[发明专利]基于Freeman链码和矩特征融合的抽油井故障诊断方法

说明书

本发明提供基于Freeman链码和矩特征融合的抽油井故障诊断方法，涉及抽油井故障诊断技术领域；该方法首先收集油田有杆泵抽油井示功图的历史数据，然后通过Freeman链码和矩特征融合的方法对示功图进行特征提取；利用改进的人工蜂群算法对支持向量机的参数进行优化，最后利用优化的支持向量机对提取的特征进行识别分类；本发明方法有效地改善了链码直方图只考虑了链码的统计特性而没有考虑链码的空间分布特征的缺点，对传统的人工蜂群算法进行了改进，使得步长在算法初期较长加快收敛速度，在算法后期步长较短增加精度，进而实现对示功图提供的故障进行快速而准确的诊断。

技术领域

本发明涉及抽油井故障诊断技术领域，尤其涉及一种基于Freeman链码和矩特征融合的抽油井故障诊断方法。

背景技术

有杆泵抽油机井示功图是有杆泵抽油系统工作状况的集中体现。示功图是分析抽油系统井下故障的主要手段。在通过分析示功图判断抽油井井下工况时，一个重要的问题是找到准确的特征提取方法，提取出的特征值是否准确对于后续示功图的分类识别非常重要。目前示功图特征提取的方法有，Fourier描述子、面积法，网格法，矢量法提取图形的几何特征、Freeman链码等。但单纯地使用Freeman链码进行抽油机井故障诊断效果并不是很好。

目前对有杆泵抽油井故障诊断技术的研究的方法是将专家系统、模糊理论、人工神经网络、支持向量机等智能诊断算法应用在示功图的模式识别中，通过对示功图进行特征提取再进行分类识别达到故障诊断的目的。这些方法的应用都取得了较好的结果。传统的支持向量机方法在使用过程中可能会耗时过长。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于Freeman链码和矩特征融合的抽油井故障诊断方法，实现对抽油井故障的诊断。

为解决上述技术问题，本发明所采取的技术方案是：基于Freeman链码和矩特征融合的抽油井故障诊断方法，包括以下步骤：

步骤1：获取M个已知故障类型的有杆泵抽油井示功图和N个待诊断故障类型的有杆泵抽油井示功图；

步骤2：将获取的M+N个有杆泵抽油机井示功图进行归一化处理；

步骤3：确定每个已知故障类型的有杆泵抽油井示功图图像的质心坐标，以示功图的质心为中心，分别做一条水平线和一条垂直线，将每个示功图平均分为四个子区间；

所述确定每个示功图图像的质心坐标的具体方法为：

构造示功图图像在平面R²上的p+q阶矩如下公式所示：

其中，p，q＝0，1，2，…，M，N分别表示示功图图像的行数与列数，f(x，y)表示示功图上像素点(x，y)的灰度；

进而通过零阶矩和一阶矩得到示功图图像的质心坐标(x₀，y₀)，如下公式所示：

x₀＝m₁₀/m₀₀，y₀＝m₀₁/m₀₀

其中，m₀₀为示功图图像在平面R²上的零阶矩，m₀₁和m₁₀均为示功图图像在平面R²上的一阶矩；

步骤4：针对每个已知故障类型的有杆泵抽油井示功图的各子区域用Freeman链码和矩征融合方法得到一组表示示功图形状特征的特征向量，具体方法为：

步骤4.1：由步骤3中得到的示功图的质心坐标，构造出示功图的各阶中心矩，通过各阶中心距得到7个不变矩组Φ₁到Φ₇表示的特征向量；