基于小波分析和神經(jīng)網(wǎng)絡(luò)的抽油桿缺陷識別的研究.pdf

1、抽油桿是在油田非自噴采油工程中大量使用的關(guān)鍵部件，在惡劣的工作環(huán)境下，反復(fù)承受著拉力與壓力的交替作用，在使用一段時間以后，桿體表面會產(chǎn)生缺陷，若不能及時發(fā)現(xiàn)，將會發(fā)生抽油桿在井下斷裂的事故，造成巨大的經(jīng)濟損失，因此對抽油桿的表面缺陷進行識別，采取相應(yīng)的措施，對減少抽油桿斷桿和脫桿事故，降低采油成本具有十分重要的意義。 本文在對抽油桿的實際應(yīng)用進行充分調(diào)研的基礎(chǔ)上，分析了抽油桿常見的缺陷形式，采用渦流檢測和漏磁檢測兩種無損檢測方法

2、對抽油桿缺陷進行檢測，建立渦流檢測以及漏磁檢測的抽油桿裂紋信號與檢測相關(guān)參數(shù)的函數(shù)關(guān)系，實現(xiàn)抽油桿裂紋的定量檢測，并對這兩種方法的檢測結(jié)果進行分析。 為了消除檢測過程中存在的噪聲和干擾，需要對實驗采集信號做去噪處理。小波理論的快速發(fā)展為去噪提供了有效的工具。本文介紹了小波分析的理論基礎(chǔ)，給出了閾值去噪法的原理和方法，并選取該方法對染噪信號去噪，但軟(硬)閾值去噪法存在一定的缺陷，因此本文采用了一種改進的閾值去噪方法。通過對實例驗

3、證，這種方法取得了很好的效果。 基于小波包分析的方法，引入了頻帶局部能量的概念，用以表征信號在某個頻帶的局部能量大小，并且用實驗數(shù)據(jù)驗證了基于頻帶局部能量特征提取方法的有效性。 將提取的小波包分解后各頻帶上的能量特征值作為神經(jīng)網(wǎng)絡(luò)的輸入向量，缺陷類別作為輸出向量，建立抽油桿缺陷識別的人工神經(jīng)網(wǎng)絡(luò)模型；比較不同隱層節(jié)點數(shù)對網(wǎng)絡(luò)性能的影響，確定最佳隱層節(jié)點數(shù)目；對BP網(wǎng)絡(luò)以及改進的BP網(wǎng)絡(luò)的識別效果進行比較，實現(xiàn)對該網(wǎng)絡(luò)模型