用信息熵结合灰度关联矩阵实现油田抽油机井故障诊断的方法技术

一种用信息熵结合灰度关联矩阵实现油田抽油机井故障诊断的方法，包括如下步骤：生成抽油井泵一个冲程内完整的示功图；根据示功图生成标准示功图灰度矩阵；利用图像势能对标准示功图灰度矩阵进行轮廓识别，计算示功图轮廓势能并填充势能数据矩阵，生成基于图像势能的轮廓特征；计算轮廓数据矩阵的六个统计特征；采用区间法进行数据预处理；计算结合信息熵的灰色关联度；故障类型诊断。本发明专利技术利用信息熵来计算每个特征因子所包含的信息量，根据在关联过程中每个特征因子的贡献的大小来确定它的权重值。该灰关联故障诊断方法能够明显减少带故障运行却不被识别的误判，提高诊断的精确度，大大减小了抽油井泵带病运行的危险系数。

【技术实现步骤摘要】
用信息熵结合灰度关联矩阵实现油田抽油机井故障诊断的方法
：本专利技术涉及信号处理及自动控制
，尤其是指一种用信息熵结合灰度关联矩阵实现油田抽油机井故障诊断的方法。
技术介绍
：随着人们对石油资源需求量的逐年增长，石油成为了关乎生活质量的资源，而抽油机井系统结构庞大，工作环境复杂，同时抽油井泵自身价格昂贵，如若不能及时发现故障，处理故障信息，也将给油田带来经济损失，实时准确的抽油井故障诊断在油田生产中有着至关重要的作用。目前应用较广的抽油机井故障诊断系统，以智能算法为主，这些算法均较为复杂，同时抽油机井正常运行的情况要远大于发生故障的情况，做到实时复杂的故障诊断，对于计算机系统有较大的挑战。
技术实现思路
：本专利技术提供了一种用信息熵结合灰度关联矩阵实现油田抽油机井故障诊断的方法。本专利技术的技术方案为：一种用信息熵结合灰度关联矩阵实现油田抽油机井故障诊断的方法，包括如下步骤：生成抽油井泵一个冲程内完整的示功图；根据示功图生成标准示功图灰度矩阵；利用图像势能对标准示功图灰度矩阵进行轮廓识别，计算示功图轮廓势能并填充势能数据矩阵，生成基于图像势能的轮廓特征；计算轮廓数据矩阵的的六个统计特征，包括灰度均值、灰度方差、灰度偏度、灰度峰度、灰度能量、灰度熵；采用区间法进行数据预处理；计算结合信息熵的灰色关联度；故障类型诊断。所述的生成标准示功图灰度矩阵的具体过程是，调用示功图，对示功图进行灰度处理，利用外接矩形的方法生成与示功图曲线四边相切的示功图满图像，去除非示功图图像部分给灰度矩阵带来的冗余，得到初步示功图灰度矩阵；将灰度处理得到的矩阵进行二值化处理，形成原始示功图灰度矩阵；将该灰度矩阵进行压缩处理，搜索该新矩阵中非0元素中相邻的8个值均为0的值，将其替换为0；将得到的矩阵进行二值化处理，得到标准示功图灰度矩阵。所述的计算示功图轮廓势能的具体过程是，定义示功图轮廓为势能零点，示功图轮廓内部像素由势能零点开始势能逐渐增大，示功图轮廓外部像素从势能零点开始势能逐渐减少，对各元素进行势能赋值，直到标准灰度矩阵的每一个元素均被遍历。本专利技术的有益效果是：本专利技术代替了现有的复杂的智能算法，利用信息熵来计算每个特征因子所包含的信息量，根据在关联过程中每个特征因子的贡献的大小来确定它的权重值。该灰关联故障诊断方法能够明显减少带故障运行却不被识别的误判，提高诊断的精确度，大大减小了抽油井泵带病运行的危险系数。附图说明：图1为本专利技术提供的实施例的示功图；图2为本专利技术提供的实施例的生成标准示功图矩阵部分流程图；图3为本专利技术提供的实施例的示功图轮廓识别结果图；图4为本专利技术提供的实施例的示功图势能数据填充部分流程图；图5为本专利技术提供的实施例的示功图势能数据矩阵填充结果图。具体实施方式：下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的具体实施步骤为：一、生成抽油井泵的实测示功图：由于抽油井泵的工作环境、工作过程具有一定的复杂性和不可预见性，因此，传感器传回数据的数量、尺度、量纲等方面存在差异，为了保持示功图的特征，不对上位机传回的数据个数进行取舍，并进行无量纲归一尺度的处理，减少地理位置和测量工具不同所带来的误差。根据处理后的数据绘制示功图，如图1所示。该抽油井实际故障为供液不足。二、生成示功图的标准灰度矩阵，具体步骤如图2所示：步骤201：进行行压缩。设原始灰度矩阵为M′×N′，将每列中依次M′/32个矩阵单元值之和放于新64×32矩阵中。步骤202：进行列压缩。类似于行压缩，区别在于依次对每行进行。步骤203：舍弃无法与其它元素形成闭合曲线的非0元素。搜索该新矩阵中非0元素中相邻的8个值均为0的值，将其替换为0，因为这样的矩阵元素不能与其他矩阵元素形成封闭曲线，故舍弃这样的值，同理舍弃其它这样无法与其他非0矩阵元素形成闭合曲线的值。步骤204：对得到的矩阵进行二值化处理。步骤205：生成标准示功图灰度矩阵。三、利用图像势能对示功图矩阵进行轮廓识别，识别结果如图3所示；对示功图轮廓数据矩阵进行轮廓势能的计算和数据矩阵的填充，填充过程的流程图如图4所示，具体步骤描述如下：步骤401：将二值矩阵进行预处理，将其中的像素值为0的元素替换为100，避免在势能赋值时发生初始0元素和势能为0的元素的混淆。步骤402：定义一个nw矩阵，同标准示功图灰度矩阵同样大小，用来标记标准示功图灰度矩阵各个像素的位置信息。当nw为0时表示该像素点为示功图曲线上的像素点，也就是所说的轮廓点，对于封闭示功图外侧的像素点，将nw赋值为-1，对于封闭示功图内部的像素点，赋值为1。步骤403：初始化变量。步骤404：进行势能赋值。步骤405：更改赋值点。步骤406：对赋值点的元素值自加。步骤407：对赋值点的元素进行判断。步骤408：当赋值点的元素为0时，返回步骤405，重新进行赋值。步骤409：当赋值点的元素不为0时，该赋值点赋值结束。请参阅图5，为示功图势能矩阵数据填充结果。计算故障各因子的信息加权熵，进行归一化处理。计算待诊断故障的灰度均值、灰度方差、灰度偏度、灰度峰值、灰度能量以及灰度熵所组成的故障特征向量。将该向量与标准故障向量进行对比关联分析，利用ABO关联公式计算该待诊断故障与其他标准故障的灰色关联度。利用灰色关联度进行诊断，因为充分考虑到不同特征因子所含有的信息量不同，使得待诊断故障与正常运行的关联值变大，与其他故障的关联值变小，使结果更加准确。本专利技术代替了现有的复杂的智能算法，利用信息熵来计算每个特征因子所包含的信息量，根据在关联过程中每个特征因子的贡献的大小来确定它的权重值。该灰关联故障诊断方法能够明显减少带故障运行却不被识别的误判，提高诊断的精确度，大大减小了抽油井泵带病运行的危险系数。本文档来自技高网...

【技术保护点】
一种用信息熵结合灰度关联矩阵实现油田抽油机井故障诊断的方法，包括如下步骤：生成抽油井泵一个冲程内完整的示功图；根据示功图生成标准示功图灰度矩阵；利用图像势能对标准示功图灰度矩阵进行轮廓识别，计算示功图轮廓势能并填充势能数据矩阵，生成基于图像势能的轮廓特征；计算轮廓数据矩阵的六个统计特征，包括灰度均值、灰度方差、灰度偏度、灰度峰度、灰度能量、灰度熵；采用区间法进行数据预处理；计算结合信息熵的灰色关联度；故障类型诊断。

【技术特征摘要】
1.一种用信息熵结合灰度关联矩阵实现油田抽油机井故障诊断的方法，包括如下步骤：生成抽油井泵一个冲程内完整的示功图；根据示功图生成标准示功图灰度矩阵；利用图像势能对标准示功图灰度矩阵进行轮廓识别，计算示功图轮廓势能并填充势能数据矩阵，生成基于图像势能的轮廓特征；计算轮廓数据矩阵的六个统计特征，包括灰度均值、灰度方差、灰度偏度、灰度峰度、灰度能量、灰度熵；采用区间法进行数据预处理；计算结合信息熵的灰色关联度；故障类型诊断；所述的生成标准示功图灰度矩阵的具体过程是，调用示功图，对示功图进行灰度处理，利用外接矩形的方法生成与示功图曲线四边相切的示功图满图像，去除非示功图图像部分给灰度矩阵带来的冗余，得到初步示功图灰度矩阵；将灰度处理得到的矩阵进行二值化处理，形成原始示功图灰度矩阵；将该灰度矩阵进行压缩处理，搜索该新矩阵中非0元素中相邻的8个值均为0的值，将其替换为0；将得到的矩阵进行二值化处理，得到标准示功图灰度矩阵；所述的计算示功图轮廓势能的具体过程是，定义示功图轮廓为势能零点，示功图轮廓内部像素由势能...

【专利技术属性】
技术研发人员：刘明，王秀芳，毕洪波，管闯，赵盼盼，刘颖，吴蒙蒙，
申请(专利权)人：大庆明达韦尔信息系统服务有限公司，
类型：发明
国别省市：黑龙江;23