油井测功机的分析是评估深井泵，抽油机和泵杆运行状态的重要手段。油机的泵送循环是测功机的重要参数，其精度直接影响测功机的精度。了将由加速方法确定的轻便摩托车运动周期误差的缺点瞄准悬架，提出了一种计算多传感器融合泵循环的方法。先，对同一周期的三种信号进行卡尔曼滤波，如悬挂点加速度，悬挂点负载和电动机功率，这些信号由不同的传感器采集并消除噪声。后，从时域和频域计算滤波后的信号;对三个信号周期值进行加权和组合以确定最佳周期值。验表明，多传感器融合方法的精度高于简单加速方法确定的抽油机抽水循环。油机;卡尔曼滤波器;多传感器; FFT频域CLC编号：TN601？ 34; TN919.5文件代码：A货号：1004？ 373X（2017）16？ 0022？ 04概述：测功机分析抽油机的钻井周期被认为是测功机的一个重要参数，其准确性直接影响测功机的精度。出了一种计算基于多传感器融合的抽油机运动周期的方法，以克服在单点悬挂时采用加速速度确定运动周期的方法的低精度缺点。油机。过卡尔曼滤波方法对同一时段内不同传感器采集的三种信号（悬点加速度，悬点负载和电机功率）进行滤波，恒温阀芯以消除干扰。
算滤波信号的周期值，通过加权融合方法得到最优结果。键词：抽油机;卡尔曼滤波;多传感器融合;频率领域的FFT简介测功机是一种常用于油田生产和维护的工具。定期移动时，它会检测不同位移的抽油杆。取费用以反映井的运行状态。量位移法的传统方法是一个简单的原则，精度高，但仪器结构紧凑，具有较高的失败率，一个重要的局部磨损寿命短，而且是不适合工业现场的安装配置[1]。率图的间接测量方法：使用电参数，电流，功率，扭矩等，推力载荷和位移的反向是不实际的。
熟[2]。前，最常用的测量测力计位移的方法是通过悬架加速度的二次积分得到的。而，小的周期性间隙将在积分中被放大，这将导致计算的位移中的显着误差，甚至导致负载和位移曲线的闭合，这将对仪器的精度产生很大影响。此，通过单次加速确定泵送单元的泵送循环的方法具有某些缺点。油井抽油机运行期间，随着抽油机负荷的变化，定期修改悬架加速度，负荷，发动机功率和扭矩等信号，周期是一致的。之，提出了一种方法，将更多可测量的信号：加速，负载和功率，分别计算它们各自的时间段，然后合并各信号的周期，以获得精确的泵送循环。个加速度估计周期对次级位移影响的理论分析技术测量的实际加速度包括由各种干扰因素引起的连续误差和外部噪声。得的加速度信号可表示为：[a（t）= f（t） n（t） g0]（1）式中：[f（t）]是实际加速度，[n（t） ）]是外部噪声，[g0]是连续分量。此，必须对加速度信号进行滤波和去噪。
[a’（t）]为滤波后的加速度信号，并将其积分一次得到速度值：[vT1 = 0T1a’（t）dt v0]（2）得到的值速度积分的位移：[sT1 = 0T1v（t）dt s0]（3）可以看出积分周期[T1]直接影响位移值。果计算周期存在差异，则产生的位移也会产生较大的误差。载和位移之间的周期性差异可能导致负载位移曲线的不良关闭。
送单元的泵送循环是用于确定指示器图以及用于评估井的操作状态的重要参数。1显示了实际测量功率图。单元的各种机械振动的运动过程中的整体设计，与传感器本身的某一漂移相关联的，必须与噪声和在所述数字信号的奇点的被混合collectés.Le的算法的选择适当的过滤是必不可少的。泵送过程中，悬架的加速，电机的负载和功率随着泵单元负载的变化而周期性地变化。普通测功机中有几个加速度传感器和一个具有不同精度的称重传感器。
然没有相应的电参数传感器，但实时电源信号相对容易获得。了计算更精确的泵送周期，本文提出了一种对加速度信号，负载信号和电功率信号进行积分的方法，以计算泵送周期（见图2）。尔曼滤波器算法卡尔曼滤波器是一种迭代算法，其最佳标准是估计最小均方误差。算法的基本思想是在最佳估计标准下使用信号和噪声状态空间作为模型。新估计值和当前测量值以估计状态变量并获得当前估计值。计离散过程系统和待处理的测量方程以满足最佳标准。尔曼滤波器继续运行直到系统过程结束，状态k的协方差也更新：[P（k）=（I-Kg（k）H）P（kk-1） ]（10）其中矩阵I为单位矩阵。系统进入状态[k 1]时，[P（k）]等于[P（k-1）]并自动回归运算。之，从初始状态[X0]，初始误差[P0]，当前观测[Z（k）]和Q和R的经验值，从当前最优估计[ X（k）]和误差值[P（k）]。3至图5显示了测量的加速度，负载和电机功率信号的滤波效果。尔曼滤波信号消除了显着的脉冲干扰，同时平滑了图像的轮廓。图6所示，该组的最大加速度是零点的相对位移和所述微带的是相对位移的最大点和两点是相邻区域的最大点。者最小点是一个循环。并极值点以找到极值坐标，并且可以通过组合不同的已知信号采样频率以及负载和功率信号的周期来计算加速周期。域周期计算将时域信号转换为频域，并且可以从频谱中进行分析。是，由于FFT运算的量化误差，当信号频率为输入不在FFT量化频率点，直接使用最大FFT运算。于估计信号频率的谱线的位置将包括量化误差。[3]中给出的频率估计算法，在对输入信号执行FFT操作之后，使用最大谱线及其相邻的次大谱线来插值真实的频率位置，即Rife算法。信号的真实频率位于两个相邻量化频率之间的中心区域时，Rife算法具有高精度，但FFT量化频率附近的误差很大。
MRife算法[4]通过对输入信号进行频谱移位来提高频率估计的准确度，使得信号频率始终位于两个相邻量化频率之间的中心区域。MRife算法通过移位原始信号来保证中心频率区域的准确性，大大提高了频率估计的准确性。验验证循环比较为了验证算法的可靠性，同一周期的加速度，恒温阀芯负载和功率信号由Matlab处理。图3到5中显而易见的是，卡尔曼滤波器抑制了信号中的脉冲干扰和随机噪声。波信号的曲线变得平滑，并且可以使用极值的坐标计算其周期。三组滤波滤波后的信号执行FFT分别允许获得加速度，负载和最大和alimentation.Le频域信号的估计方法的最小的频谱线的上方允许的振幅计算三个时期。1显示了同步测量的10组数据[ai，Fi，Pi]中前三组的计算结果，该周期的真实值为15秒。Ai表示加速度，Fi，电荷和Pi，电能。1不同信号周期值组的最优结果表明，频域估计周期对加速度信号和负载信号更准确，并且信号周期由信号计算得到。用时域的电源更接近实际值。此，从频域[Ta]，[TF]计算加速周期和充电周期，并且从时域[TP]计算功率周期。重量由下式贝塞尔和各个测量的标准偏差来确定计算：σ= I = 1nvi2n-1]（15）其中，[Ⅵ]的残基。n次相等精度的测量中，算术平均值的标准偏差等于：[σx=σn]（16）对于相同的多信号测量，它是相等精度的度量。据等式（16），可以计算三个信号的算术平均值的标准偏差[σxa]，[σxF]，[σxP]。不等精度的度量中，单位权重的本质是将任何大小乘以其自身权重的平方根，并获得新的大小权重1，每组度量的权重及其标准差在广场。
反比[5]中，本文提出的三种信号具有相同的理论周期值，但信号本身是不同的，这对应于不等的精度测量。此，该三个信号加权比为：[PA：PF：PP =1σ2xa：1σ2xF：1σ2xP]（17）的权重的总和等于1，重量[PA pF的，PP]的三种类型的信号可以用公式（17）计算。此，对于根据重量确定所述泵送循环的泵送单元的计算公式如下：根据公式[T = PATA PFTF PPTP ]（18）计算的10个数据组如上所示，将它们与单个加速度确定的周期进行比较，如图所示。7示出。图7中可以看出，合并后的10组周期值更接近理论值。2示出了多信号融合之后的周期的值具有比通过单个加速度确定的周期更高的精度。2熔化后周期值与简单加速度之间的最大相对误差结论本文提出了一种用于计算抽油机泵送周期的多传感器信号融合方法。尔曼滤波器用于有效地滤除原始信号中的噪声，并且分别使用时域峰值坐标方法和估计方法计算滤波后的加速度，负载和功率。频率。后，对信号的三个周期进行加权和合并，实验结果表明，计算多传感器熔化周期的方法提高了周期的计算精度。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com