CN114993229A - 一种基于多传感器数据融合的椭圆度在线检测方法 - Google Patents

Abstract

本发明公开了一种基于多传感器数据融合的椭圆度在线检测方法，包括：通过电涡流位移传感器确定连续油管的初始椭圆度；通过加速度传感器对连续油管振动进行监测，获得加速度数据；通过光电编码器测得连续油管的移动距离；通过数字图像传感器对连续油管进行图像采集，获得图像数据；将初始椭圆度、加速度数据、图像数据进行实时曲线绘制并保存数据；建立模糊逻辑模型；对已保存的数据根据模糊逻辑模型进行融合计算，将整个检测过程中得到的椭圆度异常值剔除，绘制出融合后非异常椭圆度曲线，得到连续油管的椭圆度值。本发明可实现无损、在线、连续测量，且减小振动与连续油管表面非导电杂物影响提高椭圆度检测精度，适用于多种规格的连续油管。

Description

一种基于多传感器数据融合的椭圆度在线检测方法

技术领域

本发明涉及一种基于多传感器数据融合的椭圆度在线检测方法，属于连续油管检测技术领域。

背景技术

连续油管作为一种新型石油管材广泛应用于采油、负压射孔、酸化等领域，是连续油管作业装置的核心部件，全球连续油管年耗量约500×10⁴m。连续油管在作业现场会受到注入头夹紧块的挤压、防喷器与井壁之间的摩擦，其主要失效类型有疲劳点蚀、硫化物应力致裂、机械损伤和椭圆度变化。连续油管现场作业过程中管体产生的腐蚀，管壁上的砂眼、划痕、凹坑会造成油管被拉断、卡断、瘪胀。为确保连续油管安全作业，必须对在役连续油管的裂纹、腐蚀和椭圆度实时监控，提前将检测缺陷区域进行修补可延长连续油管的使用寿命，避免事故发生。国外检测技术起步较早，国内连续油管现场检测技术还尚不成熟检测大都集中在局部裂纹缺陷方面。

椭圆度也称不圆度是连续油管一个非常重要的指标，指连续油管横截面上最大直径与最小直径之差。椭圆度发生变化后，会使连续油管产生低周疲劳失效，连续油管可能发生泄露继而断裂。现存椭圆度检测装置主要为光学检测，对检测环境洁净度要求较高而连续油管作业环境复杂，表面常有金属、油泥附着物，作业现场检测也容易受到排管器、连续油管等设备振动影响。国内外针对连续油管椭圆度检测方法主要有磁法检测、涡流检测、CCD器件检测等，这些检测方法投入实际应用中各有优缺点，但都未能很好解决振动干扰滤除问题。

发明内容

为了克服现有技术中的问题，本发明提供一种基于多传感器数据融合的椭圆度在线检测方法，该方法可实现无损、在线且受连续油管振动与表面非导电性杂物影响较小。

本发明解决上述技术问题所提供的技术方案是：一种基于多传感器数据融合的椭圆度在线检测方法，包括以下步骤：

S10、通过电涡流位移传感器确定连续油管的初始椭圆度；

S20、通过加速度传感器对连续油管振动进行监测，获得加速度数据；

S30、通过光电编码器测得连续油管的移动距离；

S40、通过数字图像传感器对连续油管进行图像采集，获得图像数据；

S50、将初始椭圆度、加速度数据、图像数据进行实时曲线绘制并保存数据；

S60、同时调用MATLAB对加速度数据进行预处理以及频域积分变换；

S70、建立模糊逻辑模型；

S80、对已保存的数据根据模糊逻辑模型进行融合计算，将整个检测过程中得到的椭圆度异常值剔除，绘制出融合后非异常椭圆度曲线，得到连续油管的椭圆度值。

进一步的技术方案是，所述步骤S1的具体过程为：

步骤S11、通过6个电涡流位移传感器测得六个实际测量值；

步骤S12、以连续油管的几何中心为原点建立直角坐标系，并计算得到6个连续油管的管道直径值；

步骤S13、基于6个连续油管的管道直径计算得到管道的椭圆度。

进一步的技术方案是，所述步骤S12中的计算公式为：

OA_i＝D+S-d_i

式中：OA_i为管道直径；S为电涡流位移传感器距离管道的标准值；d_i为传感器距离管道表面的实际测量值；D为管道标准外径。

进一步的技术方案是，所述步骤S13中的计算公式为：

式中：Ellip为椭圆度；OA_max为6个管道直径的最大值；OA_min为6个管道直径的最小值。

进一步的技术方案是，所述所述步骤S2的具体过程为：

步骤S21、通过加速度传感器获得连续油管的加速度信号；

步骤S22、对加速度传感器获得连续油管的加速度信号进行积分运算，获得速度曲线；

步骤S23、对速度曲线积分，得到连续油管的位移曲线。

进一步的技术方案是，所述步骤S22中的积分方程如下：

式中：v(t)为速度曲线；v₀为初始速度；v'(t)为v₀的原始函数；τ为β两次积分后的运算常量。

进一步的技术方案是，所述步骤S23中的积分方程如下：

式中：s(t)为位移曲线；s₀为初始位移，s'(t)为s₀的原函数；τ为β两次积分后的运算常量。

进一步的技术方案是，所述步骤S70的具体建立过程为：

步骤S71、建立模糊集合，所述模糊集合包括模糊输出集、模糊关系集和模糊输入集；

所述模糊输出集为：

U＝{AN，NM}

式中：U为模糊输出集；AN为异常；NM为非异常；

所述模糊输入集为：

X＝{OV，AC，PT}

式中：X为模糊输入集；OV为电涡流位移传感器测量计算得到的原始椭圆度数据；AC为加速度数据分析得到的位移数据；PT为图像数据；

步骤S72、建立模糊关系集；

式中：R为模糊关系集；

步骤S73、建立模糊运算规则；

步骤S74、模糊隶属函数将输入信号进行模糊化处理，管道振动产生的位移信号使用高斯函数进行处理，椭圆度信号和图像数据使用三角函数进行处理；

步骤S75、建立椭圆度的模糊运算式；

U＝X·R

式中：X为模糊输入集；R为模糊关系集；U为模糊输出集。

本发明中，采用六组电涡流位移传感器实现对连续油管全周向检测，利用光电编码器对连续油管椭圆度异常位置定位，选用加速度传感器对连续油管振动进行监测，CMOS类型数字图像传感器进行图像采集，利用基于模糊逻辑的多传感器数据融合计算方法实现对连续油管椭圆度在线检测。

本发明具有以下有益效果：

(1)本发明可实现无损、在线、连续测量，且减小振动与连续油管表面非导电杂物影响提高椭圆度检测精度，适用于多种规格的连续油管；

(2)本发明对连续油管振动、位移、表面都进行了监测，再将各个传感器数据进行融获得连续油管的实时椭圆度，测量结果较为准确，可在连续油管起下作业现场进行检测，获得实时连续油管椭圆度，对在役连续油管的使用状态做出准确评估，这对安全作业与连续油管普遍推广有着十分重要的意义；

(3)本发明采用了六组电涡流位移传感器、光电编码器、加速度传感器，图像传感器，能够尽量减小误差，所获得测量结果更精确。

附图说明

图1为本发明椭圆度融合算法的流程图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的一种基于多传感器数据融合的椭圆度在线检测方法，包括以下步骤：

步骤1、固定安装架，安装架由两个半圆铁架组成，两个半圆铁架用锁紧扣固定成一个圆环，连续油管从圆环铁架中间穿过，调整安装架和连续油管使二者同心；

步骤2、将6个电涡流位移传感器安装在安装架上，再通过6个电涡流位移传感器测得六个实际测量值；

步骤3、以连续油管的几何中心为原点建立直角坐标系，并计算得到6个连续油管的管道直径值；

OA_i＝D+S-d_i

式中：OA_i为管道直径；S为电涡流位移传感器距离管道的标准值；d_i为传感器距离管道表面的实际测量值；D为管道标准外径；

步骤4、基于6个连续油管的管道直径计算得到管道的椭圆度；

式中：Ellip为椭圆度；OA_max为6个管道直径的最大值；OA_min为6个管道直径的最小值；

步骤5、将加速度传感器固定在安装架上，调节加速度传感器与连续油管之间的距离，记录传感器获得的被测物加速度信号；

步骤6、对加速度传感器获得连续油管的加速度信号进行积分运算，获得速度曲线；

式中：v(t)为速度曲线，v₀为初始速度，v'(t)为v₀的原始函数；

步骤7、对所得速度曲线进行积分运算，得到连续油管位移曲线：

式中：s₀为初始位移，s'(t)为s₀的原函数；

由于检测中得到的加速度信号中含有直流干扰成分a(t)＝a₀(t)+β，因此连续油管速度曲线应为：

式中：τ为β两次积分后的运算常量；

所得连续油管位移曲线应为：

式中：θ为β两次积分后的运算常量；

步骤8、将编码器固定在安装架外侧，调节编码器与管道之间的距离，利用弹簧防滑使编码器上的滚轮紧贴在管道表面；记录相应的管道位移值，对连续油管定位，由电路处理后输出脉冲信号；

步骤9、将OV5640摄像头固定在安装架上，调节摄像头与管道之间的距离，使其可清晰采集到连续油管表面图像；采集记录连续油管表面图像信息，以JEPG格式输出；

步骤10、建立模糊逻辑模型；

步骤101、建立模糊集合，所述模糊集合包括模糊输出集、模糊关系集和模糊输入集；

所述模糊输出集为：

U＝{AN,NM}

式中：U为模糊输出集；AN为异常；NM为非异常；

所述模糊输入集为：

X＝{OV,AC,PT}

式中：X为模糊输入集；OV为电涡流位移传感器测量计算得到的原始椭圆度数据；AC为加速度数据分析得到的位移数据；PT为图像数据；

步骤102、建立模糊关系集；

模糊关系集表示各输入量对输出量影响程度的集合。通常用m×n阶矩阵R表示，m为模糊输出集中的元素个数，n模糊输入集的元素个数，R中的各行反映了各种影响因素所占的权重，即X对U的隶属度，确定了权重R_i即可得到对应的U_i，关系矩阵可表示为：

关系矩阵中的第一列表示三种检测参数对于椭圆度异常状态决策的重要程度，第二列表示三种检测参数对于椭圆度非异常状态决策的重要程度；

理论上模糊关系可由R诱导出来，但由于不明确各参数对测量结果的影响程度，因此模糊关系矩阵是基于实验基础上建立的。经大量实验表明振动会引起连续油管椭圆度异常，根据现场实验所得数据将关系矩阵赋值为：

式中：R为模糊关系集；

步骤103、建立模糊运算规则；

步骤104、模糊隶属函数将输入信号进行模糊化处理，管道振动产生的位移信号使用高斯函数进行处理，椭圆度信号和图像数据使用三角函数进行处理；

管道振动产生的位移信号使用高斯函数进行处理，表达式为：

椭圆度信号和图像数据使用三角函数进行处理，表达式为：

步骤S105、建立椭圆度的模糊运算式；

U＝X·R

式中：X为模糊输入集；R为模糊关系集；U为模糊输出集；

模糊运算的结果U为[0，1]区间的一个模糊数，反映了椭圆度检测结果在各种影响因素下的可信度；根据U值得情况，可以对当前椭圆度的情况做出一个概率性评估，进而判断椭圆度是否异常；即AN>NM则椭圆度异常，反之NM>AN则椭圆度非异常；

步骤11、对已保存的数据根据模糊逻辑模型进行融合计算，将整个检测过程中得到的椭圆度异常值剔除，绘制出融合后非异常椭圆度曲线，得到连续油管的椭圆度值。

即本发明是安装上位机连接连续油管椭圆度检测装置后，即开始采集各传感器获得的数据，将初始椭圆度、加速度、图像数据进行实时曲线绘制并保存，同时调用MATLAB对振动加速度进行预处理以及频域积分变换，各项数据处理完成后，对已保存的数据根据建立的模糊逻辑模型及算法进行数据融合计算，将整个检测过程中得到的椭圆度异常值剔除，绘制出融合后非异常椭圆度曲线，可得到连续油管准确的椭圆度值。

以上所述，并非对本发明作任何形式上的限制，虽然本发明已通过上述实施例揭示，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，可利用上述揭示的技术内容作出些变动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (8)

1.一种基于多传感器数据融合的椭圆度在线检测方法，其特征在于，包括以下步骤：

S10、通过电涡流位移传感器确定连续油管的初始椭圆度；

S20、通过加速度传感器对连续油管振动进行监测，获得加速度数据；

S30、通过光电编码器测得连续油管的移动距离；

S40、通过数字图像传感器对连续油管进行图像采集，获得图像数据；

S50、将初始椭圆度、加速度数据、图像数据进行实时曲线绘制并保存数据；

S60、同时调用MATLAB对加速度数据进行预处理以及频域积分变换；

S70、建立模糊逻辑模型；

S80、对已保存的数据根据模糊逻辑模型进行融合计算，将整个检测过程中得到的椭圆度异常值剔除，绘制出融合后非异常椭圆度曲线，得到连续油管的椭圆度值。

2.根据权利要求1所述的一种基于多传感器数据融合的椭圆度在线检测方法，其特征在于，所述步骤S1的具体过程为：

步骤S11、通过6个电涡流位移传感器测得六个实际测量值；

步骤S12、以连续油管的几何中心为原点建立直角坐标系，并计算得到6个连续油管的管道直径值；

步骤S13、基于6个连续油管的管道直径计算得到管道的椭圆度。

3.根据权利要求2所述的一种基于多传感器数据融合的椭圆度在线检测方法，其特征在于，所述步骤S12中的计算公式为：

OA_i＝D+S-d_i

式中：OA_i为管道直径；S为电涡流位移传感器距离管道的标准值；d_i为传感器距离管道表面的实际测量值；D为管道标准外径。

4.根据权利要求2所述的一种基于多传感器数据融合的椭圆度在线检测方法，其特征在于，所述步骤S13中的计算公式为：

式中：Ellip为椭圆度；OA_max为6个管道直径的最大值；OA_min为6个管道直径的最小值。

5.根据权利要求1所述的一种基于多传感器数据融合的椭圆度在线检测方法，其特征在于，所述所述步骤S2的具体过程为：

步骤S21、通过加速度传感器获得连续油管的加速度信号；

步骤S22、对加速度传感器获得连续油管的加速度信号进行积分运算，获得速度曲线；

步骤S23、对速度曲线积分，得到连续油管的位移曲线。

6.根据权利要求5所述的一种基于多传感器数据融合的椭圆度在线检测方法，其特征在于，所述步骤S22中的积分方程如下：

式中：v(t)为速度曲线；v₀为初始速度；v'(t)为v₀的原始函数；τ为β两次积分后的运算常量。

7.根据权利要求5所述的一种基于多传感器数据融合的椭圆度在线检测方法，其特征在于，所述步骤S23中的积分方程如下：

式中：s(t)为位移曲线；s₀为初始位移，s'(t)为s₀的原函数；τ为β两次积分后的运算常量。

8.根据权利要求1所述的一种基于多传感器数据融合的椭圆度在线检测方法，其特征在于，所述步骤S70的具体建立过程为：

步骤S71、建立模糊集合，所述模糊集合包括模糊输出集、模糊关系集和模糊输入集；

所述模糊输出集为：

U＝{AN,NM}

式中：U为模糊输出集；AN为异常；NM为非异常；

所述模糊输入集为：

X＝{OV,AC,PT}

式中：X为模糊输入集；OV为电涡流位移传感器测量计算得到的原始椭圆度数据；AC为加速度数据分析得到的位移数据；PT为图像数据；

步骤S72、建立模糊关系集；

式中：R为模糊关系集；

步骤S73、建立模糊运算规则；

步骤S74、模糊隶属函数将输入信号进行模糊化处理，管道振动产生的位移信号使用高斯函数进行处理，椭圆度信号和图像数据使用三角函数进行处理；

步骤S75、建立椭圆度的模糊运算式；

U＝X·R

式中：X为模糊输入集；R为模糊关系集；U为模糊输出集。

Images