，由安装在井口的拾音器拾取，经信号调理电路处理，由微电脑系统采集、显示、存储。但是油套环空中的状态十分复杂，声波在其中传播反射时会受到各种噪声的干扰，使液面反射波和接箍反射波不容易辨识，导致很多测得的反射声波信号无法解释得到动液面。
J.N.MCCOY和DIETERBECKER在现有仪器基础上，利用现代模拟/数字技术获取记录反射波，研究了一种新的声波测液面的仪器。该双通道仪器在低频率通道记录液面波的波形，在第二通道用自动增益控制记录接箍波的波形。反射声波信号的频率取决于初始脉冲，传播距离，变化断面的类型和压力等。在井口部位的接箍反射波具有高频能量，深部的接箍回波具有中等频率能量，在液面处反射波具有较低频率的能量。该双频道微处理器控制记录仪提供了更精确的声学液面深度测量方法，微处理器控制的自动接箍和液面放大增益使操作更加简单，双频道仪器使操作者可以同时分析接箍和液面反射波，但是由于各种噪声波干扰，使得反射声波信号经常淹没在所测数据中，造成难以辨认或根本无法辨认的情况，需要更加先进的信号处理技术。
在声波信号的处理方法上，国内外很多学者注重了利用接箍反射波获取声波速度的研究，提出了短时自相关函数(ACF)、短时平均幅度差函数(AMDF)、人工神经网络等方法来研究接箍反射波的周期进而计算声波在油套环空中的传播速度，得到了较好的效果。例如吴新杰利用了神经网络的可训练识别的特点对信号进行处理，把在套管环空中传播的理想声波反射信号作为输入样本来训练神经网络，训练完成后把用回声仪实际测试到的反射声波信号输入到已经训练好的神经网络中，对接箍反射声波进行识别，可以从受到各种噪声影响的接箍反射波中识别出在接箍处反射声波的位置。但此类方法需要较大计算量，且需要较理想的训练样本，实现上对硬件的要求也较高。
对液面反射波的辨识和处理是获取动液面深度的另一个重要的内容，但在这方面的研究较少，主要有张朝晖研究的对液面反射波采用的低通椭圆滤波器滤波的方法，吴新杰等研究的分形模糊控制滤波的方法等。在动液面测试信号的自动辨识方面，孟开元根据液面反射曲线的特点，将幅度宽度积最大的点作为特征脉冲利用计算机进行自动识别，可以避免人工解释的影响，提高识别能力。但在实际应用中，不同井因状况不同，处理结果也会有所不同，特别是对液面回波的辨识和处理效果不够理想。
因此，如何在减少计算量的同时，对液面回波进行有效辨识和处理，从而计算出不同深度油井的液面深度，已经成为当前研究的关键问题。
发明内容
鉴于上述问题，本发明提供一种至少解决上述部分技术问题的一种基于HHT的波形智能自动分析方法，该方法可以在减少计算量的同时，对液面回波进行有效辨识和处理，从而计算出不同深度油井的液面深度。
本发明实施例提供了一种基于HHT的波形智能自动分析方法，包括：
S1、获取待分析油井参数，所述待分析油井参数包括液面回波信号、接箍回波信号和数据采样时间；
S2、采用小波去噪算法，分别对所述液面回波信号和接箍回波信号进行去噪处理，得到去噪后的液面回波信号和接箍回波信号；
S3、采用快速傅里叶变换，分别对所述去噪后的液面回波信号和接箍回波信号进行频谱特性分析，获得所述液面回波信号和接箍回波信号的有效频率段范围；
S4、基于HHT变换，分别对所述有效频率段范围内的液面回波信号和接箍回波信号进行时频特性分析，得到不同时间段内液面回波信号和接箍回波信号的能量分布特性；
S5、对所述液面回波信号的能量分布特性进行分析，确定当前油井类型；所述油井类型包括浅井和深井；基于所述液面回波信号和接箍回波信号的能量分布特性，确定所述不同类型油井的液面深度。
进一步地，所述S2具体包括：
S21、分别对所述液面回波信号和接箍回波信号执行小波分解；由第一层的高频系数分别计算所述液面回波信号和接箍回波信号的噪声标准差；
S22、使用软阈值和保存的低频信号，分别对所述液面回波信号和接箍回波信号进行信号降噪处理，得到去噪后的液面回波信号和接箍回波信号；降噪时采用全局阈值作为调整参数。
进一步地，所述S3中，
所述接箍回波信号的有效频率段范围为：
对应的频率段与所述接箍回波信号对应的第一频率段范围的交集，
为接箍波频谱幅值最大值；
所述液面回波信号的有效频率段范围为：
对应的频率段与所述液面回波信号对应的第二频率段范围的交集，
为液面波频谱幅值最大值。
进一步地，所述S4中的对所述有效频率段范围内的液面回波信号进行时频特性分析，包括：
S41、将所述有效频率段范围内的液面回波信号转换为原信号数据序列；找出所述原信号数据序列中所有极大值点，并用三次样条函数将所述极大值点拟合成所述原信号数据序列上的包络线，记作第一包络线；在此基础上找出所述原数据序列中所有极小值点，并用三次样条函数将所述极小值点拟合成原信号数据序列下的包络线，记作第二包络线；
S42、对S41中所述第一包络线和第二包络线进行计算，得到包络线均值；令所述原信号数据序列减去所述包络线均值，得到新信号数据序列；
S43、对所述包络线均值进行判断：
若包络线均值不趋于0；则将所述新信号数据序列替换所述原信号数据序列，并循环执行S41-S43；
若包络线均值趋于0，则所述新信号数据序列为所述原信号数据序列中最高频率的IMF分量；此时执行步骤S44；
S44、令所述原信号数据序列减去所述IMF分量，获得差值信号；
S45、对所述差值信号进行判断：
若所述差值信号为非单调函数，则将所述差值信号替换原信号数据序列，并循环执行S41-S45；每一次循环后，均得到1个IMF分量；
若所述差值信号为单调函数，则循环结束；开始执行S46；
S46、采用Hilbert变换法对每一个所述IMF分量进行时频谱分析，得到每一个IMF分量对应的原信号数据序列的瞬时频率；基于所述瞬时频率得到所述液面回波信号的能量分布特性。
进一步地，所述S4中的对所述有效频率段范围内的接箍回波信号进行时频特性分析，包括：
S41、将所述有效频率段范围内的接箍回波信号转换为原信号数据序列；找出所述原信号数据序列中所有极大值点，并用三次样条函数将所述极大值点拟合成所述原信号数据序列上的包络线，记作第三包络线；在此基础上找出所述原数据序列中所有极小值点，并用三次样条函数将所述极小值点拟合成原信号数据序列下的包络线，记作第四包络线；
S42、对所述第三包络线和第四包络线进行计算，得到包络线均值；令所述原信号数据序列减去所述包络线均值，得到新信号数据序列；
S43、对所述包络线均值进行判断：
若包络线均值不趋于0；则将所述新信号数据序列替换所述原信号数据序列，并循环执行S41-S43；
若包络线均值趋于0，则所述新信号数据序列为所述原信号数据序列中最高频率的IMF分量；此时执行步骤S44；
S44、令所述原信号数据序列减去所述IMF分量，获得差值信号；
S45、对所述差值信号进行判断：
若所述差值信号为非单调函数，则将所述差值信号替换原信号数据序列，并循环执行S41-S45；每一次循环后，均得到1个IMF分量；
若所述差值信号为单调函数，则循环结束；开始执行S46；
S46、采用Hilbert变换法对每一个所述IMF分量进行时频谱分析，得到每一个IMF分量对应的原信号数据序列的瞬时频率；基于所述瞬时频率得到所述接箍回波信号的能量分布特性。
进一步地，所述S5中对所述液面回波信号的能量分布特性进行分析，确定当前油井类型，包括：
S51、根据所述液面回波信号的能量分布特性，基于衰减波峰算法，确定衰减波峰数量及能量分布波形特性；
S52、如果所述衰减波峰数量大于等于预设值，则井口波能量大于液面波，所述油井类型为深井，此时所述井口波和液面波位置分别为第一和第二个衰减波峰对应的数据点；
如果所述衰减波峰数量小于预设值，则井口波能量低于液面波，此时所述液面波位置为能量分布波形最大值对应的数据点；所述井口波位置为液面波前一个波峰对应的数据点；如果所述液面波位置大于300个数据点，则认为油井为深井，反之为浅井。
进一步地，所述S5中基于所述液面回波信号和接箍回波信号的能量分布特性，确定所述浅井的液面深度，包括：
S53、根据所述井口波位置和液面波位置，确定所述接箍回波信号的数据点选取范围，对所述选取范围内的所述接箍回波信号的能量分布特性进行分析，根据分析结果，结合所述衰减波峰算法，对音速进行校准，得到校准后的音速；
S54、根据所述井口波位置、液面波位置和校准后的音速，通过计算得到液面深度。
进一步地，所述S5中基于所述液面回波信号和接箍回波信号的能量分布特性，确定所述深井的液面深度，包括：
S53、对所述接箍回波信号的能量分布特性进行分析，选取出符合预设要求的接箍回波信号；
S54、对所述符合预设要求的接箍回波信号进行频谱特性分析和时频特性分析，获得所述清晰的接箍回波信号的能量分布特性，结合所述衰减波峰算法，对音速进行校准，得到校准后的音速；
S55、根据所述液面回波信号的能量分布特性，结合所述衰减波峰算法，确定井口波位置和液面波位置；
S56、根据所述井口波位置、液面波位置和校准后的音速，通过计算得到液面深度。
进一步地，所述根据液面回波信号的能量分布特性，结合所述衰减波峰算法，确定液面波位置，包括：
分析所述液面回波信号的能量分布特性，提取出所述液面回波信号的衰减波峰位置；
根据所述液面回波信号的衰减波峰位置，确定液面回波的数据点数；
根据所述液面回波的数据点数，确定所述液面波位置。
进一步地，所述对音速进行校准，包括：
分析所述接箍回波信号的能量分布特性，提取出所述接箍回波信号的衰减波峰位置；
根据所述接箍回波信号的衰减波峰位置，确定接箍回波的数据点数；
根据所述接箍回波的数据点数，对音速进行校准。
与现有技术人相比，本发明记载的一种基于HHT的波形智能自动分析方法，通过频谱特性分析、时频特性分析以及基于衰减波峰的波形自动分析算法，实现音速的校准以及液面深度的确定。本发明提供的波形智能自动分析算法简单可靠、准确率高，可推广性强可，广泛用于声波液位测量设备。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例提供的一种基于HHT的波形智能自动分析方法流程图。
图2为本发明实施例提供的对有效频率段范围内的液面回波信号进行时频特性分析流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
参见图1所示，本发明实施例提供了一种基于HHT的波形智能自动分析方法，具体包括如下步骤：
S1、获取待分析油井参数，所述待分析油井参数包括液面回波信号、接箍回波信号和数据采样时间；
S2、采用小波去噪算法，分别对所述液面回波信号和接箍回波信号进行去噪处理，得到去噪后的液面回波信号和接箍回波信号；
S3、采用快速傅里叶变换，分别对所述去噪后的液面回波信号和接箍回波信号进行频谱特性分析，获得所述液面回波信号和接箍回波信号的有效频率段范围；
S4、基于HHT变换，分别对所述有效频率段范围内的液面回波信号和接箍回波信号进行时频特性分析，得到不同时间段内液面回波信号和接箍回波信号的能量分布特性；
S5、对所述液面回波信号的能量分布特性进行分析，确定当前油井类型；所述油井类型包括浅井和深井；基于所述液面回波信号和接箍回波信号的能量分布特性，确定所述不同类型油井的液面深度。
下面分别对上述各个步骤进行详细的说明。
在上述步骤S1中，获取待分析油井参数，其中待分析油井参数除了包括液面回波信号、接箍回波信号和数据采样时间(Ts)外，还包括接箍长度(L_jiegu)等；
在上述步骤S2中，采用小波去噪算法，分别对液面回波信号和接箍回波信号进行去噪处理，得到去噪后的液面回波信号和接箍回波信号；具体去噪步骤为：
S21、分别对所述液面回波信号和接箍回波信号执行小波分解；由第一层的高频系数分别计算所述液面回波信号和接箍回波信号的噪声标准差；
S22、使用软阈值和保存的低频信号，分别对所述液面回波信号和接箍回波信号进行信号降噪处理，得到去噪后的液面回波信号和接箍回波信号；降噪时采用全局阈值作为调整参数。
在上述步骤S3中，采用快速傅里叶变换(fft)，分别对去噪后的液面回波信号和接箍回波信号进行频谱特性分析，并结合对应的理论频率段范围，获得液面回波信号和接箍回波信号的有效频率段范围；其中，快速傅里叶变换(fft)，是快速计算序列的离散傅里叶变换(DFT)或其逆变换的方法；傅里叶分析将信号从原始域(通常是时间或空间)转换到频域的表示或者逆过来转换；理论频率段能够综合反映水文变量的地区规律性，克服了经验频率段的主观性；在本实施例中，对于接箍回波信号，选取范围
对应的频率段与接箍回波信号对应的第一频率段范围的交集作为接箍回波信号的有效频率段范围；对于液面回波信号，选取范围
对应的频率段与液面回波信号对应的第二频率段范围的交集作为液面回波信号的有效频率段范围；其中，
为接箍波频谱幅值最大值；
为液面波频谱幅值最大值。在本实施例中，第一频率段范围选为[10，50]；第二频率段范围选为[0.1,10]。
在上述步骤S4中，其中HHT变换全称为Hilbert-Huang Transform(希尔伯特黄变换)，大致流程为：先对信号进行经验模态分解(Empirical mode decomposition－EMD)，得出本征模态函数(IMF intrinsic mode function)，再对本征模态函数进行希尔伯特变换(Hilbert)，从而进一步得该信号的希尔伯特谱、时频能量谱等，以便对信号进行分析；HHT变换对非线性及非平稳信号有较好的分析和处理效果。基于HHT变换，对有效频率段范围内的液面回波信号进行时频特性分析，参照图2所示，包括：
S41、将有效频率段范围内的液面回波信号转换为原信号数据序列s(t)；找出原信号数据序列中所有极大值点，并用三次样条函数将所述极大值点拟合成原信号数据序列上的包络线，记作第一包络线；在此基础上找出原数据序列中所有极小值点，并用三次样条函数将极小值点拟合成原信号数据序列下的包络线，记作第二包络线；
S42、对步骤S41中所述第一包络线和第二包络线进行计算，得到包络线均值m(t)；令所述原信号数据序列s(t)减去所述包络线均值m(t)，得到新信号数据序列h(t)；即s(t)-m(t)＝h(t)；
S43、对所述包络线均值m(t)进行判断：
若包络线均值m(t)不趋于0，则代表此时的新信号数据序列h(t)不属于IMF分量序列；此时将新信号数据序列h(t)替换所述原信号数据序列s(t)，并循环执行S41-S43；
假设循环执行了k次后，包络线均值mk(t)趋于0，则将此时的新信号数据序列hk(t)充当为原信号数据序列s(t)中最高频率的IMF分量c1(t)；即h(k-1)(t)-mk(t)＝hk(t)，c1(t)＝hk(t)；此时执行步骤S44；
S44、令原信号数据序列s(t)减去最高频IMF分量c1(t)，获得差值信号r1(t)，用公式表示为s(t)-c1(t)＝r1(t)；
S45、对差值信号进行判断：
若差值信号r(t)为非单调函数，则将所述差值信号r(t)替换原信号数s(t)据序列，并循环执行S41-S45；在循环n次后，可以获得n个IMF分量cn(t)，对应的也可以获得n个差值信号rn(t)，用公式表示为：
若所述差值信号r(t)为单调函数，则循环结束，此时公式(1)可转换为
此时开始执行S46；其中差值信号r(t)为残余函数，表示信号的平均趋势；各个IMF分量c1(t)，c2(t)……cn(t)分别表示包含了信号数据序列不同时间特征尺度大小的成分，其尺度依次由小到大。因此，各IMF分量特就相应地包含了从高到低不同频率段的成分，每一个频率段所包含的频率成分均不同，且随信号数据序列本身的变化而变化
S46、采用Hilbert变换法对每一个IMF分量进行时频谱分析，得到每一个IMF分量对应的原信号数据序列的瞬时频率；基于所述瞬时频率得到所述液面回波信号的能量分布特性；其中瞬时频率表示为：
此处由HHT得到的边际谱从统计观点上来看，其表示了该频率上振幅(能量)在时间上的累加，即能够反映出各频率的能量分布特性。
基于HHT变换，对有效频率段范围内的接箍回波信号进行时频特性分析的具体步骤，可参考上述对液面回波信号的时频特性分析步骤。
在上述步骤S5中，首先对液面回波信号的能量分布特性进行分析，确定当前油井类型；油井类型包括浅井和深井；之后基于液面回波信号和接箍回波信号的能量分布特性，确定不同类型油井的液面深度；
具体的油井类型确定的具体步骤如下：
S51、根据液面回波信号的能量分布特性，基于衰减波峰算法，确定衰减波峰数量及能量分布波形特性；
S52、如果衰减波峰数量大于等于预设值(本实施例中，该预设值为2)，则井口波能量大于液面波，油井类型为深井，此时井口波和液面波位置分别为第一和第二个衰减波峰对应的数据点；
如果衰减波峰数量小于预设值，则井口波能量低于液面波，此时液面波位置为能量分布波形最大值对应的数据点；所述井口波位置为液面波前一个波峰对应的数据点；如果液面波位置大于300个数据点，则认为油井为深井，反之为浅井；
当油井类型为浅井时，确定浅井的液面深度的具体步骤如下：
S53、分析液面回波信号的能量分布特性，提取出所述液面回波信号的衰减波峰位置；根据液面回波信号的衰减波峰位置，确定液面回波的数据点数；由于浅井存在多次回波，选取合适个数的波峰点(本实施例中选取的波峰点个数为2)；根据液面回波的数据点数，确定液面波位置或两个液面波直接的距离；
S54、根据井口波位置和液面波位置，确定接箍回波信号的数据点选取范围，将从井口波对应数据点到液面波对应数据点之间的数据作为待分析有效接箍波；对选取范围内的接箍回波信号的能量分布特性进行分析，提取出接箍回波信号的衰减波峰位置；根据接箍回波信号的衰弱波峰位置，确定接箍回波的数据点数(jgd)；根据接箍回波的数据点数，对音速(V)进行校准，得到校准后的音速
S55、根据所述井口波位置、液面波位置和校准后的音速，通过计算得到液面深度；
当油井类型为深井时，确定深井的液面深度的具体步骤如下：
S51、对所述接箍回波信号的能量分布特性进行分析，选取出井口波后从第一个波峰到第十个波峰的接箍回波信号，作为清晰的接箍回波信号，(本实施例中挑选出了10个清晰的接箍回波信号)；
S52、对所述清晰的接箍回波信号再次进行频谱特性分析和时频特性分析，获得所述清晰的接箍回波信号的能量分布特性，结合所述衰减波峰算法，对声音在油井中的传播速度进行校准，得到校准后的音速；
S53、根据所述液面回波信号的能量分布特性，结合所述衰减波峰算法，确定井口波位置和液面波位置；
S54、根据所述井口波位置、液面波位置和校准后的音速，通过计算得到液面深度。
本发明实施例提供了一种基于HHT的波形智能自动分析方法，首先通过小波降噪，针对接箍波和液面波的频率特性做数据滤波；接着对两类波形进行频谱分析，确定接箍回波和液面回波的频率带的范围；之后基于HHT，对两类波形进行时频特性分析，得到其所在频率段的接箍回波和液面回波能量；最后，分析接箍回波能量特性，校准声波波速，分析液面回波能量特性，计算液面深度。本方法简单有效，具有高可靠性和良好的操作性，可广泛用于声波液位测量设备。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于HHT的波形智能自动分析方法，用于确定油井液面深度，其特征在于，包括：
S1、获取待分析油井参数；所述待分析油井参数包括液面回波信号、接箍回波信号和数据采样时间；
S2、采用小波去噪算法，分别对所述液面回波信号和接箍回波信号进行去噪处理，得到去噪后的液面回波信号和接箍回波信号；
S3、采用快速傅里叶变换，分别对所述去噪后的液面回波信号和接箍回波信号进行频谱特性分析，获得所述液面回波信号和接箍回波信号的有效频率段范围；
S4、基于HHT变换，分别对所述有效频率段范围内的液面回波信号和接箍回波信号进行时频特性分析，得到不同时间段内液面回波信号和接箍回波信号的能量分布特性；
S5、对所述液面回波信号的能量分布特性进行分析，确定当前油井类型；所述油井类型包括浅井和深井；基于所述液面回波信号和接箍回波信号的能量分布特性，确定所述不同类型油井的液面深度。
2.如权利要求1所述的一种基于HHT的波形智能自动分析方法，其特征在于，所述S2具体包括：
S21、分别对所述液面回波信号和接箍回波信号执行小波分解；由第一层的高频系数分别计算所述液面回波信号和接箍回波信号的噪声标准差；
S22、使用软阈值和保存的低频信号，分别对所述液面回波信号和接箍回波信号进行信号降噪处理，得到去噪后的液面回波信号和接箍回波信号；降噪时采用全局阈值作为调整参数。
3.如权利要求1所述的一种基于HHT的波形智能自动分析方法，其特征在于，所述S3中，
所述接箍回波信号的有效频率段范围为：
对应的频率段与所述接箍回波信号对应的第一频率段范围的交集，
为接箍波频谱幅值最大值；
所述液面回波信号的有效频率段范围为：
对应的频率段与所述液面回波信号对应的第二频率段范围的交集，
为液面波频谱幅值最大值。
4.如权利要求1所述的一种基于HHT的波形智能自动分析方法，其特征在于，所述S4中的对所述有效频率段范围内的液面回波信号进行时频特性分析，包括：
S41、将所述有效频率段范围内的液面回波信号转换为原信号数据序列；找出所述原信号数据序列中所有极大值点，并用三次样条函数将所述极大值点拟合成所述原信号数据序列上的包络线，记作第一包络线；在此基础上找出所述原数据序列中所有极小值点，并用三次样条函数将所述极小值点拟合成原信号数据序列下的包络线，记作第二包络线；
S42、对步骤S41中所述第一包络线和第二包络线进行计算，得到包络线均值；令所述原信号数据序列减去所述包络线均值，得到新信号数据序列；
S43、对所述包络线均值进行判断：
若包络线均值不趋于0；则将所述新信号数据序列替换所述原信号数据序列，并循环执行S41-S43；
若包络线均值趋于0，则所述新信号数据序列为所述原信号数据序列中最高频率的IMF分量；此时执行步骤S44；
S44、令所述原信号数据序列减去所述IMF分量，获得差值信号；
S45、对所述差值信号进行判断：
若所述差值信号为非单调函数，则将所述差值信号替换原信号数据序列，并循环执行S41-S45；每一次循环后，均得到1个IMF分量；
若所述差值信号为单调函数，则循环结束；开始执行S46；
S46、采用Hilbert变换法对每一个所述IMF分量进行时频谱分析，得到每一个IMF分量对应的原信号数据序列的瞬时频率；基于所述瞬时频率得到所述液面回波信号的能量分布特性。
5.如权利要求1所述的一种基于HHT的波形智能自动分析方法，其特征在于，所述S4中的对所述有效频率段范围内的接箍回波信号进行时频特性分析，包括：
S41、将所述有效频率段范围内的接箍回波信号转换为原信号数据序列；找出所述原信号数据序列中所有极大值点，并用三次样条函数将所述极大值点拟合成所述原信号数据序列上的包络线，记作第三包络线；在此基础上找出所述原数据序列中所有极小值点，并用三次样条函数将所述极小值点拟合成原信号数据序列下的包络线，记作第四包络线；
S42、对所述第三包络线和第四包络线进行计算，得到包络线均值；令所述原信号数据序列减去所述包络线均值，得到新信号数据序列；
S43、对所述包络线均值进行判断：
若包络线均值不趋于0；则将所述新信号数据序列替换所述原信号数据序列，并循环执行S41-S43；
若包络线均值趋于0，则所述新信号数据序列为所述原信号数据序列中最高频率的IMF分量；此时执行步骤S44；
S44、令所述原信号数据序列减去所述IMF分量，获得差值信号；
S45、对所述差值信号进行判断：
若所述差值信号为非单调函数，则将所述差值信号替换原信号数据序列，并循环执行S41-S45；每一次循环后，均得到1个IMF分量；
若所述差值信号为单调函数，则循环结束；开始执行S46；
S46、采用Hilbert变换法对每一个所述IMF分量进行时频谱分析，得到每一个IMF分量对应的原信号数据序列的瞬时频率；基于所述瞬时频率得到所述接箍回波信号的能量分布特性。
6.如权利要求1所述的一种基于HHT的波形智能自动分析方法，其特征在于，所述S5中对所述液面回波信号的能量分布特性进行分析，确定当前油井类型，包括：
S51、根据所述液面回波信号的能量分布特性，基于衰减波峰算法，确定衰减波峰数量及能量分布波形特性；
S52、如果所述衰减波峰数量大于等于预设值，则井口波能量大于液面波，所述油井类型为深井，此时所述井口波和液面波位置分别为第一和第二个衰减波峰对应的数据点；
如果所述衰减波峰数量小于预设值，则井口波能量低于液面波，此时所述液面波位置为能量分布波形最大值对应的数据点；所述井口波位置为液面波前一个波峰对应的数据点；如果所述液面波位置大于300个数据点，则认为油井为深井，反之为浅井。
7.如权利要求6所述的一种基于HHT的波形智能自动分析方法，其特征在于，所述S5中基于所述液面回波信号和接箍回波信号的能量分布特性，确定所述浅井的液面深度，包括：
S53、根据所述井口波位置和液面波位置，确定所述接箍回波信号的数据点选取范围，对所述选取范围内的所述接箍回波信号的能量分布特性进行分析，根据分析结果，结合所述衰减波峰算法，对音速进行校准，得到校准后的音速；
S54、根据所述井口波位置、液面波位置和校准后的音速，通过计算得到液面深度。
8.如权利要求6所述的一种基于HHT的波形智能自动分析方法，其特征在于，所述S5中基于所述液面回波信号和接箍回波信号的能量分布特性，确定所述深井的液面深度，包括：
S53、对所述接箍回波信号的能量分布特性进行分析，选取出符合预设要求的接箍回波信号；
S54、对所述符合预设要求的接箍回波信号进行频谱特性分析和时频特性分析，获得所述清晰的接箍回波信号的能量分布特性，结合所述衰减波峰算法，对音速进行校准，得到校准后的音速；
S55、根据所述液面回波信号的能量分布特性，结合所述衰减波峰算法，确定井口波位置和液面波位置；
S56、根据所述井口波位置、液面波位置和校准后的音速，通过计算得到液面深度。
9.如权利要求7或8任一项所述的一种基于HHT的波形智能自动分析方法，其特征在于，所述根据液面回波信号的能量分布特性，结合所述衰减波峰算法，确定液面波位置，包括：
分析所述液面回波信号的能量分布特性，提取出所述液面回波信号的衰减波峰位置；
根据所述液面回波信号的衰减波峰位置，确定液面回波的数据点数；
根据所述液面回波的数据点数，确定所述液面波位置。
10.如权利要求7或8任一项所述的一种基于HHT的波形智能自动分析方法，其特征在于，所述对音速进行校准，包括：
分析所述接箍回波信号的能量分布特性，提取出所述接箍回波信号的衰减波峰位置；
根据所述接箍回波信号的衰减波峰位置，确定接箍回波的数据点数；
根据所述接箍回波的数据点数，对音速进行校准。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111006278.6A CN113792628B (zh) | 2021-08-30 | 2021-08-30 | 一种基于hht的波形智能自动分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111006278.6A CN113792628B (zh) | 2021-08-30 | 2021-08-30 | 一种基于hht的波形智能自动分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113792628A true CN113792628A (zh) | 2021-12-14 |
| CN113792628B CN113792628B (zh) | 2024-04-12 |
Family
ID=78876596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111006278.6A Active CN113792628B (zh) | 2021-08-30 | 2021-08-30 | 一种基于hht的波形智能自动分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113792628B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2199005C1 (ru) * | 2001-07-31 | 2003-02-20 | Общество с ограниченной ответственностью Томское научно-производственное и внедренческое общество "СИАМ" | Способ диагностики состояния межтрубного пространства нефтяных добывающих скважин и устройство для его осуществления |
| RU2010134524A (ru) * | 2010-08-19 | 2012-02-27 | Общество с ограниченной ответственностью Томское научно-производственное и внедренческое общество "СИАМ" (RU) | Способ определения уровня жидкости в нефтяной скважине |
| CN104895556A (zh) * | 2015-05-15 | 2015-09-09 | 渤海大学 | 油井动液面远程监测方法及系统 |
| CN108252708A (zh) * | 2018-02-28 | 2018-07-06 | 西安石油大学 | 一种油井动液面识别方法 |
| CN108334872A (zh) * | 2018-03-28 | 2018-07-27 | 天津大学 | 基于改进hht变换的特征提取方法 |
| CN108416282A (zh) * | 2018-02-28 | 2018-08-17 | 西安石油大学 | 一种基于油管接箍的井下动液面回波信号声速提取方法 |
| CN108594177A (zh) * | 2018-03-16 | 2018-09-28 | 西安电子科技大学 | 基于改进hht的雷达信号调制方式分析方法、信号处理系统 |
-
2021
- 2021-08-30 CN CN202111006278.6A patent/CN113792628B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2199005C1 (ru) * | 2001-07-31 | 2003-02-20 | Общество с ограниченной ответственностью Томское научно-производственное и внедренческое общество "СИАМ" | Способ диагностики состояния межтрубного пространства нефтяных добывающих скважин и устройство для его осуществления |
| RU2010134524A (ru) * | 2010-08-19 | 2012-02-27 | Общество с ограниченной ответственностью Томское научно-производственное и внедренческое общество "СИАМ" (RU) | Способ определения уровня жидкости в нефтяной скважине |
| CN104895556A (zh) * | 2015-05-15 | 2015-09-09 | 渤海大学 | 油井动液面远程监测方法及系统 |
| CN108252708A (zh) * | 2018-02-28 | 2018-07-06 | 西安石油大学 | 一种油井动液面识别方法 |
| CN108416282A (zh) * | 2018-02-28 | 2018-08-17 | 西安石油大学 | 一种基于油管接箍的井下动液面回波信号声速提取方法 |
| CN108594177A (zh) * | 2018-03-16 | 2018-09-28 | 西安电子科技大学 | 基于改进hht的雷达信号调制方式分析方法、信号处理系统 |
| CN108334872A (zh) * | 2018-03-28 | 2018-07-27 | 天津大学 | 基于改进hht变换的特征提取方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘建建: "Hilbert-Huang变换在测井资料处理中的变换在测井资料处理中的变换在测井资料处理中的应用研究", 中国优秀博硕士学位论文全文数据库（硕士）基础科学辑》, 15 November 2017 (2017-11-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113792628B (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Song et al. | Wavelet based noise suppression technique and its application to ultrasonic flaw detection | |
| RU2709414C1 (ru) | Способ регистрации и анализа сигналов акустической эмиссии в системе диагностического мониторинга производственных объектов | |
| CN111811617B (zh) | 一种基于短时傅里叶变换和卷积神经网络的液位预测方法 | |
| CN110987434A (zh) | 一种基于去噪技术的滚动轴承早期故障诊断方法 | |
| CN110376575B (zh) | 一种基于阻尼参数匹配随机共振的低频线谱检测方法 | |
| Jiang et al. | Differential spectral amplitude modulation and its applications in rolling bearing fault diagnosis | |
| CN113719274B (zh) | 一种钻井用井下动液面自动监测系统和监测方法 | |
| Du et al. | Study on optical fiber gas-holdup meter signal denoising using improved threshold wavelet transform | |
| Giurgiutiu et al. | Comparison of short-time fourier transform and wavelet transform of transient and tone burst wave propagation signals for structural health monitoring | |
| CN113792628B (zh) | 一种基于hht的波形智能自动分析方法 | |
| CN117606577A (zh) | 一种再生水和自来水切换流量实时监测方法及系统 | |
| CN112539887A (zh) | 一种基于wt-lcd-wd的管道泄漏信号去噪方法 | |
| CN117153168A (zh) | 鲸类回声定位信号的检测与提取方法、系统、设备及介质 | |
| CN111652063A (zh) | 一种探地雷达的灰度堆积图识别方法 | |
| CN111308560A (zh) | 一种随钻测量mwd系统噪声消除方法和装置 | |
| CN114093385A (zh) | 一种无人机检测方法及装置 | |
| CN113375065A (zh) | 管道泄漏监测中趋势信号的消除方法及装置 | |
| CN117727314B (zh) | 用于生态音频信息的滤波增强方法 | |
| CN117514148B (zh) | 一种基于多维可信度融合的油气井动液面识别诊断方法 | |
| CN103854658A (zh) | 基于短时分形维数增强法的钢板腐蚀声发射信号去噪方法 | |
| RU2787653C1 (ru) | Способ и устройство для устранения шума для системы измерения во время бурения (MWD), и носитель данных | |
| RU2787653C9 (ru) | Способ и устройство для устранения шума для системы измерения во время бурения (MWD), и носитель данных | |
| CN117888889B (zh) | 泥浆脉冲信号的处理方法及其装置、电子设备 | |
| Xiao | A new wavelet coefficients correlation denoising method applied in fault detection | |
| CN117332214B (zh) | 基于小波变换与频域相干函数融合式喘振报警方法 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wang Xiong Inventor after: Tian Aina Inventor after: Liang Jun Inventor after: Liu Kai Inventor after: Liu Wei Inventor after: Xu Jun Inventor after: Wu Zhigang Inventor before: Wang Xiong Inventor before: Tian Aina Inventor before: Xue Yunli Inventor before: Huang Shengbao Inventor before: Liang Jun Inventor before: Liu Kai Inventor before: Liu Wei Inventor before: Xu Jun Inventor before: Wu Zhigang |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |