CN112377822A - 基于超声波的钻井平台安全检测方法及检测设备 - Google Patents
基于超声波的钻井平台安全检测方法及检测设备 Download PDFInfo
- Publication number
- CN112377822A CN112377822A CN202011183474.6A CN202011183474A CN112377822A CN 112377822 A CN112377822 A CN 112377822A CN 202011183474 A CN202011183474 A CN 202011183474A CN 112377822 A CN112377822 A CN 112377822A
- Authority
- CN
- China
- Prior art keywords
- amplitude
- ultrasonic
- curve
- vector
- oil
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 101
- 238000005553 drilling Methods 0.000 title claims abstract description 33
- 238000000605 extraction Methods 0.000 claims abstract description 56
- 239000013598 vector Substances 0.000 claims description 155
- 238000013500 data storage Methods 0.000 claims description 43
- 238000006243 chemical reaction Methods 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 25
- 238000010586 diagram Methods 0.000 claims description 18
- 238000001228 spectrum Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 15
- 238000013527 convolutional neural network Methods 0.000 claims description 13
- 230000003247 decreasing effect Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 9
- 238000002604 ultrasonography Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000002592 echocardiography Methods 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 23
- 230000005540 biological transmission Effects 0.000 description 10
- 239000004215 Carbon black (E152) Substances 0.000 description 4
- 229930195733 hydrocarbon Natural products 0.000 description 4
- 150000002430 hydrocarbons Chemical class 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4481—Neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/48—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by amplitude comparison
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Signal Processing (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Acoustics & Sound (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mechanical Engineering (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明提供了一种基于超声波的钻井平台安全检测方法及检测设备，能够解析超声波收发设备发送的射频信号得到超声波频谱图，进而拟合出幅值曲线并确定出幅值曲线的多组曲线特征，然后结合与油气管道连通的抽取设备的运行数据列表对应的运行特征进行特征识别，从而生成所述油气管道的探伤结果。如此，能够在超声波层面实现对油气管道的探伤，进而识别出油气管道中的轻微损伤，如此，即便油气管道没有出现油气泄露，通过上述方案仍然能够对油气管道进行准确地探伤。
Description
技术领域
本发明涉及油气勘探技术领域，具体而言，涉及一种基于超声波的钻井平台安全检测方法及检测设备。
背景技术
钻井平台是油气勘探和开发必不可少的结构物。油气勘探和开发环境大多较为恶劣，容易造成钻井平台的损坏，进而造成安全事故。例如，若钻井平台中的油气输送管道出现损坏造成油气泄露，在遇明火或者弱电流时容易发生爆炸。因此，如何对钻井平台进行及时有效的安全检测是确保油气勘探和开发安全有序进行的关键。
发明内容
为了改善上述问题，本发明提供了一种基于超声波的钻井平台安全检测方法及检测设备。
本发明实施例的第一方面，提供了一种基于超声波的钻井平台安全检测方法，应用于检测设备，所述检测设备与超声波收发设备以及抽取设备通信，所述抽取设备与油气管道连通，所述方法至少包括：
接收超声波收发设备发送的射频信号，所述射频信号是所述超声波收发设备根据接收到的第二超声波转换得到的，所述第二超声波是所述超声波收发设备向油气管道发射的第一超声波在所述油气管道处形成反射的回波；
按照与所述超声波收发设备预先协商的信号转换协议对所述射频信号进行解析，得到所述第二超声波对应的超声波频谱图；
根据所述超声波频谱图拟合出幅值曲线，并基于所述幅值曲线中每个曲线节点及其相邻曲线节点的迭代关系确定出所述幅值曲线对应的多组曲线特征；
从与所述油气管道连通的抽取设备的运行数据存储设备中获取与设定时段对应的所述抽取设备的运行数据列表，所述设定时段为第一时刻到第二时刻之间的时段，所述第一时刻为所述超声波收发设备向所述油气管道发射所述第一超声波的时刻，所述第二时刻为所述超声波收发设备接收到所述第一超声波在所述油气管道处形成反射的所述第二超声波的时刻；
从所述运行数据列表中确定出所述抽取设备的运行特征，并对所述运行特征以及多组曲线特征进行特征识别以生成所述油气管道的探伤结果。
可选地，所述按照与所述超声波收发设备预先协商的信号转换协议将所述射频信号进行解析，得到所述第二超声波对应的超声波频谱图，包括：
根据所述信号转换协议中包括的信号编码库的路径信息获取所述信号编码库，根据所述信号编码库对所述射频信号进行编码得到所述射频信号中幅频信息的分布图；以及，利用预设的幅频特征识别模型识别并获得所述射频信号中幅频信息的特征向量，并获取每个特征向量的向量权重；其中，所述向量权重包括用于表征每个特征向量的失真率的稳定系数以及用于表征每个特征向量与所述幅频信息中的其他向量的关联性的关联系数；
根据每个特征向量的向量权重，利用所述信号编码库对每个特征向量的向量权重进行编码并获得每个特征向量对应的频谱向量的转换因子，所述转换因子用于表征将每个特征向量转换为频率向量时的加权系数；
根据每个频谱向量的转换因子以及每个频谱向量对应的特征向量，分别判断每个特征向量与所述分布图的第一匹配度是否大于各自对应频谱向量到所述分布图的第二匹配度；
若是，则获取该特征向量对应频谱向量的转换因子，作为该特征向量的频率图转换基数；若否，则保持该特征向量的向量权重不变；判断所述射频信号中幅频信息的所有特征向量在上述判断前后整体发生的稳定性变化的大小是否小于预设的参考值；若小于，则将所述射频信号中幅频信息的所有特征向量的稳定系数确定为符合要求的基准稳定系数；根据所述基准稳定系数确定每个特征向量的频率图转换基数；若不小于，则返回所述利用所述信号编码库对每个特征向量的向量权重进行编码并获得每个特征向量对应的频谱向量的转换因子的步骤；
根据每个特征向量的频率图转换基数从所述信号编码库中确定出每个特征向量对应的频率编码信息，并基于所述频率编码信息生成超声波频谱图。
可选地，所述根据所述超声波频谱图拟合出幅值曲线，包括：
获取所述超声波频谱图的幅值信息，其中，所述幅值信息中包括多个超声波幅值和每个超声波幅值对应的时刻信息；
获取所述幅值信息对应的拟合权重；其中，所述获取所述幅值信息对应的拟合权重具体包括：获取所述幅值信息中各个超声波幅值的时频相关性系数，并进行统计；将比重最大的时频相关性系数作为所述拟合权重；所述时频相关性系数用于描述各个超声波幅值在时间维度上的幅值变化趋势；
根据所述拟合权重对所述幅值信息进行拆分以获取所述幅值信息的幅值单元；其中，所述根据所述拟合权重对所述幅值信息进行拆分以获取所述幅值信息的幅值单元具体包括：通过第一预设拆分规则或第二预设拆分规则，根据所述拟合权重对所述幅值信息进行拆分以获取所述幅值信息的幅值单元；其中，所述第一预设拆分规则具体包括：获取所述幅值信息中的存在多个连续递增或连续递减的超声波幅值的幅值集群，根据连续递增或连续递减的梯度和连续递增或连续递减的累计值依次进行拆分直至所述幅值信息中的多个连续递增或连续递减的超声波幅值的幅值上限值对应的波动权重均为所述拟合权重；其中，所述第二预设拆分规则具体包括：确定幅值信息中的每个超声波幅值的幅值权重、时刻权重和幅值时刻权重三个权重，通过预设迭代遍历规则对所有的超声波幅值进行遍历以寻找和超声波幅值的中位数对应的目标幅值权重、目标时刻权重以及目标幅值时刻权重相对应的目标超声波幅值，并以所述目标超声波幅值为拆分中点对幅值信息进行拆分；
根据所述幅值信息的幅值单元对所述超声波频谱图进行分割；根据分割之后的超声波频谱图生成表达每个幅值单元在所述超声波频谱图中的大小和顺序的分布轨迹，并根据所述分布轨迹拟合生成所述幅值曲线。
可选地，所述基于所述幅值曲线中每个曲线节点及其相邻曲线节点的迭代关系确定出所述幅值曲线对应的多组曲线特征，包括：
确定所述幅值曲线中每个曲线节点的二维坐标值；
根据每个二维坐标值确定每个曲线节点与该曲线节点相邻的第一曲线节点在所述幅值曲线对应的坐标系中的第一距离以及与该曲线节点相邻的第二曲线节点在所述幅值曲线对应的第二距离；
针对每个曲线节点，判断该曲线节点对应的第一距离和第二距离的差值是否小于设定值，在该节点对应的第一距离和第二距离的差值小于所述设定值时，确定该曲线节点为可迭代节点；
根据每个曲线段中的可迭代节点在该曲线段中的相对位置提取该曲线段对应的曲线特征。
可选地，所述从与所述油气管道连通的抽取设备的运行数据存储设备中获取与设定时段对应的所述抽取设备的运行数据列表，包括：
获取所述运行数据存储设备的工作信号触发条件以及各运行数据包；
在根据所述工作信号触发条件确定出所述运行数据存储设备中包含有工作状态表单的情况下，根据所述运行数据存储设备在所述工作状态表单下的运行数据包及其状态参数确定所述运行数据存储设备在非工作状态表单下的各运行数据包与所述运行数据存储设备在所述工作状态表单下的各运行数据包之间的一致性比较结果；
将所述运行数据存储设备在所述非工作状态表单下的与在所述工作状态表单下的运行数据包相一致的运行数据包转移到所述工作状态表单下；
在所述运行数据存储设备在所述非工作状态表单下包含有多个运行数据包的情况下，根据所述运行数据存储设备在所述工作状态表单下的运行数据包及其状态参数确定所述运行数据存储设备在所述非工作状态表单下的各运行数据包之间的一致性比较结果；
根据所述各运行数据包之间的一致性比较结果对所述非工作状态表单下的各运行数据包进行过滤；
根据所述运行数据存储设备在所述工作状态表单下的运行数据包及其状态参数为上述过滤之后保留的每个运行数据包设置转移信息，并基于所述转移信息将过滤之后保留的每个运行数据包转移到所述工作状态表单下；
根据所述工作状态表单下的所有运行数据包生成所述运行数据列表。
可选地，所述从所述运行数据列表中确定出所述抽取设备的运行特征，包括：
将所述运行数据列表缓存至预设的缓存区间中并将所述运行数据列表拷贝至预设的动态存储空间中，其中，位于所述缓存区间中的运行数据列表不可更新，位于所述动态存储空间中的运行数据列表可更新；
接收所述运行数据存储设备定时更新的目标数据，基于所述目标数据对位于所述动态存储空间中的运行数据列表进行更新，得到目标数据列表；
按照预设的提取规则对所述目标数据列表进行数据提取，得到所述目标数据列表中包括的用于表征所述抽取设备运行状态变化的工况参数，所述工况参数包括所述抽取设备的气体压力值和运行电流值；所述提取规则通过对位于所述缓存区间中的运行数据列表进行列表结构解析得到；
确定所述工况参数在位于所述动态存储空间中的运行数据列表中的变化趋势，将所述变化趋势映射至位于所述缓存区间中的运行参数列表对应的列表结构分布图中，得到所述变化趋势对应的目标向量，基于所述目标向量得到所述抽取设备的运行特征。
可选地，所述对所述运行特征以及多组曲线特征进行特征识别以生成所述油气管道的探伤结果，包括：
将所述运行特征对应的第一向量分别与每组曲线特征对应的第二向量进行融合得到第三向量，其中，所述第一向量与所述第二向量的向量维度相同，所述第一向量与每个第二向量在融合时，所述第一向量和每个第二向量在相同的向量维度位置的向量值执行的是加权求差或加权求和；
将每个第三向量输入预先搭建的卷积神经网络，获取所述卷积神经网络输出的探伤结果，所述探伤结果中包括所述油气管道的损伤位置和损伤程度，所述损伤位置和所述损伤程度以数值对的形式在所述检测设备中存储，所述卷积神经网络通过训练集训练得到，所述训练集包括不同尺寸的基准油气管道对应的不同损伤位置和不同损伤程度，所述训练集以基准向量的形式进行打包，所述基准向量的向量维度与所述第三向量的向量维度相同，所述卷积神经网络通过对每个第三向量与训练集中的每个基准向量的余弦距离进行计算以确定出所述探伤结果。
本发明实施例的第二方面，提供了一种基于超声波的钻井平台安全检测装置，包括：
接收模块，用于接收超声波收发设备发送的射频信号，所述射频信号是所述超声波收发设备根据接收到的第二超声波转换得到的，所述第二超声波是所述超声波收发设备向油气管道发射的第一超声波在所述油气管道处形成反射的回波；
解析模块，用于按照与所述超声波收发设备预先协商的信号转换协议对所述射频信号进行解析，得到所述第二超声波对应的超声波频谱图；
拟合模块，用于根据所述超声波频谱图拟合出幅值曲线，并基于所述幅值曲线中每个曲线节点及其相邻曲线节点的迭代关系确定出所述幅值曲线对应的多组曲线特征；
获取模块，用于从与所述油气管道连通的抽取设备的运行数据存储设备中获取与设定时段对应的所述抽取设备的运行数据列表，所述设定时段为第一时刻到第二时刻之间的时段，所述第一时刻为所述超声波收发设备向所述油气管道发射所述第一超声波的时刻，所述第二时刻为所述超声波收发设备接收到所述第一超声波在所述油气管道处形成反射的所述第二超声波的时刻；
识别模块，用于从所述运行数据列表中确定出所述抽取设备的运行特征，并对所述运行特征以及多组曲线特征进行特征识别以生成所述油气管道的探伤结果。
本发明实施例的第三方面，提供了一种检测设备，包括：处理器以及与所述处理器连接的存储器和总线；所述处理器和所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的计算机程序，以执行上述的基于超声波的钻井平台安全检测方法。
本发明实施例的第四方面，提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的基于超声波的钻井平台安全检测方法。
本发明实施例所提供的基于超声波的钻井平台安全检测方法及检测设备，能够解析超声波收发设备发送的射频信号得到超声波频谱图，进而拟合出幅值曲线并确定出幅值曲线的多组曲线特征，然后结合与油气管道连通的抽取设备的运行数据列表对应的运行特征进行特征识别，从而生成所述油气管道的探伤结果。如此，能够在超声波层面实现对油气管道的探伤，进而识别出油气管道中的轻微损伤，如此，即便油气管道没有出现油气泄露，通过上述方案仍然能够对油气管道进行准确地探伤。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。
图1为本发明实施例所提供的一种基于超声波的钻井平台安全检测方法的流程图。
图2为本发明实施例所提供的一种检测设备的通信连接示意图。
图3为本发明实施例所提供的一种基于超声波的钻井平台安全检测装置的功能模块框图。
图4为本发明实施例所提供的一种检测设备的产品模块示意图。
图标：
10-检测设备；101-基于超声波的钻井平台安全检测装置；1011-接收模块；1012-解析模块；1013-拟合模块；1014-获取模块；1015-识别模块；121-处理器；122-存储器；123-总线；
20-超声波收发设备；
30-油气管道；
40-抽取设备；41-运行数据存储设备。
具体实施方式
下面将参照附图更详细地描述本发明公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
发明人经过研究和分析发现，现有的针对钻井平台中的油气输送管道进行探伤的方法大多通过设置气体传感器进行间接探伤，若传感器检测到气体泄露，则表明油气输送管道出现损伤。然而这种方法只有在油气输送管道出现油气泄露程度的损坏时才能检测到，若油气输送管道出现轻微损坏但没有出现油气泄露，则上述方法的准确性会大打折扣。
为改善上述问题，本发明实施例提供了一种基于超声波的钻井平台安全检测方法及检测设备，能够对油气输送管道进行超声波探伤，并结合与油气输送管道连接的设备的工作状态对油气输送管道进行准确地探伤检测。
在上述基础上，图1示出了本发明实施例所提供的一种基于超声波的钻井平台安全检测方法的流程图，该方法应用于图2中的检测设备10，该检测设备10与超声波收发设备20通信，超声波收发设备20用于向油气管道30发射超声波并接收油气管道30反射的回波。
进一步地，当超声波收发设备20接收到回波时，将回波转换为射频信号发送给检测设备10，检测设备10通过对射频信号进行分析，并结合与油气管道30连接的抽取设备40的工作状态实现对油气管道30的准确探伤。
在本实施例中，图1所示的基于超声波的钻井平台安全检测方法具体可以包括以下步骤。
步骤S21，接收超声波收发设备发送的射频信号，所述射频信号是所述超声波收发设备根据接收到的第二超声波转换得到的，所述第二超声波是所述超声波收发设备向油气管道发射的第一超声波在所述油气管道处形成反射的回波。
在本实施例中，超声波收发设备20周期性地向油气管道30发射第一超声波，第一超声波在油气管道30处形成反射的回波，该回波可以是第二超声波。进一步地，超声波收发设备20可以将第二超声波转换为射频信号发送给检测设备10。
步骤S22，按照与所述超声波收发设备预先协商的信号转换协议对所述射频信号进行解析，得到所述第二超声波对应的超声波频谱图。
在本实施例中，超声波频谱图中包括连续时间窗口内的不同时刻下的超声波幅值，多个连续的超声波幅值还可以形成连续时间窗口内的幅值曲线，幅值曲线可供检测设备10进行分析和识别。
步骤S23，根据所述超声波频谱图拟合出幅值曲线，并基于所述幅值曲线中每个曲线节点及其相邻曲线节点的迭代关系确定出所述幅值曲线对应的多组曲线特征。
步骤S24，从与所述油气管道连通的抽取设备的运行数据存储设备中获取与设定时段对应的所述抽取设备的运行数据列表，所述设定时段为第一时刻到第二时刻之间的时段，所述第一时刻为所述超声波收发设备向所述油气管道发射所述第一超声波的时刻，所述第二时刻为所述超声波收发设备接收到所述第一超声波在所述油气管道处形成反射的所述第二超声波的时刻。
在本实施例中，抽取设备40与油气管道连通，用于对勘探区的油气进行抽取，抽取设备40的运行数据存储设备41用于记录抽取设备40的运行数据并根据运行数据形成运行数据列表。
步骤S25，从所述运行数据列表中确定出所述抽取设备的运行特征，并对所述运行特征以及多组曲线特征进行特征识别以生成所述油气管道的探伤结果。
在本实施例中，探伤结果中可以包括油气管道30的损伤等级、损伤位置以及基于损伤等级和损伤位置确定出的油气泄露概率。可以理解，通过上述探伤方法，能够在超声波层面实现对油气管道30的探伤，进而识别出油气管道30中的轻微损伤，如此，即便油气管道30没有出现油气泄露，通过上述方案仍然能够对油气管道30进行准确地探伤。
可以理解，基于上述步骤S21-S25，能够解析超声波收发设备发送的射频信号得到超声波频谱图，进而拟合出幅值曲线并确定出幅值曲线的多组曲线特征，然后结合与油气管道连通的抽取设备的运行数据列表对应的运行特征进行特征识别，从而生成所述油气管道的探伤结果。如此，能够在超声波层面实现对油气管道的探伤，进而识别出油气管道中的轻微损伤，如此，即便油气管道没有出现油气泄露，通过上述方案仍然能够对油气管道进行准确地探伤。
在一种可替换的实施方式中，检测设备10与超声波收发设备20之间的信号转换协议具体可以通过检测设备10执行以下方式实现。
步骤S31，获取超声波收发设备中的对超声波信号进行处理生成的第一信号处理日志并确定与所述第一信号处理日志对应的第一信号处理逻辑信息，所述第一信号处理日志储存于所述超声波收发设备的数据库中，所述第一信号处理日志是实时更新的。
步骤S32，获取检测设备的第二信号处理日志，并根据所述第一信号处理逻辑信息计算所述第一信号处理日志与所述第二信号处理日志之间的相似度。
步骤S33，若所述第一信号处理日志与所述第二信号处理日志之间的相似度小于预设的相似度阈值，则将检测设备的第二信号处理日志对应的第二信号处理逻辑信息与所述第一信号处理逻辑信息进行匹配，得到目标逻辑信息，所述目标逻辑信息用于指示所述检测设备和所述超声波收发设备之间的兼容性调整策略，所述兼容性调整策略用于指示所述检测设备和所述超声波收发设备进行参数调整。
在步骤S33中，检测设备10和超声波收发设备20进行参数调整之后，能够实现互相之间的兼容，避免信号传输障碍。
步骤S34，将所述目标逻辑信息拆分为信息集，并以所述信息集为协议框架，以所述超声波收发设备中的第一信号处理日志的信号处理线程信息为协议内容，进行信号转换协议的搭建，得到第一协议。
步骤S35，根据所述第二信号处理日志对所述第一协议进行调整，得到第二协议，即加入了对于所述第一信号处理日志的考虑，对所述第一协议进行调整，从而获得高兼容性的调整结果，也即所述第二协议。
步骤S36，确定所述第二协议相对于所述信息集的第一错误率，并将所述第一错误率对应的所述第二协议中的逻辑线程与所述目标逻辑信息进行匹配，得到匹配结果。
步骤S37，若所述第一信号处理日志与所述第二信号处理日志之间的相似度大于或等于所述相似度阈值，则确定所述第一协议相对于所述信息集的第二错误率，并将所述第二错误率对应的所述第一协议中的逻辑线程与所述目标逻辑信息进行匹配，得到匹配结果。
步骤S38，根据所述匹配结果在所述第二协议对应的协议地址添加所述检测设备的第一地址以及所述超声波收发设备的第二地址以得到所述信号转换协议。
可以理解，通过上述内容，能够准确确定出信号转换协议，进而改善检测设备10和超声波收发设备20的兼容性，以确保检测设备10对射频信号解析的准确性。
在具体实施时，为了确保检测设备10能够对第二超声波进行全面地分析，需要根据射频信号解析出第二超声波的超声波频谱图。因此，为了确保对射频信号解析的准确性以避免超声波频谱图的失真，在步骤S22中，所述按照与所述超声波收发设备预先协商的信号转换协议将所述射频信号进行解析，得到所述第二超声波对应的超声波频谱图，具体可以包括以下内容。
步骤S221，根据所述信号转换协议中包括的信号编码库的路径信息获取所述信号编码库，根据所述信号编码库对所述射频信号进行编码得到所述射频信号中幅频信息的分布图；以及，利用预设的幅频特征识别模型识别并获得所述射频信号中幅频信息的特征向量，并获取每个特征向量的向量权重；其中，所述向量权重包括用于表征每个特征向量的失真率的稳定系数以及用于表征每个特征向量与所述幅频信息中的其他向量的关联性的关联系数。
步骤S222，根据每个特征向量的向量权重，利用所述信号编码库对每个特征向量的向量权重进行编码并获得每个特征向量对应的频谱向量的转换因子，所述转换因子用于表征将每个特征向量转换为频率向量时的加权系数。
步骤S223，根据每个频谱向量的转换因子以及每个频谱向量对应的特征向量，分别判断每个特征向量与所述分布图的第一匹配度是否大于各自对应频谱向量到所述分布图的第二匹配度；
步骤S224，若是，则获取该特征向量对应频谱向量的转换因子，作为该特征向量的频率图转换基数；若否，则保持该特征向量的向量权重不变；判断所述射频信号中幅频信息的所有特征向量在上述判断前后整体发生的稳定性变化的大小是否小于预设的参考值；若小于，则将所述射频信号中幅频信息的所有特征向量的稳定系数确定为符合要求的基准稳定系数；根据所述基准稳定系数确定每个特征向量的频率图转换基数；若不小于，则返回所述利用所述信号编码库对每个特征向量的向量权重进行编码并获得每个特征向量对应的频谱向量的转换因子的步骤。
步骤S225，根据每个特征向量的频率图转换基数从所述信号编码库中确定出每个特征向量对应的频率编码信息，并基于所述频率编码信息生成超声波频谱图。
在本实施例中，基于上述步骤，能够基于获取到的信号编码库以及对射频信号进行特征分析的结果确定出每个特征向量对应的频率编码信息，然后基于频率编码信息生成超声波频谱图，如此，能够确保对射频信号解析的准确性以避免超声波频谱图的失真。
在上述基础上，为了准确地根据超声波频谱图拟合出幅值曲线，在步骤S23中，所述根据所述超声波频谱图拟合出幅值曲线，具体可以包括以下内容。
步骤S2311，获取所述超声波频谱图的幅值信息，其中，所述幅值信息中包括多个超声波幅值和每个超声波幅值对应的时刻信息。
步骤S2312，获取所述幅值信息对应的拟合权重；其中，所述获取所述幅值信息对应的拟合权重具体包括：获取所述幅值信息中各个超声波幅值的时频相关性系数，并进行统计；将比重最大的时频相关性系数作为所述拟合权重；所述时频相关性系数用于描述各个超声波幅值在时间维度上的幅值变化趋势。
步骤S2313，根据所述拟合权重对所述幅值信息进行拆分以获取所述幅值信息的幅值单元；其中，所述根据所述拟合权重对所述幅值信息进行拆分以获取所述幅值信息的幅值单元具体包括：通过第一预设拆分规则或第二预设拆分规则，根据所述拟合权重对所述幅值信息进行拆分以获取所述幅值信息的幅值单元；其中，所述第一预设拆分规则具体包括：获取所述幅值信息中的存在多个连续递增或连续递减的超声波幅值的幅值集群，根据连续递增或连续递减的梯度和连续递增或连续递减的累计值依次进行拆分直至所述幅值信息中的多个连续递增或连续递减的超声波幅值的幅值上限值对应的波动权重均为所述拟合权重；其中，所述第二预设拆分规则具体包括：确定幅值信息中的每个超声波幅值的幅值权重、时刻权重和幅值时刻权重三个权重，通过预设迭代遍历规则对所有的超声波幅值进行遍历以寻找和超声波幅值的中位数对应的目标幅值权重、目标时刻权重以及目标幅值时刻权重相对应的目标超声波幅值，并以所述目标超声波幅值为拆分中点对幅值信息进行拆分。
步骤S2314，根据所述幅值信息的幅值单元对所述超声波频谱图进行分割；根据分割之后的超声波频谱图生成表达每个幅值单元在所述超声波频谱图中的大小和顺序的分布轨迹，并根据所述分布轨迹拟合生成所述幅值曲线。
基于上述内容，能够对超声波频谱图的幅值信息对应的拟合权重进行分析，进而确定出幅值信息的幅值单元，从而基于幅值单元对超声波频谱图进行分割然后生成表达每个幅值单元在超声波频谱图中的大小和顺序的分布轨迹，最后根据分布轨迹拟合生成幅值曲线，如此，能够准确地根据超声波频谱图拟合出幅值曲线。
在实际应用中，在步骤S23中，所述基于所述幅值曲线中每个曲线节点及其相邻曲线节点的迭代关系确定出所述幅值曲线对应的多组曲线特征，具体可以包括以下内容。
步骤S2321，确定所述幅值曲线中每个曲线节点的二维坐标值。
步骤S2322，根据每个二维坐标值确定每个曲线节点与该曲线节点相邻的第一曲线节点在所述幅值曲线对应的坐标系中的第一距离以及与该曲线节点相邻的第二曲线节点在所述幅值曲线对应的第二距离。
步骤S2323，针对每个曲线节点，判断该曲线节点对应的第一距离和第二距离的差值是否小于设定值，在该节点对应的第一距离和第二距离的差值小于所述设定值时，确定该曲线节点为可迭代节点。
步骤S2324，判断所述幅值曲线中是否存在连续的多个可迭代节点，若是，分别计算所述多个可迭代节点中的每个可迭代节点与所述幅值曲线中的第一个曲线节点之间的第三距离并基于计算得到的每个第三距离对所述幅值曲线进行划分得到多组曲线段，每组曲线段中至少存在一个可迭代节点。
步骤S2325，根据每个曲线段中的可迭代节点在该曲线段中的相对位置提取该曲线段对应的曲线特征。
可以理解，基于步骤S2321-步骤S2325，能够对幅值曲线中的每个曲线节点的迭代情况进行分析和判断，从而准确确定出幅值曲线对应的多组曲线特征，进而为后续的探伤诊断提供可靠的判断依据。
在获取运行数据列表时，需要对抽取设备的工作状态和非工作状态进行区分，进而确保运行数据列表是与处于工作状态的抽取设备对应的，为此，在步骤S24中，所述从与所述油气管道连通的抽取设备的运行数据存储设备中获取与设定时段对应的所述抽取设备的运行数据列表，具体可以包括以下内容。
步骤S241，获取所述运行数据存储设备的工作信号触发条件以及各运行数据包。
步骤S242，在根据所述工作信号触发条件确定出所述运行数据存储设备中包含有工作状态表单的情况下，根据所述运行数据存储设备在所述工作状态表单下的运行数据包及其状态参数确定所述运行数据存储设备在非工作状态表单下的各运行数据包与所述运行数据存储设备在所述工作状态表单下的各运行数据包之间的一致性比较结果。
步骤S243，将所述运行数据存储设备在所述非工作状态表单下的与在所述工作状态表单下的运行数据包相一致的运行数据包转移到所述工作状态表单下。
步骤S244，在所述运行数据存储设备在所述非工作状态表单下包含有多个运行数据包的情况下，根据所述运行数据存储设备在所述工作状态表单下的运行数据包及其状态参数确定所述运行数据存储设备在所述非工作状态表单下的各运行数据包之间的一致性比较结果。
步骤S245，根据所述各运行数据包之间的一致性比较结果对所述非工作状态表单下的各运行数据包进行过滤。
步骤S246，根据所述运行数据存储设备在所述工作状态表单下的运行数据包及其状态参数为上述过滤之后保留的每个运行数据包设置转移信息，并基于所述转移信息将过滤之后保留的每个运行数据包转移到所述工作状态表单下。
步骤S247，根据所述工作状态表单下的所有运行数据包生成所述运行数据列表。
在本实施例中，通过上述步骤，能够将抽取设备在工作状态下和在非工作状态下的运行数据包加以分析，进而对工作状态表单下的运行数据包进行补充和完善，确保工作状态表单下的运行数据包的准确性，从而准确地确定出运行数据列表。
在步骤S25中，所述从所述运行数据列表中确定出所述抽取设备的运行特征，具体可以包括以下内容。
步骤S2511，将所述运行数据列表缓存至预设的缓存区间中并将所述运行数据列表拷贝至预设的动态存储空间中，其中，位于所述缓存区间中的运行数据列表不可更新，位于所述动态存储空间中的运行数据列表可更新。
步骤S2512，接收所述运行数据存储设备定时更新的目标数据，基于所述目标数据对位于所述动态存储空间中的运行数据列表进行更新，得到目标数据列表。
步骤S2513，按照预设的提取规则对所述目标数据列表进行数据提取，得到所述目标数据列表中包括的用于表征所述抽取设备运行状态变化的工况参数，所述工况参数包括所述抽取设备的气体压力值和运行电流值；所述提取规则通过对位于所述缓存区间中的运行数据列表进行列表结构解析得到。
步骤S2514，确定所述工况参数在位于所述动态存储空间中的运行数据列表中的变化趋势，将所述变化趋势映射至位于所述缓存区间中的运行参数列表对应的列表结构分布图中，得到所述变化趋势对应的目标向量，基于所述目标向量得到所述抽取设备的运行特征。
在本实施例中，通过步骤S2511-步骤S2514，能够考虑运行数据列表的更新状态，从而准确确定出抽取设备的运行特征，为后续的探伤识别提供准确可靠的判断依据。
在具体实施时，为了确保对油气管道30进行准确地探伤，在步骤S25中，所述对所述运行特征以及多组曲线特征进行特征识别以生成所述油气管道的探伤结果，具体可以包括以下内容。
步骤S2521，将所述运行特征对应的第一向量分别与每组曲线特征对应的第二向量进行融合得到第三向量，其中，所述第一向量与所述第二向量的向量维度相同，所述第一向量与每个第二向量在融合时，所述第一向量和每个第二向量在相同的向量维度位置的向量值执行的是加权求差或加权求和。
步骤S2522，将每个第三向量输入预先搭建的卷积神经网络，获取所述卷积神经网络输出的探伤结果，所述探伤结果中包括所述油气管道的损伤位置和损伤程度，所述损伤位置和所述损伤程度以数值对的形式在所述检测设备中存储，所述卷积神经网络通过训练集训练得到，所述训练集包括不同尺寸的基准油气管道对应的不同损伤位置和不同损伤程度，所述训练集以基准向量的形式进行打包，所述基准向量的向量维度与所述第三向量的向量维度相同，所述卷积神经网络通过对每个第三向量与训练集中的每个基准向量的余弦距离进行计算以确定出所述探伤结果。
可以理解，通过上述步骤，能够基于卷积神经网络对根据运行特征对应的第一向量与每组曲线特征对应的第二向量进行融合得到的第三向量进行特征识别，从而确定出油气管道40的探伤结果，如此，不仅能够对油气管道30进行准确地探伤，还能够将探伤结果对应的探伤位置和损伤程度进行存储，从而便于后续的故障检测。
在上述基础上，请结合参阅图3，为本发明实施例所提供的一种基于超声波的钻井平台安全检测装置101的模块框图，该基于超声波的钻井平台安全检测装置101可以包括以下模块。
接收模块1011，用于接收超声波收发设备发送的射频信号，所述射频信号是所述超声波收发设备根据接收到的第二超声波转换得到的，所述第二超声波是所述超声波收发设备向油气管道发射的第一超声波在所述油气管道处形成反射的回波。
解析模块1012，用于按照与所述超声波收发设备预先协商的信号转换协议对所述射频信号进行解析，得到所述第二超声波对应的超声波频谱图。
拟合模块1013，用于根据所述超声波频谱图拟合出幅值曲线，并基于所述幅值曲线中每个曲线节点及其相邻曲线节点的迭代关系确定出所述幅值曲线对应的多组曲线特征。
获取模块1014，用于从与所述油气管道连通的抽取设备的运行数据存储设备中获取与设定时段对应的所述抽取设备的运行数据列表，所述设定时段为第一时刻到第二时刻之间的时段，所述第一时刻为所述超声波收发设备向所述油气管道发射所述第一超声波的时刻，所述第二时刻为所述超声波收发设备接收到所述第一超声波在所述油气管道处形成反射的所述第二超声波的时刻。
识别模块1015，用于从所述运行数据列表中确定出所述抽取设备的运行特征，并对所述运行特征以及多组曲线特征进行特征识别以生成所述油气管道的探伤结果。
本发明实施例还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的基于超声波的钻井平台安全检测方法。
本发明实施例还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述的基于超声波的钻井平台安全检测方法。
本实施例中，如图4所示，检测设备10包括至少一个处理器121、以及与处理器121连接的存储器122和总线123。其中，处理器121和存储器122通过总线123完成相互间的通信。处理器121用于调用存储器122中的程序指令，以执行上述的基于超声波的钻井平台安全检测方法。
综上，本发明实施例所提供的一种基于超声波的钻井平台安全检测方法及检测设备，能够解析超声波收发设备发送的射频信号得到超声波频谱图，进而拟合出幅值曲线并确定出幅值曲线的多组曲线特征，然后结合与油气管道连通的抽取设备的运行数据列表对应的运行特征进行特征识别，从而生成所述油气管道的探伤结果。如此，能够在超声波层面实现对油气管道的探伤，进而识别出油气管道中的轻微损伤，如此，即便油气管道没有出现油气泄露，通过上述方案仍然能够对油气管道进行准确地探伤。
本申请是参照根据本申请实施例的方法、云检测设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理云检测设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理云检测设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中，云检测设备包括一个或多个处理器(CPU)、存储器和总线。云检测设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他特征权重的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储云检测设备或任何其他非传输介质，可用于存储可以被计算云检测设备匹配的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者云检测设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者云检测设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者云检测设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种基于超声波的钻井平台安全检测方法，其特征在于，应用于检测设备，所述检测设备与超声波收发设备以及抽取设备通信，所述抽取设备与油气管道连通，所述方法至少包括：
接收超声波收发设备发送的射频信号，所述射频信号是所述超声波收发设备根据接收到的第二超声波转换得到的，所述第二超声波是所述超声波收发设备向油气管道发射的第一超声波在所述油气管道处形成反射的回波；
按照与所述超声波收发设备预先协商的信号转换协议对所述射频信号进行解析，得到所述第二超声波对应的超声波频谱图；其中：
超声波频谱图中包括连续时间窗口内的不同时刻下的超声波幅值，多个连续的超声波幅值形成连续时间窗口内的幅值曲线，幅值曲线供检测设备进行分析和识别；
根据所述超声波频谱图拟合出幅值曲线，并基于所述幅值曲线中每个曲线节点及其相邻曲线节点的迭代关系确定出所述幅值曲线对应的多组曲线特征；
从与所述油气管道连通的抽取设备的运行数据存储设备中获取与设定时段对应的所述抽取设备的运行数据列表，所述设定时段为第一时刻到第二时刻之间的时段，所述第一时刻为所述超声波收发设备向所述油气管道发射所述第一超声波的时刻，所述第二时刻为所述超声波收发设备接收到所述第一超声波在所述油气管道处形成反射的所述第二超声波的时刻；
从所述运行数据列表中确定出所述抽取设备的运行特征，并对所述运行特征以及多组曲线特征进行特征识别以生成所述油气管道的探伤结果。
2.根据权利要求1所述的方法，其特征在于，所述按照与所述超声波收发设备预先协商的信号转换协议将所述射频信号进行解析，得到所述第二超声波对应的超声波频谱图，包括：
根据所述信号转换协议中包括的信号编码库的路径信息获取所述信号编码库，根据所述信号编码库对所述射频信号进行编码得到所述射频信号中幅频信息的分布图；以及，利用预设的幅频特征识别模型识别并获得所述射频信号中幅频信息的特征向量，并获取每个特征向量的向量权重；其中，所述向量权重包括用于表征每个特征向量的失真率的稳定系数以及用于表征每个特征向量与所述幅频信息中的其他向量的关联性的关联系数；
根据每个特征向量的向量权重，利用所述信号编码库对每个特征向量的向量权重进行编码并获得每个特征向量对应的频谱向量的转换因子，所述转换因子用于表征将每个特征向量转换为频率向量时的加权系数；
根据每个频谱向量的转换因子以及每个频谱向量对应的特征向量，分别判断每个特征向量与所述分布图的第一匹配度是否大于各自对应频谱向量到所述分布图的第二匹配度；
若是，则获取该特征向量对应频谱向量的转换因子，作为该特征向量的频率图转换基数；若否，则保持该特征向量的向量权重不变；判断所述射频信号中幅频信息的所有特征向量在上述判断前后整体发生的稳定性变化的大小是否小于预设的参考值；若小于，则将所述射频信号中幅频信息的所有特征向量的稳定系数确定为符合要求的基准稳定系数；根据所述基准稳定系数确定每个特征向量的频率图转换基数；若不小于，则返回所述利用所述信号编码库对每个特征向量的向量权重进行编码并获得每个特征向量对应的频谱向量的转换因子的步骤；
根据每个特征向量的频率图转换基数从所述信号编码库中确定出每个特征向量对应的频率编码信息，并基于所述频率编码信息生成超声波频谱图。
3.根据权利要求1所述的方法，其特征在于，所述根据所述超声波频谱图拟合出幅值曲线，包括：
获取所述超声波频谱图的幅值信息，其中，所述幅值信息中包括多个超声波幅值和每个超声波幅值对应的时刻信息；
获取所述幅值信息对应的拟合权重；其中，所述获取所述幅值信息对应的拟合权重具体包括：获取所述幅值信息中各个超声波幅值的时频相关性系数，并进行统计；将比重最大的时频相关性系数作为所述拟合权重；所述时频相关性系数用于描述各个超声波幅值在时间维度上的幅值变化趋势；
根据所述拟合权重对所述幅值信息进行拆分以获取所述幅值信息的幅值单元；其中，所述根据所述拟合权重对所述幅值信息进行拆分以获取所述幅值信息的幅值单元具体包括：通过第一预设拆分规则或第二预设拆分规则，根据所述拟合权重对所述幅值信息进行拆分以获取所述幅值信息的幅值单元；其中，所述第一预设拆分规则具体包括：获取所述幅值信息中的存在多个连续递增或连续递减的超声波幅值的幅值集群，根据连续递增或连续递减的梯度和连续递增或连续递减的累计值依次进行拆分直至所述幅值信息中的多个连续递增或连续递减的超声波幅值的幅值上限值对应的波动权重均为所述拟合权重；其中，所述第二预设拆分规则具体包括：确定幅值信息中的每个超声波幅值的幅值权重、时刻权重和幅值时刻权重三个权重，通过预设迭代遍历规则对所有的超声波幅值进行遍历以寻找和超声波幅值的中位数对应的目标幅值权重、目标时刻权重以及目标幅值时刻权重相对应的目标超声波幅值，并以所述目标超声波幅值为拆分中点对幅值信息进行拆分；
根据所述幅值信息的幅值单元对所述超声波频谱图进行分割；根据分割之后的超声波频谱图生成表达每个幅值单元在所述超声波频谱图中的大小和顺序的分布轨迹，并根据所述分布轨迹拟合生成所述幅值曲线。
4.根据权利要求1所述的方法，其特征在于，所述基于所述幅值曲线中每个曲线节点及其相邻曲线节点的迭代关系确定出所述幅值曲线对应的多组曲线特征，包括：
确定所述幅值曲线中每个曲线节点的二维坐标值；
根据每个二维坐标值确定每个曲线节点与该曲线节点相邻的第一曲线节点在所述幅值曲线对应的坐标系中的第一距离以及与该曲线节点相邻的第二曲线节点在所述幅值曲线对应的第二距离；
针对每个曲线节点，判断该曲线节点对应的第一距离和第二距离的差值是否小于设定值，在该节点对应的第一距离和第二距离的差值小于所述设定值时，确定该曲线节点为可迭代节点；
根据每个曲线段中的可迭代节点在该曲线段中的相对位置提取该曲线段对应的曲线特征。
5.根据权利要求1所述的方法，其特征在于，所述从与所述油气管道连通的抽取设备的运行数据存储设备中获取与设定时段对应的所述抽取设备的运行数据列表，包括：
获取所述运行数据存储设备的工作信号触发条件以及各运行数据包；
在根据所述工作信号触发条件确定出所述运行数据存储设备中包含有工作状态表单的情况下，根据所述运行数据存储设备在所述工作状态表单下的运行数据包及其状态参数确定所述运行数据存储设备在非工作状态表单下的各运行数据包与所述运行数据存储设备在所述工作状态表单下的各运行数据包之间的一致性比较结果；
将所述运行数据存储设备在所述非工作状态表单下的与在所述工作状态表单下的运行数据包相一致的运行数据包转移到所述工作状态表单下；
在所述运行数据存储设备在所述非工作状态表单下包含有多个运行数据包的情况下，根据所述运行数据存储设备在所述工作状态表单下的运行数据包及其状态参数确定所述运行数据存储设备在所述非工作状态表单下的各运行数据包之间的一致性比较结果；
根据所述各运行数据包之间的一致性比较结果对所述非工作状态表单下的各运行数据包进行过滤；
根据所述运行数据存储设备在所述工作状态表单下的运行数据包及其状态参数为上述过滤之后保留的每个运行数据包设置转移信息，并基于所述转移信息将过滤之后保留的每个运行数据包转移到所述工作状态表单下；
根据所述工作状态表单下的所有运行数据包生成所述运行数据列表。
6.根据权利要求1所述的方法，其特征在于，所述从所述运行数据列表中确定出所述抽取设备的运行特征，包括：
将所述运行数据列表缓存至预设的缓存区间中并将所述运行数据列表拷贝至预设的动态存储空间中，其中，位于所述缓存区间中的运行数据列表不可更新，位于所述动态存储空间中的运行数据列表可更新；
接收所述运行数据存储设备定时更新的目标数据，基于所述目标数据对位于所述动态存储空间中的运行数据列表进行更新，得到目标数据列表；
按照预设的提取规则对所述目标数据列表进行数据提取，得到所述目标数据列表中包括的用于表征所述抽取设备运行状态变化的工况参数，所述工况参数包括所述抽取设备的气体压力值和运行电流值；所述提取规则通过对位于所述缓存区间中的运行数据列表进行列表结构解析得到；
确定所述工况参数在位于所述动态存储空间中的运行数据列表中的变化趋势，将所述变化趋势映射至位于所述缓存区间中的运行参数列表对应的列表结构分布图中，得到所述变化趋势对应的目标向量，基于所述目标向量得到所述抽取设备的运行特征。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述对所述运行特征以及多组曲线特征进行特征识别以生成所述油气管道的探伤结果，包括：
将所述运行特征对应的第一向量分别与每组曲线特征对应的第二向量进行融合得到第三向量，其中，所述第一向量与所述第二向量的向量维度相同，所述第一向量与每个第二向量在融合时，所述第一向量和每个第二向量在相同的向量维度位置的向量值执行的是加权求差或加权求和；
将每个第三向量输入预先搭建的卷积神经网络，获取所述卷积神经网络输出的探伤结果，所述探伤结果中包括所述油气管道的损伤位置和损伤程度，所述损伤位置和所述损伤程度以数值对的形式在所述检测设备中存储，所述卷积神经网络通过训练集训练得到，所述训练集包括不同尺寸的基准油气管道对应的不同损伤位置和不同损伤程度，所述训练集以基准向量的形式进行打包，所述基准向量的向量维度与所述第三向量的向量维度相同，所述卷积神经网络通过对每个第三向量与训练集中的每个基准向量的余弦距离进行计算以确定出所述探伤结果。
8.一种检测设备，其特征在于，包括：处理器以及与所述处理器连接的存储器和总线；所述处理器和所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的计算机程序，以执行上述权利要求1-7任一项所述的基于超声波的钻井平台安全检测方法。
9.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时实现上述权利要求1-7任一项所述的基于超声波的钻井平台安全检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011183474.6A CN112377822A (zh) | 2020-03-02 | 2020-03-02 | 基于超声波的钻井平台安全检测方法及检测设备 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010133511.6A CN111322524B (zh) | 2020-03-02 | 2020-03-02 | 钻井平台安全检测方法、装置及检测设备 |
| CN202011183474.6A CN112377822A (zh) | 2020-03-02 | 2020-03-02 | 基于超声波的钻井平台安全检测方法及检测设备 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010133511.6A Division CN111322524B (zh) | 2020-03-02 | 2020-03-02 | 钻井平台安全检测方法、装置及检测设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112377822A true CN112377822A (zh) | 2021-02-19 |
Family
ID=71168207
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010133511.6A Active CN111322524B (zh) | 2020-03-02 | 2020-03-02 | 钻井平台安全检测方法、装置及检测设备 |
| CN202011183474.6A Withdrawn CN112377822A (zh) | 2020-03-02 | 2020-03-02 | 基于超声波的钻井平台安全检测方法及检测设备 |
| CN202011188119.8A Withdrawn CN112326791A (zh) | 2020-03-02 | 2020-03-02 | 钻井平台安全检测方法及检测设备 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010133511.6A Active CN111322524B (zh) | 2020-03-02 | 2020-03-02 | 钻井平台安全检测方法、装置及检测设备 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011188119.8A Withdrawn CN112326791A (zh) | 2020-03-02 | 2020-03-02 | 钻井平台安全检测方法及检测设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (3) | CN111322524B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112507151B (zh) * | 2020-11-23 | 2023-02-03 | 首钢京唐钢铁联合有限责任公司 | 一种压力数据处理方法、装置、设备和介质 |
| CN112859725B (zh) * | 2021-01-04 | 2022-06-24 | 中国核电工程有限公司 | 一种厂房设备状态特征信号监测系统 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4704536B2 (ja) * | 2000-01-20 | 2011-06-15 | 株式会社テイエルブイ | 配管内の液位測定装置及び液位測定方法 |
| CN101199427A (zh) * | 2006-12-11 | 2008-06-18 | 乐金电子(中国)研究开发中心有限公司 | 基于移动通信终端的超声波探测方法及其移动通信终端 |
| JP4910769B2 (ja) * | 2007-02-28 | 2012-04-04 | Ｊｆｅスチール株式会社 | 管体の品質管理方法及び製造方法 |
| CN102537669B (zh) * | 2010-12-23 | 2013-12-04 | 中国石油天然气股份有限公司 | 一种基于超声导波聚焦的管道缺陷检测方法和系统 |
| CN102494247B (zh) * | 2011-10-28 | 2013-12-18 | 北京嘉华思创科技有限公司 | 基于音频特征识别的气体泄漏检测方法 |
| CN103292160B (zh) * | 2013-06-27 | 2015-11-18 | 陕西师范大学 | 管道泄漏的超声波检测装置及方法 |
| CN103836347B (zh) * | 2014-03-07 | 2015-07-22 | 中国石油大学(华东) | 一种用于原油集输管道的泄漏监测装置及监测方法 |
| CN104792865B (zh) * | 2015-03-30 | 2017-07-04 | 暨南大学 | 基于分数维的管道超声导波小缺陷识别与定位方法 |
| CN106960126B (zh) * | 2017-03-28 | 2020-03-24 | 联想(北京)有限公司 | 数据预警方法和设备 |
| CN107327713A (zh) * | 2017-07-10 | 2017-11-07 | 天津大学 | 一种供水管道的超声波测损装置及方法 |
| CN108181059B (zh) * | 2017-12-27 | 2019-12-10 | 钦州学院 | 基于小波信号的多相流管道泄漏声波信号识别方法 |
| CN109977920B (zh) * | 2019-04-11 | 2022-06-07 | 福州大学 | 基于时频谱图及卷积神经网络的水轮机组故障诊断方法 |
-
2020
- 2020-03-02 CN CN202010133511.6A patent/CN111322524B/zh active Active
- 2020-03-02 CN CN202011183474.6A patent/CN112377822A/zh not_active Withdrawn
- 2020-03-02 CN CN202011188119.8A patent/CN112326791A/zh not_active Withdrawn
Also Published As
| Publication number | Publication date |
|---|---|
| CN111322524B (zh) | 2021-07-09 |
| CN111322524A (zh) | 2020-06-23 |
| CN112326791A (zh) | 2021-02-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230167739A1 (en) | Method and system for real-time prediction of jamming in tbm tunneling | |
| CN111322524B (zh) | 钻井平台安全检测方法、装置及检测设备 | |
| Rajabi et al. | Leak detection and localization in water distribution networks using conditional deep convolutional generative adversarial networks | |
| CN114299359B (zh) | 一种检测输电线路故障的方法、设备及存储介质 | |
| CN111767957A (zh) | 一种日志异常的检测方法、装置、存储介质及电子设备 | |
| CN110443275A (zh) | 去除噪声的方法、设备及存储介质 | |
| CN116778329A (zh) | 城市道路地下浅层病害检测方法、装置、设备及介质 | |
| RU2576341C2 (ru) | Отслеживание на основе фазы | |
| JP7700108B2 (ja) | 漏洩検出方法 | |
| CN117751301A (zh) | 处理激光雷达点云的方法、装置、设备及存储介质 | |
| CN111628837A (zh) | 一种信道建模的方法及设备 | |
| CN118484708A (zh) | 埋地钢制管道防腐层智能检测系统及方法 | |
| US12306593B1 (en) | Systems and methods of sensor data fusion | |
| CN110261818A (zh) | 非直达超宽带信号识别与误差消除方法及装置、存储介质 | |
| CN118585824A (zh) | 一种多维数据增强学习的无线电导航系统状态评估方法 | |
| CN118379703A (zh) | 一种场景识别方法、模型、系统及存储介质 | |
| CN103733033A (zh) | 轨迹之间的线性关系 | |
| CN116452574A (zh) | 一种基于改进YOLOv7的缝隙检测方法、系统和存储介质 | |
| CN111277953B (zh) | 通信网络稳定性处理方法、系统及电子设备 | |
| CN111368905B (zh) | 应用于油气勘探的信号恢复方法、装置及信号恢复设备 | |
| CN119807934B (zh) | 基于多尺度网络的星载sar工作模式识别方法及设备 | |
| Moschos et al. | Real-Time Validation of Operational Ocean Models Via Eddy-Decting Deep Neural Networks | |
| CN117111019B (zh) | 一种基于雷达探测的目标跟踪监控方法和系统 | |
| CN116578073B (zh) | 传感器信号校准控制系统的异常分析方法及系统 | |
| CN117273584A (zh) | 一种货物跟踪方法、装置及计算机可读存储介质 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210219 |
|
| WW01 | Invention patent application withdrawn after publication |