黃 華,徐 菲,羅 慶,周 瑩,劉半藤, 黃平捷
(1.中國石化 中原油田分公司 石油工程技術(shù)研究院,濮陽 457000;2.浙江樹人大學(xué) 信息科技學(xué)院,杭州 310015;3.浙江大學(xué) 控制科學(xué)與工程學(xué)院,杭州 310027)
在高含硫氣田的開發(fā)過程中,硫化氫的安全管控是核心,如果套管破裂或錯斷,就會發(fā)生地下井噴事故。一旦發(fā)生硫化氫泄漏,有害氣體就會進入大氣和水,不僅嚴重影響氣田的正常生產(chǎn),還將造成難以預(yù)計的環(huán)境污染、人身傷亡和經(jīng)濟損失。因此,對油氣套管的變形檢測十分必要且急迫。
目前,常規(guī)井下監(jiān)測套管的測井技術(shù)有溫度流量測井、井下電視測井、多臂井徑測井和渦流測井等。由于某氣田具有氣體流動性和結(jié)構(gòu)復(fù)雜性,且溫度變化不定,所以溫度流量測井并不適用;井下電視測井技術(shù)利用光學(xué)或超聲波成像原理[1]檢測套管內(nèi)的腐蝕、變形和錯斷情況;多臂井徑測井技術(shù)是檢測套管損傷的主要手段之一[2],其利用展開的機械臂測量套管內(nèi)徑;但由于高含硫氣田的H2S和CO2含量高,腐蝕性、危害性強,投產(chǎn)時采用多層一體化管柱生產(chǎn),現(xiàn)有的井下電視測井技術(shù)和多臂井徑測井技術(shù)都無法穿透某氣田的多層管柱。而渦流測井技術(shù)可穿透管柱[3-5],實現(xiàn)套管變形的監(jiān)測,因此可采用渦流電磁技術(shù)實現(xiàn)氣田井下套管狀況的監(jiān)測。
目前,國內(nèi)外有部分學(xué)者研究了基于渦流的無損檢測技術(shù)[6-8]。如唐高峰等[9]設(shè)計了一種專門用于油罐車內(nèi)部缺陷檢測的渦流傳感器,可檢測出油罐車的損壞情況。余劍武等[10]設(shè)計出一種超細硬質(zhì)合金棒材缺陷的渦流檢測系統(tǒng),可識別出不合格的硬質(zhì)合金棒材。但是這些裝置沒有將套管的結(jié)構(gòu)特異性考慮在內(nèi),因此其不適用于氣田井下套管的監(jiān)測。HE等[11]提出了一種基于交流磁場測量和渦流檢測方法組合的無損檢測方法,但該方法容易受溫度和外磁場等因素的影響。劉素貞等[12]結(jié)合電磁超聲技術(shù)與渦流復(fù)合技術(shù),實現(xiàn)了不同深度缺陷的識別。但隨著缺陷深度的增加,線圈的電阻和電阻抗近似線性變化,且存在的缺陷導(dǎo)致線圈電感差值增大,使得該方法對缺陷的深度檢測不敏感。王少平等[13]結(jié)合漏磁檢測和渦流檢測技術(shù),提出了基于三軸漏磁與渦流檢測的管道內(nèi)外壁缺陷的識別方法。
綜上所述,如果氣田是高溫、高壓、高含硫的復(fù)雜環(huán)境,以及氣田套管是自身多層一體化的特殊結(jié)構(gòu),渦流檢測信號采集就有困難,信號衰減快,且易受管柱間電磁互感的影響,現(xiàn)有的渦流檢測技術(shù)就無法滿足氣田套管變形檢測的需求。因此,筆者提出一種油氣井套管變形段位置與缺陷類型的渦流檢測方法。該方法根據(jù)電磁探傷測井儀輸出的23個渦流信號,計算23個信號和的波峰,采用自適應(yīng)閾值識別變形段,針對每一個變形段進行差分處理,并將連續(xù)多組數(shù)據(jù)合并構(gòu)成多層數(shù)據(jù),對所有數(shù)據(jù)進行Fisher降維,選擇降維后的多維數(shù)據(jù)作為特征值。筆者采用神經(jīng)網(wǎng)絡(luò)方法進行樣本訓(xùn)練和測試數(shù)據(jù)的識別,能識別出所有變形段的位置以及變形段中的缺陷類型。
某氣田具有超深、高壓、高含硫等特點,施工中使用的設(shè)備必須滿足測井作業(yè)各項技術(shù)參數(shù)和防硫化氫安全的要求。論文的數(shù)據(jù)來源于多臂井徑測井儀和電磁探傷測井儀。其中,多臂井徑測井儀測量試驗井套管的實際半徑。多臂井徑測井儀采用抗硫化氫材料生產(chǎn),抗硫性能符合美國腐蝕工程師協(xié)會的要求。多臂井徑測試儀主要性能參數(shù)如表1所示。
表1 多臂井徑測試儀主要參數(shù)
電磁探傷測井儀采用某公司生產(chǎn)的渦流測厚探測器。該儀器采用抗硫化氫材料,其抗硫性能符合美國腐蝕工程師協(xié)會的要求。電磁探傷測試儀由縱向長探頭、橫向探頭、縱向短軸探頭、溫度探頭等組成,探頭主要性能參數(shù)如表2所示。
表2 電磁探傷測試儀主要參數(shù)
電磁探傷測井儀的基本原理是電磁感應(yīng)定律(見圖1),測井時,工作區(qū)給發(fā)射線圈提供一個直流脈沖,接收線圈采集隨時間變化的感生電動勢。當(dāng)被測對象發(fā)生變化或者存在缺陷時,感生電動勢隨之變化。
圖1 電磁測井儀的原理示意
測井儀包括縱向長探頭A,縱向短探頭C,橫向交叉的2個探頭B和BB(見圖2)。每激勵一次,A探頭采樣11個點,C探頭采樣6個點, B探頭采樣3個點,BB探頭采樣3個點,共輸出23個信號,具體信號如下所述。
圖2 測井儀內(nèi)部探頭示意
A1~A11信號由縱向長探頭A采集。探頭A軸距最長,線圈垂直放置,與儀器軸和井軸方向一致,探測深度最深。通常,A1~A3信號主要受第一層管柱的影響,A4~A6信號主要受第一層和第二層管柱的影響,A7~A11信號探測深度最深,可以識別第三層管柱的損傷。這些信號主要用于計算第一層、第二層管柱的壁厚,探測第二層管柱的垂直裂縫,以及探測第二、第三層管柱的損傷。
C1~C6信號由縱向短探頭采集。探頭C軸距較探頭A的短,垂直放置,與儀器軸和井軸方向一致。探測深度較探頭B和BB的深,較A的淺。通常,C1~C4信號主要受第一層管柱的影響,C5~C6受第一層和第二層管柱的影響。這些信號主要用于測量第一層管柱的壁厚,探測第一層內(nèi)管柱的垂直裂縫和損傷。
B1~B3與BB1~BB3信號由橫向探頭B和BB采集。探頭B和BB軸距較短,橫向放置,其線圈軸向垂直于儀器和井軸,探測深度最淺。探頭B和BB正交放置,每個探頭對每個管道深度采樣3個點。這些信號主要用于測量內(nèi)層管柱的橫向裂縫斷開或脫節(jié)。
變形段判別原理框圖如圖3所示,根據(jù)設(shè)備輸出的渦流數(shù)據(jù),變形段判別方法包括信號求和、閾值自適應(yīng)選擇、變形點判別、變形段判別和識別結(jié)果修正等步驟。
圖3 變形段判別原理框圖
1.3.1 數(shù)據(jù)預(yù)處理
將每一個管道深度的23個渦流電壓數(shù)據(jù)求和,得到電壓總值,即
(1)
式中:h為管道深度;x(i,h)為管道深度h的第i個渦流電壓數(shù)據(jù);y(h)為管道深度h的渦流電壓數(shù)據(jù)和。
尋找電壓總和數(shù)據(jù)相對平緩的N個連續(xù)信號段(平緩段),即當(dāng)管道深度為h時,將該深度的連續(xù)N個深度點的電壓信號總值分別與該點的信號總值做差,若差值均小于所設(shè)閾值Y1,即滿足式(2),則判定該連續(xù)的N個深度點為平緩段,此時獲得第j個平緩段的起始點Zj。
(2)
式中:N為設(shè)定的連續(xù)深度點的個數(shù);Y1為選取的閾值。
1.3.2 變形段判別
分析所有平緩段的起始點數(shù)據(jù),自適應(yīng)選擇無損閾值。將第一個平緩段的起始點數(shù)據(jù)Z1為參考數(shù)據(jù),若其他數(shù)據(jù)與Z1的差值小于閾值Y2,則滿足式(3),則認為該平緩段為無損段。則可獲得n個無損段,并取所有無損段起始點的均值為無損閾值。
(3)
在變形點判別時,比較所有高度的數(shù)據(jù)電壓總值與無損閾值,若兩者差值小于閾值Y3,則認為該點判斷值為0,即判定為無損點;否則該點判斷值為1,判定為變形點,具體如式(4)所示。
(4)
完成變形點判別后,認為連續(xù)出現(xiàn)的變形點的渦流數(shù)據(jù)段為變形段。為消去個別突兀點對整體數(shù)據(jù)造成的影響,需要對變形段判別結(jié)果進行修正。具體修正方法如下:針對無損點0及變形點1兩種狀態(tài),若一種狀態(tài)沒有連續(xù)出現(xiàn)20個及以上的數(shù)據(jù)點,則將該段數(shù)據(jù)狀態(tài)修正為另一種數(shù)據(jù)狀態(tài)。
在試驗中,需要識別的套管類型有單面擠壓、3*90擠壓、2*90擠壓、雙面擠壓、4*90擠壓、彎曲變形、無缺陷、節(jié)箍和孔縫。各類型套管的三維圖如圖4所示,單面擠壓是由于該段套管受到來自某一個方向的外力擠壓造成套管一側(cè)向內(nèi)凹陷;3*90擠壓表示該段套管受到來自3個90°方向的外力擠壓造成套管3面向內(nèi)凹陷;2*90擠壓表示套管受到來自兩個相互90°方向的外力擠壓造成套管兩側(cè)向內(nèi)凹陷;雙面擠壓表示該段套管受到兩個對稱方向的外力擠壓,造成套管兩側(cè)對稱向內(nèi)凹陷;4*90擠壓表示該段套管受到來自成90°方向的4個外力擠壓造成套管4面向內(nèi)凹陷;彎曲變形表示該套管受外力擠壓造成彎曲;無缺陷是沒有發(fā)生變形或微小變形;節(jié)箍是套管間接口處;孔縫為套管受流體腐蝕或應(yīng)力腐蝕造成的孔洞損傷。
圖4 各類型套管三維圖
缺陷類型識別原理框圖如圖5所示,首先根據(jù)試驗井套管數(shù)據(jù),提取各種缺陷類型的樣本。對每一個缺陷類型的樣本進行差分處理,并構(gòu)建多層數(shù)據(jù)。對每類缺陷樣本數(shù)據(jù)進行Fisher處理和提取特征值,進行神經(jīng)網(wǎng)絡(luò)的模型訓(xùn)練,實現(xiàn)神經(jīng)網(wǎng)絡(luò)模型構(gòu)建。接著導(dǎo)入1.3節(jié)輸出的變形段數(shù)據(jù),進行差分處理和多層數(shù)據(jù)構(gòu)建等預(yù)處理后,通過Fisher處理和提取特征值,并通過神經(jīng)網(wǎng)絡(luò)模型進行識別。最后,對神經(jīng)網(wǎng)絡(luò)模型輸出的缺陷類型識別結(jié)果進行孔縫、彎曲和節(jié)箍修正,輸出識別結(jié)果。
圖5 缺陷類型識別原理框圖
1.4.1 數(shù)據(jù)預(yù)處理
1.4.2 特征處理
Fisher線性鑒別(FLD)是基于樣本類別進行整體特征提取的有效方法。FLD的基本思想是把高維的樣本集合投影到最佳鑒別矢量空間,可以降低機器學(xué)習(xí)的計算量,且投影后保證樣本在新子空間的類間距盡可能大,而類內(nèi)距盡可能小,從而使樣本點在該空間中有最佳的可分離性,因此是一種有效的特征抽取方法。
設(shè)特征樣本集X中有n個樣本,C個樣本類別數(shù)量,令xIJ表示第J類別的第I個樣本,每個樣本xIJ均為L維列向量,定義類間離散度SB和類內(nèi)離散度Sw為
(5)
(6)
式中:μJ為第J類的均值;μ為所有類中心。
Fisher判據(jù)函數(shù)是離散度矩陣比的跡,其表達式如式(7)所示。
(7)
式中:F為判據(jù)值,在相同維度的特征集中,F(xiàn)值越大,類別的區(qū)分性越好,包含更多的鑒別信息;w為特征向量映射方向。
(8)
使得F取得最大值的w為
(9)
利用得到的w對特征樣本集X進行投影,得到新的特征樣本。
1.4.3 神經(jīng)網(wǎng)絡(luò)識別
徑向基函數(shù)網(wǎng)絡(luò)(RBF神經(jīng)網(wǎng)絡(luò))是一種三層前向網(wǎng)絡(luò)。其能夠逼近任意的非線性函數(shù),可以處理系統(tǒng)內(nèi)部難以解析的規(guī)律,具有良好的泛化能力,并有很快的學(xué)習(xí)收斂速度,因此利用訓(xùn)練特征樣本構(gòu)建RBF神經(jīng)網(wǎng)絡(luò)模型。徑向基函數(shù)為高斯核函數(shù),第Λ個隱含層單元的高斯核函數(shù)RK為
(10)
式中:‖‖為歐式范數(shù);X′為輸入的訓(xùn)練特征樣本;cΛ為第Λ個高斯核函數(shù)中心;σ為高斯核函數(shù)的方差。
采用自組織選取中心學(xué)習(xí)方法計算基函數(shù)的中心、方差以及隱含層到輸出層的權(quán)值?Λ。其中,基函數(shù)的中心確定采用K-means算法,方差σ和權(quán)值?Λ如式(11),(12)所示。
(11)
(12)
式中:cmax為所選取中心點之間的最大距離;M為隱含層單元個數(shù)。
利用訓(xùn)練樣本得到方差σ和權(quán)值?Λ,構(gòu)建RBF神經(jīng)網(wǎng)絡(luò)模型為
(13)
式中:Γ為RBF神經(jīng)網(wǎng)絡(luò)模型輸出的缺陷類型識別結(jié)果。
分析各種缺陷數(shù)據(jù),發(fā)現(xiàn)孔縫缺陷的渦流數(shù)據(jù)在差分處理后均小于0,因此選擇用閾值法判斷孔縫缺陷。即先對所有電壓數(shù)據(jù)進行差分處理,并將每一個高度的差分后的電壓求和。根據(jù)某高度電壓總值與其下一個高度電壓總值的比較,提取出各個波谷點和其波動范圍。若波動范圍總長度大于閾值m,且差分后的電壓總值小于閾值Y4,則判定該段長度的套管形變類型為孔縫。
為消除彎曲程度較小的彎曲,對識別結(jié)果做彎曲修正,具體操作方法如下:提取被識別為彎曲的數(shù)據(jù),設(shè)定一個閾值,若提取彎曲的峰值小于閾值,則將其修正為無缺陷。
在識別中,會因為某些原因?qū)?jié)箍產(chǎn)生誤判,如連續(xù)兩端電壓較大的波峰等,需要對識別結(jié)果進行節(jié)箍修正??紤]到節(jié)箍之間的距離為9 m,則如果識別結(jié)果中節(jié)箍距離大于15 m,則計算缺失節(jié)箍的數(shù)量,等間隔補充節(jié)箍。如果9 m內(nèi)出現(xiàn)多個節(jié)箍,則根據(jù)前后節(jié)箍的位置,刪除多余的節(jié)箍,從而輸出修正后的節(jié)箍結(jié)果。
套管無損檢測方法流程如圖6所示,對套管缺陷的無損檢測方法包括變形段判別和缺陷類型識別,具體實現(xiàn)步驟為:① 初始化方法的各個參數(shù);② 讀入測試數(shù)據(jù),將所有數(shù)據(jù)求和獲得電壓總值,尋找平緩段和無損段,計算無損閾值;③ 比較測試數(shù)據(jù)與無損閾值,若該數(shù)據(jù)與無損閾值的差值小于閾值Y3,則表示該數(shù)據(jù)為無損數(shù)據(jù),否則為變形點;④ 根據(jù)變形點的結(jié)果,認為連續(xù)出現(xiàn)的變形點為變形段。對變形段判別結(jié)果進行修正,消去個別突兀點對識別結(jié)果的影響,獲得變形段判別結(jié)果;⑤ 根據(jù)試驗井套管缺陷數(shù)據(jù),提取各種缺陷樣本。對每一個缺陷樣本進行差分處理,并構(gòu)成多層數(shù)據(jù),即將連續(xù)的多組數(shù)據(jù)合并為一組數(shù)據(jù);⑥ 對樣本數(shù)據(jù)進行Fisher處理,選擇Fisher處理后的數(shù)據(jù)作為特征值,進行RBF神經(jīng)網(wǎng)絡(luò)的模型訓(xùn)練,實現(xiàn)模型的建立;⑦ 根據(jù)無損閾值,對測試數(shù)據(jù)進行差分處理,并構(gòu)建多層數(shù)據(jù)。使用Fisher進行特征值提取,達到特征降維效果;⑧ 通過RBF神經(jīng)網(wǎng)絡(luò)模型識別該變形段中每一個高度的缺陷類型;⑨ 選擇用閾值法判斷孔縫缺陷,進行孔縫識別,并修正識別結(jié)果。對識別結(jié)果進行彎曲修正,消去彎曲程度極小的彎曲,并對識別結(jié)果進行節(jié)箍修正;⑩ 輸出變形段和缺陷類型識別的結(jié)果。
圖6 套管無損檢測方法流程
根據(jù)試驗井渦流數(shù)據(jù),通過仿真分析和比較發(fā)現(xiàn),選擇如表3所示的參數(shù),所提方法的性能較好。
表3 試驗參數(shù)
3.2.1 試驗數(shù)據(jù)
針對已存在的套損套變情況,建立了套損套變標(biāo)準(zhǔn)試驗井(試驗段長130 m),其包含9種套損套變類型,覆蓋了某氣田可能的套損套變類型及程度?;诮⒌脑囼灳?,使用某公司的多臂井徑測井儀MAC(Multi-Arm Caliper)獲知實際變形段起始點和終止點,使用電磁探傷測井儀EDD(EM-Defect Detection)分別開展了模擬試驗及測試曲線響應(yīng)特征分析,得到A,B,C探頭共23個電壓數(shù)據(jù)。以試驗井A探頭數(shù)據(jù)為例,說明渦流數(shù)據(jù)的特點。A探頭渦流數(shù)據(jù)曲線如圖7所示,根據(jù)多臂井徑測井儀測得的數(shù)據(jù)發(fā)現(xiàn)A探頭的11個信號電壓數(shù)據(jù)對節(jié)箍和各個變形段的反應(yīng)較明顯。同理,B和C探頭對節(jié)箍和部分變形段的反應(yīng)也較明顯。
圖7 A探頭渦流數(shù)據(jù)曲線
接著,分別對單個探頭電壓數(shù)據(jù)曲線和電壓總值數(shù)據(jù)曲線(見圖8)進行分析,得知電壓總值數(shù)據(jù)曲線的缺陷特征更明顯,因此后續(xù)試驗中選用電壓總值數(shù)據(jù)曲線進行變形段的判別。
圖8 渦流數(shù)據(jù)電壓總值曲線
3.2.2 變形段判別
采用表3的參數(shù)對套管試驗數(shù)據(jù)進行處理,獲得各個類型數(shù)據(jù)的變形段判別結(jié)果如圖9所示,圖中有上下兩條線,分別為藍色變形段判別直線和黑色無損閾值直線。該方法通過自適應(yīng)閾值法,自動識別出無損閾值。根據(jù)無損閾值,可實現(xiàn)變形段的判別,同時通過修正識別結(jié)果降低誤判率,若包含100個以上數(shù)據(jù)點的變形段中存在5個以內(nèi)的無損數(shù)據(jù)點,則將該無損數(shù)據(jù)修正為變形段數(shù)據(jù),因此該方法能判別出單面擠壓、3*90擠壓、2*90擠壓、雙面擠壓、4*90擠壓、孔縫、彎曲和無損數(shù)據(jù)中的變形段,識別效果較好。根據(jù)變形段的識別,可計算出各變形段的各項識別指標(biāo),即正確識別率、錯誤接受率和誤判率。令實際變形段起始點深度為Zstart,實際變形段終止點深度為Zend,識別出的變形段起始點深度為start,識別出的變形段終止點深度為end。則正確識別率T1定為識別數(shù)據(jù)中,所有變形段范圍都正確識別出來的概率,即
圖9 變形段判別結(jié)果
(14)
誤判率T2定義為識別數(shù)據(jù)中,變形段中的數(shù)據(jù)識別為不是變形段的概率,即
T2=[max(start,Zstart)-Zstart]/(Zend-Zstart+
[Zend-min(end,Zend)]/(Zend-Zstart)
(15)
錯誤接受率T3定義為識別數(shù)據(jù)中,無缺陷數(shù)據(jù)識別為變形段的概率,即無缺陷數(shù)據(jù)識別為變形段的個數(shù)除以總數(shù)據(jù)個數(shù)。
T3=[Zstart-min(start,Zstart)]/(Zend-Zstart)+
[max(end,Zend)-Zend]/(Zend-Zstart)
(16)
在變形段判別過程中,比較基于任一單一探頭數(shù)據(jù)和探頭數(shù)據(jù)總和的正確識別率、誤判率和錯誤接受率,并選擇了A1,A4,A5,BB2,C3 5個探頭渦流數(shù)據(jù)和所有探頭電壓總值作為例子,說明變形段判別結(jié)果。各探頭變形段判別率如表4所示,由表4可知,與A1,A4,A5,BB2,C3 5個探頭數(shù)據(jù)相比,基于所有探頭電壓總值的變形段判別方法具有最高的變形段正確識別率、最小的誤判率和錯誤接受率,因此其識別效果最好。
表4 各探頭變形段判別率 %
3.2.3 缺陷類型識別
考慮到識別的套管類型有:單面擠壓、3*90擠壓、2*90擠壓、雙面擠壓、4*90擠壓、彎曲變形、無缺陷和節(jié)箍,共8個套損套變類型。根據(jù)試驗井的數(shù)據(jù),提取了各個不同套管類型的缺陷數(shù)據(jù)。其中:單面擠壓數(shù)據(jù)共133行,由7組缺陷數(shù)據(jù)組成;3*90擠壓數(shù)據(jù)共95行,由5組缺陷數(shù)據(jù)組成;2*90擠壓數(shù)據(jù)共95行,由5組缺陷數(shù)據(jù)組成;彎曲變形數(shù)據(jù)共95行,由5組缺陷數(shù)據(jù)組成;4*90擠壓數(shù)據(jù)共95行,由5組缺陷數(shù)據(jù)組成;雙面擠壓數(shù)據(jù)共114行,由6缺陷數(shù)據(jù)組成;無缺陷數(shù)據(jù)共308行,由2組缺陷數(shù)據(jù)組成;節(jié)箍數(shù)據(jù)共95行,由5組數(shù)據(jù)組成。缺陷類型識別試驗分為R1和R2兩組:R1組利用所有缺陷類型數(shù)據(jù)進行模型訓(xùn)練,用全部訓(xùn)練數(shù)據(jù)進行缺陷識別;R2組利用部分缺陷類型進行模型訓(xùn)練,其中包含3組單面擠壓數(shù)據(jù),3組3*90擠壓數(shù)據(jù),3組2*90擠壓數(shù)據(jù),3組彎曲變形數(shù)據(jù),3組四面擠壓數(shù)據(jù),3組雙面擠壓數(shù)據(jù),3組節(jié)箍數(shù)據(jù)和1組無缺陷數(shù)據(jù),用其余缺陷類型數(shù)據(jù)作為測試數(shù)據(jù)進行識別。對兩組樣本數(shù)據(jù)進行Fisher變換后,各個類型數(shù)據(jù)的三維特征分布如圖10,11所示。R1組的樣本數(shù)量較多,F(xiàn)isher變換后各個類型的區(qū)分度較好,R2的樣本數(shù)據(jù)較少,F(xiàn)isher變化后部分類型數(shù)據(jù)重疊在一起。
圖10 R1組樣本三維特征分布
圖11 R2組樣本三維特征分布
根據(jù)Fisher處理后輸出的特征值進行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和識別,并比較Fisher聚類判別法與RBF神經(jīng)網(wǎng)絡(luò)判別法。其中Fisher聚類判別法根據(jù)Fisher聚類后的結(jié)果,計算到各個缺陷類型數(shù)據(jù)均值的歐式距離,并識別為距離最小的缺陷。令各類缺陷的識別率為
bJ=100×HNJ/S2
(17)
式中:HNJ為正確識別為第J類缺陷的數(shù)據(jù)點個數(shù);S2為第J類缺陷的數(shù)據(jù)點總個數(shù)。
由表5缺陷識別結(jié)果可知:R1的識別率基本上為100%,R2的識別率在92%以上,且比聚類判別法的識別率高。另外,因孔縫套變狀態(tài)電壓的特殊性,在孔縫識別中,使用閾值法判斷識別,其識別率基本上達100%。
表5 缺陷識別結(jié)果 %
提出了一種油氣井套管變形段位置與缺陷類型的渦流檢測方法。首先,將設(shè)備輸出的23個渦流曲線數(shù)據(jù)進行求和處理,根據(jù)自適應(yīng)方法選取閾值,通過與閾值進行比較,實現(xiàn)變形點和變形段的判別,并對識別結(jié)果進行修正;其次,針對每一個變形段進行差分處理,并將連續(xù)多組數(shù)據(jù)合并構(gòu)成多層數(shù)據(jù),對所有數(shù)據(jù)進行Fisher降維,選擇降維后的多維數(shù)據(jù)為特征值,采用神經(jīng)網(wǎng)絡(luò)方法進行樣本訓(xùn)練和測試數(shù)據(jù)的識別;最后,提出實現(xiàn)步驟,給出試驗和渦流數(shù)據(jù)、變形段判別結(jié)果和缺陷類型判別結(jié)果。