CN117928819B - 一种永久式无线压力计的井下压力监测方法及系统 - Google Patents
一种永久式无线压力计的井下压力监测方法及系统 Download PDFInfo
- Publication number
- CN117928819B CN117928819B CN202410324496.1A CN202410324496A CN117928819B CN 117928819 B CN117928819 B CN 117928819B CN 202410324496 A CN202410324496 A CN 202410324496A CN 117928819 B CN117928819 B CN 117928819B
- Authority
- CN
- China
- Prior art keywords
- signal
- pressure
- noise
- points
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012544 monitoring process Methods 0.000 title claims abstract description 41
- 238000000354 decomposition reaction Methods 0.000 claims description 91
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Measuring Fluid Pressure (AREA)
Abstract
本发明涉及信号数据处理技术领域,具体涉及一种永久式无线压力计的井下压力监测方法及系统。该方法对压力信号进行分解,在初始独立分量的基础上新增一条独立分量作为目标独立分量。噪声信号与压力信号具有明显的频率差异,因此通过频率差异筛选出疑似噪声信号段和疑似压力值信号段。依次获得随机噪声点和随机压力值点,并且根据选取指标改变选取数量直至获得最终随机噪声点和最终随机压力值点。进而确定压力信号中的噪声强度,通过准确的噪声强度作为去噪过程中的去噪参数,对去噪后的压力信号进行监测。本发明通过准确分析压力信号的噪声强度,得到优秀的去噪结果,实现对井下压力的准确监测。
Description
技术领域
本发明涉及信号数据处理技术领域,具体涉及一种永久式无线压力计的井下压力监测方法及系统。
背景技术
在石油开采过程中,为了掌握油井环境和油层特性,需要对井下压力进行分析。永久式无线压力计能够以地面直读方式对井下压力进行监测,通过可视化等技术将采集到的压力信号供相关设备或者人员进行分析监测。
由于井下环境是一个相对封闭的空间,无线数据在传输时容易受到井下环境以及其他设备的电磁干扰,导致压力信号上出现噪声。噪声会导致压力监测过程中对压力信号的误读,降低监测系统的准确性。现有技术中可通过滤波器等去噪方法处理压力信号,实现去噪。但是对于井下环境而言,环境复杂,噪声影响因素较多并且不稳定,若无法准确设置滤波参数,则会导致去噪过拟合或者噪声残留,无法对压力信号进行准确的监测。
发明内容
为了解决井下环境复杂,无法设置准确的滤波参数导致压力信号去噪效果不好,影响压力监测的技术问题,本发明的目的在于提供一种永久式无线压力计的井下压力监测方法及系统,所采用的技术方案具体如下:
本发明提出了一种永久式无线压力计的井下压力监测方法,所述方法包括:
获得井下监测点位置处永久式无线压力计采集到的压力信号;
对所述压力信号进行独立分量分解,根据独立分量上信号的分布特征以及独立分量之间的差异获得初始独立分量,在所述初始独立分量的基础上新增一条独立分量记为目标独立分量;
根据所述目标独立分量上信号值的频率与所述压力信号的频率之间的差异,确定所述目标独立分量上的疑似噪声信号段和疑似压力值信号段;
分别在所述疑似噪声信号段和疑似压力值信号段上随机选取信号点,依次获得随机噪声点和随机压力值点;根据所述随机噪声点和所述随机压力值点之间的分布差异,获得选取指标,改变所述随机噪声点和所述随机压力值点以及选取数量,直至所述选取指标满足预设条件,获得最终随机噪声点和最终随机压力值点;
根据所述最终随机压力值点所在疑似压力值信号段上的其他信号点,以及所述最终随机噪声点确定所述压力信号中的噪声强度,根据所述噪声强度对所述压力信号进行去噪,对去噪后的压力信号进行监测。
进一步地,所述初始独立分量的获取方法包括:
预设原始分解次数,根据所述原始分解次数对所述压力信号进行分解,获得原始独立分量;
根据每个原始独立分量上的非周期性以及非高斯性,获得每个原始独立分量的分布特征值;
根据原始独立分量之间的信号幅值差异,获得原始分解次数的分解独立性;根据所述分解独立性以及所有原始独立分量的分布特征值,获得所述原始分解次数的分解指标;
改变原始分解次数,直至获得最大分解指标,最大分解指标对应的原始分解次数为最优分解次数;根据所述最优分解次数对压力信号进行分解,获得所述初始独立分量。
进一步地,所述分布特征值的获取方法包括:
将所述原始独立分量中的极值点作为分割点,获得所述原始独立分量上的各个局部段;获得每个局部段与坐标系横轴之间的面积,统计每个局部段相对于所有局部段之间的面积占比;将相邻局部段之间的面积占比差异的累加值作为所述非周期性;
将所述原始独立分量中信号值的方差与标准高斯分布的方差之间的差异作为所述非高斯性;
将所述非高斯性与所述非周期性相加,获得所述分布特征值。
进一步地,所述分解指标的获取方法包括:
将两两所述原始独立分量之间的平均信号幅值的差异,作为初始独立性;将所有原始独立分量之间的平均初始独立性作为所述分解独立性;将所述分解独立性和所有原始独立分量的平均分布特征值的乘积作为所述分解指标。
进一步地,所述确定所述目标独立分量上的疑似噪声信号段和疑似压力值信号段的方法包括:
获得所述压力信号的主要频率;获得所述目标独立分量上每个信号点的频率与所述主要频率之间的频率差异;根据所述频率差异进行阈值分割,获得疑似噪声信号点和疑似压力值信号点;连续的所述疑似噪声信号点构成疑似噪声信号段,连续的所述疑似压力值信号点构成疑似压力值信号段。
进一步地,所述选取指标的获取方法包括:
将选取的所述随机噪声点按照时序顺序构成随机噪声序列;将选取的所述随机压力值点按照时序顺序构成随机压力值序列;
根据序列特征值计算过程获得所述随机噪声序列的第一序列特征值,以及所述随机压力值序列的第二序列特征值;所述序列特征值计算过程包括:对于一个待计算序列,获得所述待计算序列中相邻两个元素在所述目标独立分量上对应信号点的斜率,将所述待计算序列中所述斜率的平均值与平均元素幅值的乘积作为所述待计算序列的序列特征值;
获得所述第一序列特征值与所述第二序列特征值之间的序列特征值差异;
获得所述随机噪声序列的峭度与标准高斯分布峭度的第一峭度差异;获得所述随机压力值序列的峭度与标准高斯分布峭度的第二峭度差异;将所述第二峭度差异作为分子,所述第一峭度差异作为分母,获得第一比值;将所述第一比值与所述序列特征值差异的乘积作为所述选取指标。
进一步地,当所述选取指标最大时认为满足预设条件。
进一步地,所述噪声强度的获取方法包括:
将所述最终随机压力值点所在疑似压力值信号段上的其他信号点,以及所述最终随机噪声点作为待分析噪声点;
计算所述目标独立分量上所述待分析噪声点的信号值方差与平均信号值的乘积,获得所述噪声强度。
进一步地,将所述噪声强度作为高斯滤波器中的滤波强度,利用所述高斯滤波器对所述压力信号进行处理,获得去噪后的压力信号。
本发明提出了一种永久式无线压力计的井下压力监测系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任意一项所述一种永久式无线压力计的井下压力监测方法的步骤。
本发明具有如下有益效果:
本发明实施例首先对压力信号进行分解,在初始独立分量的基础上新增一条独立分量作为目标独立分量,因为目标独立分量是在初始独立分量的基础上新增的,因此目标独立分量上包含较多的噪声信息,在后续过程中通过分析目标独立分量上的噪声信息即可确定压力信号的噪声程度。考虑到噪声信号与压力信号具有明显的频率差异,因此通过频率差异筛选出疑似噪声信号段和疑似压力值信号段。为了对信息的进一步提纯,依次获得随机噪声点和随机压力值点,并且根据选取指标改变选取数量直至获得最终随机噪声点和最终随机压力值点。获得的最终随机压力值点可认为是真实的压力值点,则对应疑似压力值信号段上的其他信号点可视为噪声点,因此可根据最终随机压力值点所在疑似压力值信号段上的其他信号点,以及最终随机噪声点确定压力信号中的噪声强度,通过准确的噪声强度作为去噪过程中的去噪参数,能够有效对压力信号进行去噪,实现对井下压力的准确监测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种永久式无线压力计的井下压力监测方法流程图;
图2为本发明一个实施例所提供的一种压力信号示意图;
图3为本发明一个实施例所提供的一种去噪后的压力信号示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种永久式无线压力计的井下压力监测方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体地说明本发明所提供的一种永久式无线压力计的井下压力监测方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种永久式无线压力计的井下压力监测方法流程图,该方法包括:
步骤S1:获得井下监测点位置处永久式无线压力计采集到的压力信号。
在本发明一个实施例中,考虑到监测环境为井下环境,需要选择高精度高稳定性以及耐高温高压等特点的永久式无线压力计进行工作。将永久式无线压力计安装在井下监测点,通过螺栓、垫片等结构进行固定,以确保压力计与监测点紧密连接,防止漏气。进一步建立无线通信系统,与无线压力计进行通信,通信设备为中继器,通过无线通信使得地面接收设备接收到井下的压力信号。地面接收设备包括天线、接收器和数据处理单元,用于接收、解码以及处理传输来的数据。通过数据处理存储系统对接收到的压力信号进行去噪分析,将去噪结果进行可视化展示,方便工作人员对压力信号进行监测。
请参阅图2,其示出了本发明一个实施例中所提供的一种压力信号示意图,在压力信号上横轴为时间,纵轴为压力值。
步骤S2:对压力信号进行独立分量分解,根据独立分量上信号的分布特征以及独立分量之间的差异获得初始独立分量,在初始独立分量的基础上新增一条独立分量记为目标独立分量。
在压力信号上同时存在压力信息以及噪声信息,因此为了能够评估压力信号上的噪声强度,需要初步将压力信息和噪声信息分离开来。对于压力信息而言,其相对于噪声信息应当具有更明显的非高斯性,因此本发明实施例首先对压力信号进行独立分量分解,在独立分量中,若包含较多压力信息则说明该独立分量会呈现压力信息的非高斯性,并且因为不同独立分量中的信息代表不同的压力独立成分,因此独立分量之间的差异也会较大。基于此根据独立分量上信号的分布特征以及独立分量之间的差异获得初始独立分量,初始独立分量即为通过分析后压力信号的较优的分解结果,即初始独立分量上包含了尽可能多的压力信息。因此在初始独立分量的基础上,新增一条独立分量,记为目标独立分量。因为目标独立分量是新增的独立分量,即是在最后一条初始独立分量基础上进一步进行分量分解得到的分量,而初始独立分量在分解过程中又保证了尽可能多的保留压力信息,因此通过新增目标独立分量能够将压力信号的噪声信息分离到目标独立分量上,在后续过程中仅需要分析目标独立分量上的噪声信息即可确定压力信号上的噪声强度。
优选地,在本发明一个实施例中初始独立分量的获取方法包括:
分解次数越多说明独立分量的层数越多,各个成分的类别越多,因此若想得到合适的初始独立分量需要首先确定合适的分解次数。因此本发明实施例不断改变分解次数,通过每种分解次数对应的独立分量的特征确定合适的分解次数,因此首先预设原始分解次数,根据原始分解次数对压力信号进行分解,获得原始独立分量。在本发明实施例中,分解算法选用独立成分分析算法,具体内容为本领域技术人员熟知的技术手段,在此不做赘述,在本发明其他实施例中也可选用其他信号分解算法,在此不做限定及赘述。需要说明的是,在本发明实施例中,设置分解次数的上限为100,在选择原始分解次数时在1到100之间随机选取即可,在后续过程中,在1到100中的分解次数上选择分解指标最大的分解次数即可作为最优分解次数。
根据每个原始独立分量上的非周期性以及非高斯性,获得每个原始独立分量的分布特征值。即通过非周期性和非高斯性量化每个原始独立分量上信号的分布特征,因为本发明实施例中需要将噪声信号分解至后续的目标独立分量上,因此需要保证原始独立分量尽可能保留压力信号的特征。噪声通常是由于电磁噪声等因素产生的,具有明显的高斯噪声特征,对于压力信号而言,其相对于噪声信号应具有更明显的非周期性;而对于噪声信号而言,其相对于压力信号会有更明显的高斯性,因此可通过分布特征值表征每个原始独立分量是否属于本发明实施例中所关注的压力信息的分布特征。
根据原始独立分量之间的信号幅值差异,获得原始分解次数的分解独立性。因为每个原始分独立分量代表一种独立的压力信息,对于不同类的压力信息而言最明显的差异即为幅值差异,若原始独立分量之间的分解效果较好,则两个独立分量会具有明显的幅值差异,因此可根据幅值差异确定分解独立性。分解独立性越大,并且分布特征值越趋近于压力信息的分布,则说明当前的原始分解次数越合适,因此根据分解独立性以及所有原始独立分量的分布特征值,获得原始分解次数的分解指标。
改变原始分解次数,直至获得最大分解指标,最大分解指标对应的原始分解次数为最优分解次数。根据最优分解次数对压力信号进行分解,获得初始独立分量。即目标独立分量是将最优分解次数加1后的分解次数对压力信号进行分解的最后一个分解结果。
优选地,在本发明一个实施例中,分布特征值的获取方法包括:
将原始独立分量中的极值点作为分割点,获得原始独立分量上的各个局部段。获得每个局部段与坐标系横轴之间的面积,统计每个局部段相对于所有局部段之间的面积占比。若该原始独立分量中包含较多的压力信息,则信号整体会存在一定的非周期性,则相邻局部段之间的面积占比应当是具有差异的,所以将相邻局部段之间的面积占比差异的累加值作为非周期性。面积占比差异越大,则说明对应原始独立分量的非周期性越大。
将原始独立分量中信号值的方差与标准高斯分布的方差之间的差异作为非高斯性。即差异越大说明原始独立分量与标准高斯分布的信号分布特征差异越大,则非高斯性越强。
将非高斯性与非周期性相加,获得分布特征值。即分布特征值越大说明原始独立分量上的信号分布特征越趋近于压力信息的分布。
在本发明一个实施例中,分布特征值用公式表示为:;/>为第/>个原始独立分量的分布特征值,/>为原始独立分量上相邻局部段所组成的对数,/>为第/>对相邻局部段之间的面积占比差异,/>为第/>对相邻局部段中一个局部段与坐标系横轴之间的面积,/>为所有局部段与坐标系横轴之间的面积总值,/>为第/>对相邻局部段中另一个局部段与坐标系横轴之间的面积,/>为第/>个原始独立分量的信号值方差,/>为标准高斯分布的方差。
需要说明的是,极值点的获取、标准高斯分布的方差、方差的获取等均为本领域技术人员熟知的技术手段,在此不做赘述。
优选地,在本发明一个实施例中,分解指标的获取方法包括:
将两两原始独立分量之间的平均信号幅值的差异,作为初始独立性。即平均信号幅值越大说明越属于两类不同的压力信号,则初始独立性越大。将所有原始独立分量之间的平均初始独立性作为分解独立性。将分解独立性和所有原始独立分量的平均分布特征值的乘积作为分解指标。即分解独立性越大说明分解效果越好,平均分布特征值越大说明分解出来的原始独立分量越保留有明显的压力信息,则分解指标越大说明对应原始分解次数下的分解结果越优秀。因此寻找最大分解指标对应的原始分解次数,即可获得最优分解次数。
在本发明一个实施例中分解指标用公式表示为:;其中,/>为分解指标,/>两两原始独立分量构成的原始独立分量组的总数量,/>为第/>组的平均信号幅值的差异,/>为第/>组中的一个原始独立分量的平均幅值,/>为第/>组中的另一个原始独立分量的平均幅值,/>为原始分解次数,/>为第/>个原始独立分量的分布特征值。
步骤S3:根据目标独立分量上信号值的频率与压力信号的频率之间的差异,确定目标独立分量上的疑似噪声信号段和疑似压力值信号段。
虽然在信号分解过程中尽可能地将噪声分解至了目标独立分量中,但是目标独立分量内还是会存在压力信息,不能直接利用目标独立分量上的信息评估压力信号上的噪声强度。因此需要对目标独立分量进行初步的分析,初步确定目标独立分量上信号点的类别。
频率为时序信号上重要的特征之一,对于压力信号而言,噪声信息属于数据量较小的信息,压力信号整体体现出的频率仍是压力信息的频率,因此可根据目标独立分量上信号值的频率与压力信号的频率之间的差异,确定目标独立分量上的疑似噪声信号段和疑似压力值信号段。即目标独立分量上信号点与压力信号之间的频率差异越大,说明该信号点越可能属于噪声点,反之差异越小说明该信号点越属于压力值信号点。因为该过程仅为初步分析过程,因此并不能准确确定信号点的具体类别,因此还需要后续步骤的进一步筛选。
优选地,在本发明一个实施例中确定目标独立分量上的疑似噪声信号段和疑似压力值信号段的方法包括:
获得压力信号的主要频率。在本发明实施例中,获得压力信号的频谱图,因为主要频率通常会产生谐波,通过监测谐波的存在确定主要频率,具体获取方法为本领域技术人员熟知的技术手段,在此不做赘述。
获得目标独立分量上每个信号点的频率与主要频率之间的频率差异。频率差异越大说明对应信号点越属于噪声点。根据频率差异进行阈值分割,获得疑似噪声信号点和疑似压力值信号点。连续的疑似噪声信号点构成疑似噪声信号段,连续的疑似压力值信号点构成疑似压力值信号段。在本发明一个实施例中,阈值分割可采用大津阈值法,即将频率差异分为两类,频率差异较大类以及频率差异较小类,频率差异较大类对应的信号点为疑似噪声信号点,频率差异较小类对应的信号点为疑似压力值信号点。大津阈值法为本领域技术人员熟知的技术手段,在此不做赘述。
需要说明的是,目标独立分量上每个信号点的频率可通过将目标独立分量进行傅里叶变换进行获得,具体地时频转换方法为本领域技术人员熟知的技术手段,在此不做赘述。
步骤S4:分别在疑似噪声信号段和疑似压力值信号段上随机选取信号点,依次获得随机噪声点和随机压力值点;根据随机噪声点和随机压力值点之间的分布差异,获得选取指标,改变随机噪声点和随机压力值点以及选取数量,直至选取指标满足预设条件,获得最终随机噪声点和最终随机压力值点。
因为疑似噪声信号段和疑似压力值信号段是初步筛选过程,在疑似噪声信号段上还存在有压力值信号点,在疑似压力值信号段上还存在有噪声点,因此还需要对疑似噪声信号段和疑似压力值信号段进行进一步的采样分析。
分别在疑似噪声信号段和疑似压力值信号段上随机选取信号点,依次获得随机噪声点和随机压力值点。若随机噪声点均为真实噪声点,随机压力值点均为真实压力值点,则两类随机点所形成的曲线或者序列会存在明显的分布差异,因此根据随机噪声点和随机压力值点之间的分布差异,获得选取指标,选取指标越大说明当前选择的点越符合真实性,因此改变随机噪声点和随机压力值点以及选取数量,直至选取指标满足预设条件,获得最终随机噪声点和最终随机压力值点。即最终随机噪声点和最终随机压力值点可认为均为真实所属类别的点,在后续过程中即可用于噪声强度分析。
优选地,在本发明一个实施例中选取指标的获取方法包括:
将选取的随机噪声点按照时序顺序构成随机噪声序列。将选取的随机压力值点按照时序顺序构成随机压力值序列。
根据序列特征值计算过程获得随机噪声序列的第一序列特征值,以及随机压力值序列的第二序列特征值。序列特征值计算过程包括:对于一个待计算序列,获得待计算序列中相邻两个元素在目标独立分量上对应信号点的斜率。将待计算序列中斜率的平均值与平均元素幅值的乘积作为待计算序列的序列特征值。即通过斜率表征序列上元素之间的变化趋势,通过平均元素幅值表征序列上的数据特征,将二者乘积后获得序列特征值实现对序列特征的量化。
获得第一序列特征值与第二序列特征值之间的序列特征值差异。序列特征值差异越大说明当前随机挑选的两类点均为真实属性的点信号点。
以标准高斯分布的峭度作为参考值,获得随机噪声序列的峭度与标准高斯分布峭度的第一峭度差异。获得随机压力值序列的峭度与标准高斯分布峭度的第二峭度差异。由于噪声在频谱图中较为平缓并且具有较低的能量,而信号则波动幅度较大能量较高,噪声信号具有明显的高斯性,即第一峭度差异明显会小于第二峭度差异,因此将第二峭度差异作为分子,第一峭度差异作为分母,获得第一比值。第一比值越大,说明选择的随机压力值点越属于真实的压力值点,随机噪声点越属于真实的噪声点。将第一比值与序列特征值差异的乘积作为选取指标。即选取指标大,说明当前的选择策略越好。在本发明一个实施例中,选取指标用公式表示为:;其中/>为选取指标;/>为随机压力值点的数量,在本发明一个实施例中斜率是前一个元素与后一个元素之间的斜率,因此最后一个元素不对应有斜率,所以/>为随机压力值序列中斜率的数量;/>为随机压力值序列中的第/>个斜率;/>为随机压力值序列上的平均元素幅值;/>为随机噪声点的数量,同理/>为随机噪声序列中斜率的数量;/>为随机噪声序列中第/>个斜率;/>为随机噪声序列上的平均元素幅值;/>为随机压力值序列的峭度;/>为标准高斯分布峭度,/>为随机噪声序列的峭度。
需要说明的是,元素之间的斜率,以及峭度的获取方法均为本领域技术人员熟知的技术手段,在此不做赘述。
在本发明一个实施例中,将选取指标最大时认为满足预设条件。为了避免无限制的进行随机选取的迭代,在本发明一个实施例中,限定选取数量需要按照预设选取步长进行不断增加,并且迭代次数设置为100次。具体选取步长可根据疑似噪声信号段和疑似压力值信号段上的信号点长度进行具体设置,在此不做限定。在本发明一个实施例中压力采样频率为每秒钟采集一次,压力信号长度为一个小时,即压力信号的时序上包含3600个信号点,因此将选取步长设置为10。
步骤S5:根据最终随机压力值点所在疑似压力值信号段上的其他信号点,以及最终随机噪声点确定压力信号中的噪声强度,根据噪声强度对压力信号进行去噪,对去噪后的压力信号进行监测。
最终随机噪声点可认为均为真实的噪声点,而最终随机压力值点认为是真实的压力值点,因此在最终随机压力值点对应的疑似压力值信号段上的其他信号点可认为是噪声点,进而确定了所有的噪声点。基于所有的噪声点即可确定压力信号中的噪声强度。
优选地,在本发明一个实施例中,噪声强度的获取方法包括:
将最终随机压力值点所在疑似压力值信号段上的其他信号点,以及最终随机噪声点作为待分析噪声点。
计算目标独立分量上待分析噪声点的信号值方差与平均信号值的乘积,获得噪声强度。方差越大说明待分析噪声点分布越混乱,噪声越强;平均信号值越大说明噪声的强度越大。
根据噪声强度即可对压力信号进行去噪,基于噪声强度设置去噪算法中的参数,进行精准去噪。优选地,在本发明一个实施例中将噪声强度作为高斯滤波器中的滤波强度,利用高斯滤波器对压力信号进行处理,获得去噪后的压力信号。
去噪后的压力信号没有了噪声的干扰,仅包含压力信息,可以方便工作人员对压力数据的准确分析。在地面服务器终端,可将去噪后的压力信息进行可视化展示,请参阅图3,其示出了本发明一个实施例所提供的一种去噪后的压力信号示意图。工作人员可直接根据可视化后的压力信息图分析压力数据的异常性,或者采用其他数据处理的方式分析压力的走势等,实现对压力信息的有效监测。
综上所述,本发明实施例首先对压力信号进行分解,在初始独立分量的基础上新增一条独立分量作为目标独立分量。噪声信号与压力信号具有明显的频率差异,因此通过频率差异筛选出疑似噪声信号段和疑似压力值信号段。依次获得随机噪声点和随机压力值点,并且根据选取指标改变选取数量直至获得最终随机噪声点和最终随机压力值点。根据最终随机压力值点所在疑似压力值信号段上的其他信号点,以及最终随机噪声点确定压力信号中的噪声强度,通过准确的噪声强度作为去噪过程中的去噪参数,对去噪后的压力信号进行监测。本发明通过准确分析压力信号的噪声强度,得到优秀的去噪结果,实现对井下压力的准确监测。
本发明还提出了一种永久式无线压力计的井下压力监测系统,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现任意一项一种永久式无线压力计的井下压力监测方法的步骤。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (10)
1.一种永久式无线压力计的井下压力监测方法,其特征在于,所述方法包括:
获得井下监测点位置处永久式无线压力计采集到的压力信号;
对所述压力信号进行独立分量分解,根据独立分量上信号的分布特征以及独立分量之间的差异获得初始独立分量,在所述初始独立分量的基础上新增一条独立分量记为目标独立分量;
根据所述目标独立分量上信号值的频率与所述压力信号的频率之间的差异,确定所述目标独立分量上的疑似噪声信号段和疑似压力值信号段;
分别在所述疑似噪声信号段和疑似压力值信号段上随机选取信号点,依次获得随机噪声点和随机压力值点;根据所述随机噪声点和所述随机压力值点之间的分布差异,获得选取指标,改变所述随机噪声点和所述随机压力值点以及选取数量,直至所述选取指标满足预设条件,获得最终随机噪声点和最终随机压力值点;
根据所述最终随机压力值点所在疑似压力值信号段上的其他信号点,以及所述最终随机噪声点确定所述压力信号中的噪声强度,根据所述噪声强度对所述压力信号进行去噪,对去噪后的压力信号进行监测。
2.根据权利要求1所述的一种永久式无线压力计的井下压力监测方法,其特征在于,所述初始独立分量的获取方法包括:
预设原始分解次数,根据所述原始分解次数对所述压力信号进行分解,获得原始独立分量;
根据每个原始独立分量上的非周期性以及非高斯性,获得每个原始独立分量的分布特征值;
根据原始独立分量之间的信号幅值差异,获得原始分解次数的分解独立性;根据所述分解独立性以及所有原始独立分量的分布特征值,获得所述原始分解次数的分解指标;
改变原始分解次数,直至获得最大分解指标,最大分解指标对应的原始分解次数为最优分解次数;根据所述最优分解次数对压力信号进行分解,获得所述初始独立分量。
3.根据权利要求2所述的一种永久式无线压力计的井下压力监测方法,其特征在于,所述分布特征值的获取方法包括:
将所述原始独立分量中的极值点作为分割点,获得所述原始独立分量上的各个局部段;获得每个局部段与坐标系横轴之间的面积,统计每个局部段相对于所有局部段之间的面积占比;将相邻局部段之间的面积占比差异的累加值作为所述非周期性;
将所述原始独立分量中信号值的方差与标准高斯分布的方差之间的差异作为所述非高斯性;
将所述非高斯性与所述非周期性相加,获得所述分布特征值。
4.根据权利要求2所述的一种永久式无线压力计的井下压力监测方法,其特征在于,所述分解指标的获取方法包括:
将两两所述原始独立分量之间的平均信号幅值的差异,作为初始独立性;将所有原始独立分量之间的平均初始独立性作为所述分解独立性;将所述分解独立性和所有原始独立分量的平均分布特征值的乘积作为所述分解指标。
5.根据权利要求1所述的一种永久式无线压力计的井下压力监测方法,其特征在于,所述确定所述目标独立分量上的疑似噪声信号段和疑似压力值信号段的方法包括:
获得所述压力信号的主要频率;获得所述目标独立分量上每个信号点的频率与所述主要频率之间的频率差异;根据所述频率差异进行阈值分割,获得疑似噪声信号点和疑似压力值信号点;连续的所述疑似噪声信号点构成疑似噪声信号段,连续的所述疑似压力值信号点构成疑似压力值信号段。
6.根据权利要求1所述的一种永久式无线压力计的井下压力监测方法,其特征在于,所述选取指标的获取方法包括:
将选取的所述随机噪声点按照时序顺序构成随机噪声序列;将选取的所述随机压力值点按照时序顺序构成随机压力值序列;
根据序列特征值计算过程获得所述随机噪声序列的第一序列特征值,以及所述随机压力值序列的第二序列特征值;所述序列特征值计算过程包括:对于一个待计算序列,获得所述待计算序列中相邻两个元素在所述目标独立分量上对应信号点的斜率,将所述待计算序列中所述斜率的平均值与平均元素幅值的乘积作为所述待计算序列的序列特征值;
获得所述第一序列特征值与所述第二序列特征值之间的序列特征值差异;
获得所述随机噪声序列的峭度与标准高斯分布峭度的第一峭度差异;获得所述随机压力值序列的峭度与标准高斯分布峭度的第二峭度差异;将所述第二峭度差异作为分子,所述第一峭度差异作为分母,获得第一比值;将所述第一比值与所述序列特征值差异的乘积作为所述选取指标。
7.根据权利要求1所述的一种永久式无线压力计的井下压力监测方法,其特征在于,当所述选取指标最大时认为满足预设条件。
8.根据权利要求1所述的一种永久式无线压力计的井下压力监测方法,其特征在于,所述噪声强度的获取方法包括:
将所述最终随机压力值点所在疑似压力值信号段上的其他信号点,以及所述最终随机噪声点作为待分析噪声点;
计算所述目标独立分量上所述待分析噪声点的信号值方差与平均信号值的乘积,获得所述噪声强度。
9.根据权利要求1所述的一种永久式无线压力计的井下压力监测方法,其特征在于,将所述噪声强度作为高斯滤波器中的滤波强度,利用所述高斯滤波器对所述压力信号进行处理,获得去噪后的压力信号。
10.一种永久式无线压力计的井下压力监测系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~9任意一项所述一种永久式无线压力计的井下压力监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410324496.1A CN117928819B (zh) | 2024-03-21 | 2024-03-21 | 一种永久式无线压力计的井下压力监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410324496.1A CN117928819B (zh) | 2024-03-21 | 2024-03-21 | 一种永久式无线压力计的井下压力监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117928819A CN117928819A (zh) | 2024-04-26 |
CN117928819B true CN117928819B (zh) | 2024-05-24 |
Family
ID=90752320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410324496.1A Active CN117928819B (zh) | 2024-03-21 | 2024-03-21 | 一种永久式无线压力计的井下压力监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117928819B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6544170B1 (en) * | 1999-06-21 | 2003-04-08 | Shimadzu Corporation | Biosignal measuring method and apparatus |
WO2006125960A2 (en) * | 2005-05-25 | 2006-11-30 | The Babraham Institute | Signal processing, transmission, data storage and representation |
CN102953726A (zh) * | 2011-08-22 | 2013-03-06 | 中国石油大学(华东) | 一种水驱油田优势通道识别方法及装置 |
CN106780398A (zh) * | 2017-01-10 | 2017-05-31 | 南京邮电大学 | 一种基于噪声预测的图像去噪方法 |
CN108875170A (zh) * | 2018-06-05 | 2018-11-23 | 天津大学 | 一种基于改进变分模态分解的噪声源识别方法 |
US10716514B1 (en) * | 2017-04-10 | 2020-07-21 | Hrl Laboratories, Llc | System and method for optimized independent component selection for automated signal artifact removal to generate a clean signal |
CN117235652A (zh) * | 2023-11-14 | 2023-12-15 | 山东鑫大地控股集团有限公司 | 一种基于大数据的钢丝加工环境监管方法及系统 |
CN117390373A (zh) * | 2023-12-13 | 2024-01-12 | 广东企禾科技有限公司 | 一种通信传输设备调测维修管理方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090264786A1 (en) * | 2008-04-21 | 2009-10-22 | Brainscope Company, Inc. | System and Method For Signal Denoising Using Independent Component Analysis and Fractal Dimension Estimation |
US20150218937A1 (en) * | 2012-08-29 | 2015-08-06 | Schlumberger Technology Corporation | System and Method for Downhole Signal Enhancement |
CN107783200B (zh) * | 2017-11-21 | 2019-06-07 | 吉林大学 | 一种联合emd与tfpf算法的全波磁共振信号随机噪声消减方法 |
-
2024
- 2024-03-21 CN CN202410324496.1A patent/CN117928819B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6544170B1 (en) * | 1999-06-21 | 2003-04-08 | Shimadzu Corporation | Biosignal measuring method and apparatus |
WO2006125960A2 (en) * | 2005-05-25 | 2006-11-30 | The Babraham Institute | Signal processing, transmission, data storage and representation |
CN102953726A (zh) * | 2011-08-22 | 2013-03-06 | 中国石油大学(华东) | 一种水驱油田优势通道识别方法及装置 |
CN106780398A (zh) * | 2017-01-10 | 2017-05-31 | 南京邮电大学 | 一种基于噪声预测的图像去噪方法 |
US10716514B1 (en) * | 2017-04-10 | 2020-07-21 | Hrl Laboratories, Llc | System and method for optimized independent component selection for automated signal artifact removal to generate a clean signal |
CN108875170A (zh) * | 2018-06-05 | 2018-11-23 | 天津大学 | 一种基于改进变分模态分解的噪声源识别方法 |
CN117235652A (zh) * | 2023-11-14 | 2023-12-15 | 山东鑫大地控股集团有限公司 | 一种基于大数据的钢丝加工环境监管方法及系统 |
CN117390373A (zh) * | 2023-12-13 | 2024-01-12 | 广东企禾科技有限公司 | 一种通信传输设备调测维修管理方法及系统 |
Non-Patent Citations (1)
Title |
---|
一种改进的独立分量分析算法在大地电磁去噪中的应用;曹小玲;严良俊;;石油物探;20171125(06);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117928819A (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108763346B (zh) | 一种滑窗箱型图中值滤波的异常点处理方法 | |
CN114492538B (zh) | 一种城市中压配电电缆局部放电信号去噪方法 | |
CN111307438B (zh) | 一种基于信息熵的旋转机械振动故障诊断方法及其系统 | |
CN111488710B (zh) | 基于自适应woa-vmd和范围熵的结构损伤识别方法 | |
CN107588878A (zh) | 一种基于岩石kasier点特征的地应力测量简便准确判读方法 | |
CN109525337B (zh) | WiFi指纹获取方法、装置、存储介质以及设备 | |
CN117538491B (zh) | 一种站房空气质量智能监测方法及系统 | |
CN110840401B (zh) | 一种心率值测定方法、装置、设备及可读存储介质 | |
CN117272210A (zh) | 一种建筑施工异常隐患数据检测方法及系统 | |
CN111679328A (zh) | 一种基于变分模态分解的瞬变电磁探测信号的降噪方法 | |
CN116858999B (zh) | 基于红树林生态系统碳汇潜力监测评估的碳汇统计方法 | |
CN117368920B (zh) | 基于D-insar的采煤区沉陷监测方法及系统 | |
CN117112514B (zh) | 基于对氯甲基苯乙烯生产数据的记录存储方法 | |
CN116418882A (zh) | 基于hplc双模载波通信的存储器数据压缩方法 | |
CN117928819B (zh) | 一种永久式无线压力计的井下压力监测方法及系统 | |
CN110609088B (zh) | 一种支柱绝缘子故障识别方法及装置 | |
CN117235652A (zh) | 一种基于大数据的钢丝加工环境监管方法及系统 | |
CN114755010A (zh) | 一种旋转机械振动故障诊断方法及其系统 | |
CN117473351B (zh) | 基于物联网的电源信息远程传输系统 | |
CN108957262B (zh) | 信号降噪方法及装置 | |
CN114648060A (zh) | 基于机器学习的故障信号规范化处理及分类方法 | |
CN113918433A (zh) | 一种自适应的智慧网络设备性能指标异常检测装置及方法 | |
CN111144230A (zh) | 一种基于vmd的时域载荷信号的去噪方法 | |
CN113375065B (zh) | 管道泄漏监测中趋势信号的消除方法及装置 | |
CN115700553A (zh) | 一种异常检测方法及相关装置 |
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 |