CN109281653A - 一种基于柱面超声相控阵的井壁缺陷分类识别方法 - Google Patents
一种基于柱面超声相控阵的井壁缺陷分类识别方法 Download PDFInfo
- Publication number
- CN109281653A CN109281653A CN201710589629.8A CN201710589629A CN109281653A CN 109281653 A CN109281653 A CN 109281653A CN 201710589629 A CN201710589629 A CN 201710589629A CN 109281653 A CN109281653 A CN 109281653A
- Authority
- CN
- China
- Prior art keywords
- borehole wall
- wall defect
- signal
- pipe nipple
- cylinder
- 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.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 50
- 210000002445 nipple Anatomy 0.000 claims abstract description 68
- 238000013528 artificial neural network Methods 0.000 claims abstract description 23
- 238000003384 imaging method Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 239000000523 sample Substances 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 26
- 230000007246 mechanism Effects 0.000 claims description 14
- 229920002545 silicone oil Polymers 0.000 claims description 10
- 238000002604 ultrasonography Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 8
- 229910000831 Steel Inorganic materials 0.000 claims description 7
- 238000007789 sealing Methods 0.000 claims description 7
- 239000010959 steel Substances 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 238000003491 array Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000005266 casting Methods 0.000 claims description 2
- 239000003292 glue Substances 0.000 claims description 2
- 238000004904 shortening Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 15
- 230000006872 improvement Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000005553 drilling Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004451 qualitative analysis Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000007654 immersion Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 210000003746 feather Anatomy 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/002—Survey of boreholes or wells by visual inspection
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/12—Means for transmitting measuring-signals or control signals from the well to the surface, or from the surface to the well, e.g. for logging while drilling
- E21B47/14—Means for transmitting measuring-signals or control signals from the well to the surface, or from the surface to the well, e.g. for logging while drilling using acoustic waves
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
- E21B49/005—Testing the nature of borehole walls or the formation by using drilling mud or cutting data
Landscapes
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics (AREA)
- Acoustics & Sound (AREA)
- Remote Sensing (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于柱面超声相控阵的井壁缺陷分类识别方法，该方法基于一种基于柱面超声相控阵的井壁成像系统实现，所述系统包括：地面控制器(1)、电源短节(2)、声系短节(4)和电路短节(3)；所述方法包括：步骤1)构建和训练用于井壁缺陷分类的深度信念神经网络；步骤2)采集待分类的井壁缺陷声回波信号；步骤3)将待分类的井壁缺陷声回波信号输入训练好的用于井壁缺陷分类的深度信念神经网络，得到井壁缺陷的类别。本发明方法是将小波包分解算法及神经网络方法相结合的缺陷识别方法，可以提高井壁缺陷的识别率，同时缩短识别时间，提高识别效率。
Description
技术领域
本发明涉及超声相控阵井壁成像检测技术领域，具体涉及一种基于柱面超声相控阵的井壁缺陷分类识别方法。
背景技术
在石油钻井和开采过程中，套管在保护井眼以及加固井壁，保证钻井顺利进行起着重要作用。但是由于井下环境恶劣，套管损坏数量逐年增加，套管壁的检测与防护已成为油田开发的重要工作。超声井壁成像检测技术是一种常用的油井井壁检测技术，通过利用井壁反射回波信息，识别多种类型的缺陷和井周情况，以图像的形式清晰直观地显示井壁的状况和特性。
20世纪90年代开始逐渐出现了新一代的超声成像测井仪器，具有代表性的有Schlumberger的UBI(Ultra Sonic Imager)以及Baker Atlas的CBIL(CircumferentialBorehole Imaging Log)等。这些常规的井壁声波测井成像仪器都采用单发单收的旋转式声波探头，仪器测井工作时，换能器探头以井轴为中心旋转并在井轴方向上移动，从而实现对井壁进行螺旋线方式的查扫。然而，这种工作方式具有如下几个缺点：
(1)探测信号的信噪比低。由于采用单发单收的工作方式，如果遇到复杂或者较为恶劣的井眼条件，探测到的有用信号幅度较低，难以识别，一些异常井壁结构和微细变化往往难以识别。
(2)探测的分辨率低。常规的换能器探头辐射声波的声束相对比较宽，尽管凹面的聚焦换能器能使声束聚焦，但这种聚焦能力非常有限，不仅焦点位置是固定的，难以根据实际情况进行调整和改变，而且聚焦声束还不够细长，使得探测数据的图像分辨率较低。
(3)机械转动扫描的不稳定性。常规换能器探头必须绕轴旋转才能实现对井壁四周的查扫成像，这种机械式的旋转方式会带来测井的不稳定性和相关的仪器维护等问题。机械转动还会为数据传输带来很大麻烦。
(4)测井速度较慢。由于常规探头采用机械式旋转，为了保证井壁扫描成像速度和纵向分辨率，测井速度受到限制，降低了这种仪器在井下的测井效率，如果测井目的层较厚，使用该种仪器会占用较长的井口时间。
目前，针对管道内壁检测以及石油钻井中的井壁成像检测的研究，尚只能检测到缺陷的存在，还不能对井壁上缺陷的类型和性质进行识别，即不能对井壁上的缺陷进行定性分析。
利用神经网络针对超声检测进行缺陷分类及缺陷定性分析的研究越来越多，
在井壁成像检测中，我们不仅需要检测到缺陷的存在，而且还需要检测到缺陷性质和类别，即需要知道缺陷是什么样的缺陷，是孔洞、裂纹、还是夹杂等，需要知道缺陷的形状和性质等。在实际情况中，由于井下的复杂环境，井壁会变形、腐蚀、破裂和穿孔等，造成重大的损失。因此，对井壁缺陷进行定性分析和类型识别可对井壁状况得到可靠的检测和成像结果，具有重要的实际意义和经济价值。
目前的缺陷定性分析和类型识别有多种方法，如模式识别和神经网络法等，但都是基于单个换能器探头进行分析和识别的，其效果有待提高。近年来，有人利用超声相控阵开展了对缺陷的定性分析和类型识别研究，但采用的是平面型的超声相控阵列。对于井中的井壁缺陷，由于井壁的形状，需采用柱面超声相控阵列进行检测才能取得好的效果，然而，关于采用柱面超声相控阵列对井壁缺陷进行定性分析和识别的研究，之前没有任何研究和报道。
发明内容
本发明的目的在于克服目前缺乏井壁缺陷分类方法的问题，针对井壁成像检测中的缺陷定性分析和识别，提出一种对基于柱面超声相控阵的井壁缺陷定性分析方法，主要通过柱面超声相控阵系统将电能转化为所需要的超声波向井壁区域辐射，并接收来自井壁缺陷的散射回波信号，通过小波包分解算法对原始散射回波进行特征提取，得到数据量压缩后的信号，再采用提取到的特征信号对三层深度信念神经网络进行权值训练，最后用训练好的网络对待检测的缺陷特征信号进行分类识别。
为了实现上述目的，本发明提出了一种基于柱面超声相控阵的井壁缺陷分类识别方法，一种基于柱面超声相控阵的井壁缺陷分类识别方法，该方法基于一种基于柱面超声相控阵的井壁成像系统实现，所述系统包括：地面控制器1、电源短节2、声系短节4和电路短节3；
所述的声系短节4包括柱面超声相控阵探头11，该柱面超声相控阵探头11由若干个换能器阵元6周向排列成圆柱形；
所述的电路短节3，用于根据地面控制器1发送的控制信号，控制柱面超声相控阵探头11中的各换能器阵元6沿周向实现超声波信号的聚焦发射和回波信号的聚焦接收，并将采集得到的回波数据经过处理后发送给地面控制器1；
所述的地面控制器1，用于根据接收到的井下数据进行成像；
所述的电源短节2用于为系统供电；
所述方法包括：
步骤1)构建和训练用于井壁缺陷分类的深度信念神经网络；
步骤2)采集待分类的井壁缺陷声回波信号；
步骤3)将待分类的井壁缺陷声回波信号输入训练好的用于井壁缺陷分类的深度信念神经网络，得到井壁缺陷的类别。
作为上述方法的一种改进，所述的电路短节3包括：数字电路板和模拟电路板；
所述的模拟电路板包括：脉冲发射模块、开关阵模块和接收增益控制模块；所述的脉冲发射模块用于生成相控发射高压激励信号，并将相控发射高压激励信号发送至开关阵模块；所述的开关阵模块用于选通发射超声波信号和接收回波信号的换能器阵元6；所述的接收增益控制模块用于调制开关阵模块输出的回波信号增益；
所述的数字电路板包括：CAN总线驱动模块、数字控制处理模块和AD采集与处理模块；所述的CAN总线驱动模块通过CAN总线与地面控制器1进行通信；所述的数字控制处理模块用于解析地面控制器1发送的控制命令，并完成对模拟电路板和AD采集与处理模块的控制；所述的AD采集与处理模块对接收增益控制模块输出的信号进行AD采集，并将AD采集到的回波数据经数字控制处理模块进行数据处理后，通过CAN总线驱动模块发送至地面控制器1。
作为上述方法的一种改进，所述柱面超声相控阵探头11中的换能器阵元6采用灌封胶灌封，该柱面超声相控阵探头11的端部设置有承压外壳8，所述的承压外壳8上设有电极引线接头9，用于连接换能器阵元6的电极。
作为上述方法的一种改进，所述的声系短节4还包括压力平衡机构12和承压接头10；所述的压力平衡机构12和承压接头10设置于柱面超声相控阵探头11的两端，该柱面超声相控阵探头11中部开设有供硅油注入的空腔；
所述的压力平衡机构12包括：转接头13、弹簧16、活塞17和活塞钢筒15；所述的活塞17穿设于转接头13与活塞钢筒15之间，该活塞17通过转接头13与柱面超声相控阵探头11的空腔连通，活塞17两端所在的两个空间内均充满硅油；所述的弹簧16抵设于活塞17与转接头13之间，通过活塞17运动使得柱面超声相控阵探头11内外压力保持平衡；
所述承压接头10的两端分别设置有转接头13和密封塞23，分别用于连接电路短节3和承压外壳8上的电极引线接头9。
作为上述方法的一种改进，所述承压接头10上的转接头13和密封塞23均采用O形密封圈密封。
作为上述方法的一种改进，所述的密封塞23为81芯密封塞。
作为上述方法的一种改进，所述的声系短节4还包括泥浆声速换能器，用于测量声系短节4所处环境的声速。
作为上述方法的一种改进，所述电源短节2和电路短节3的外壁上均设置有扶正器5；所述的扶正器5为支架结构，其外缘与套管7相抵。
作为上述方法的一种改进，所述声系短节4的端部还设有承压块19，用于实现声系短节4的功能扩展。
作为上述方法的一种改进，所述步骤1)具体包括：
步骤1-1)构建权值初始化的深度信念神经网络；
步骤1-2)建立训练集，所述训练集包括若干个井壁缺陷原始回波信号及其对应的缺陷类别；
步骤1-3)对训练集的井壁缺陷声回波信号进行特征提取，获取重构信号和特征量；
利用Mallat分解算法对不同缺陷的井壁缺陷声回波信号进行四层小波包分解，得到第四层的小波包系数，提取信号特征，得到井壁缺陷的重构信号和特征量；
步骤1-4)根据获取重构信号和特征量，对深度信念神经网络进行训练，得到训练好的深度信念神经网络。
本发明的优势在于：
1、检测速度快，相控阵技术采用电子系统控制声束旋转的方式代替了机械旋转，使得测井速度得以提高；
2、提高检测的信噪比，相控阵聚焦发射特性能使目标处的声场强度大为增加，使得目标的反射回波幅度加强；而且，相控阵聚焦接收处理可进一步提高目标回波信号的强度，因此，聚焦发射和聚焦接收技术能大大提高目标探测的信噪比；
3、提高图像分辨率和探测精度。超声相控阵技术的声束聚焦特性能形成比较细小的声束，产生声束达到3dB宽度，比其他常规仪器声束宽度要小得多，这样的声束能较大地提高检测目标图像的分辨率及探测精度；
4、在对一定范围内的井孔进行探测时无需更换探头，由于相控阵聚焦声束的焦点可调，针对不同井孔直径，只需调整探头的聚焦发射和接收延时，即可实现声束在井壁的聚焦，所以无需频繁更换测井探头；
5、本发明的方法将小波包分解算法及神经网络方法相结合的缺陷识别方法，可以提高井壁缺陷的识别率，同时缩短识别时间，提高识别效率。
附图说明
图1为本发明中的井壁成像系统外部结构示意图；
图2为本发明中的井壁成像系统内部结构示意图；
图3a为本发明中的柱面超声相控阵结构示意图；
图3b为图3a中示出的柱面超声相控阵俯视图；
图4为本发明中的柱面超声相控阵探头立体结构示意图；
图5为本发明中的声系短节的内部结构示意图；
图6为本发明提供的声系短节中的压力平衡机构内部结构示意图；
图7为本发明提供的声系短节中的承压接头内部结构示意图；
图8为本发明的基于柱面超声相控阵的井壁缺陷分类识别方法的流程图；
图9为本发明的深度信念神经网络的结构示意图。
附图标记
1、地面控制器 2、电源短节 3、电路短节
4、声系短节 5、扶正器 6、换能器阵元
7、套管 8、承压外壳 9、电极引线接头
10、承压接头 11、柱面超声相控阵探头 12、压力平衡机构
13、转接头 14、注油螺钉 15、活塞钢筒
16、弹簧 17、活塞 18、溢流阀
19、承压块 20、第一O形密封圈 21、导向键
22、快旋螺母 23、密封塞 24、第二O形密封圈
具体实施方式
下面结合附图和具体实施例对本发明进行详细的说明。
本发明提供的一种基于柱面超声相控阵的井壁成像系统整体结构如图1所示，包括：地面控制与成像系统地面控制器、电源短节、电路短节、声系短节和外部机械部件构成。所述的声系短节4包括柱面超声相控阵探头，该柱面超声相控阵探头由若干个换能器阵元周向排列成圆柱形；所述的电路短节3根据地面控制器1发送的控制信号，控制柱面超声相控阵探头中的各换能器阵元沿周向实现超声波信号的聚焦发射和回波信号的聚焦接收，并将采集得到的回波数据发送给地面控制器1；所述的地面控制器1根据接收到的回波数据进行成像。
基于上述结构的井壁成像系统，在系统工作过程中，需要将电源短节2、电路短节3和声系短节4穿设在套管内，并沿套管向井下运动。下面对该系统的各个部件做具体说明：
1)地面控制及处理显示系统：主要通过CAN总线与井下设备通信，用于在PC上实现对井下设备的参数设置，系统故障排查以及回波处理数据的保存与成像，是主要的人机交互途径。
2)电源短节2：包括数字电源板、模拟高压电源板以及模拟低压电源板如图2所示，主要用于将来自地上供电电缆电压转换为各级后续电路所需电压。其中数字电源板给电路短节的数字电路板供电，模拟高压电源板和模拟低压电源板给电路短节的模拟电路板供电。
3)电路短节3：由数字处理电路板和模拟电路板组成。
如图2所示，所述的数字电路板包括CAN总线驱动模块、数字控制处理模块、AD采集与处理模块。所述的CAN总线驱动模块通过CAN总线与地面控制器进行通信；所述的数字控制处理模块用于解析地面控制器发送的控制命令，并完成对脉冲发射模块、开关阵模块、接收增益控制模块、AD采集与处理模块的控制；其具体功能有：解释地面控制器下发的各种命令、完成发射电路发射脉冲宽度、发射阵元、发射延时的控制，同时完成信号增益的自动控制、信号的采集、根据任务对采集数据进行不同的初步处理和进一步处理、把处理后的结果送到通信模块。其中初步处理包括对采集到的原始回波信号按照相控阵聚焦法则进行延时叠加计算，并利用希尔伯特变换对叠加后回波信号取包络；进一步处理指对获得的包络信号进行峰值判断并提取幅度数据，再将这些幅度数据进行拼接从而得到最终所需的成像数据。所述的AD采集与处理模块对接收增益控制模块输出的信号进行AD采集，并将AD采集到的回波数据经数字控制处理模块进行数据处理后，通过CAN总线驱动模块发送至地面控制器。
如图2所示，所述的模拟电路板包括脉冲发射模块、开关阵列模块、接收增益控制模块。所述的脉冲发射模块用于生成相控发射高压激励信号，并将相控发射高压激励信号发送至开关阵模块；所述的开关阵模块用于选通发射超声波信号和接收回波信号的换能器阵元；所述的接收增益控制模块用于调制开关阵模块输出的回波信号增益。通过对自动增益控制模块的控制，其接收信号的增益变化范围达60dB-12dB～48dB，可以对10mV～10V范围内的信号进行放大而不失真。
开关阵列是模拟电路板上的一个功能模块，可采用具有16个独立通道的高压开关阵芯片MAX4968A进行发射通道与换能器阵元之间的切换连接，以达到通道复用的目的。主要用于根据控制信号选通超声发射接收通道与换能器阵元的连接。共两块模拟电路板，每块板子上有两片开关阵芯片，共四片开关阵芯片。系统可设计有8个发射接收通道，每个通道通过开关阵芯片分别与8个相控阵阵元相连，从而实现对64个阵元的8通道复用。
本发明的井壁成像系统在工作时，通过电子开关的快速切换实现换能器发射阵元的切换，从而形成聚焦声束沿井周旋转扫查，只需通过仪器沿井轴上下移动就可以实现对井壁的全面扫查检测。
4)声系短节4：包括泥浆声速换能器、柱面超声相控阵探头11、压力平衡机构12及承压接头10。如图5所示，所述的压力平衡机构12和承压接头10设置于柱面超声相控阵探头11的两端。
所述的泥浆声速换能器用于实时测量超声波所处环境的声速。
如图3a、3b所示，所述的柱面超声相控阵探头11由若干个换能器阵元6排列成圆柱形。套管7内充满井液，柱面超声相控阵探头11随声系短节一起置于套管7中央，通过电路短节的控制电路控制相控阵探头各活动阵元的信号发射和接收延时，从而实现超声相控阵聚焦扫描成像。相控声束角度和焦点位置等可在一定范围内连续动态可调，把聚焦接收等多种信号处理技术用于成像处理，还可进一步提高超声相控阵检测的图像分辨率。
本发明将晶片换能器阵元通过灌封胶灌封在非金属外壳内部，实现了一体式封装探头，探头中部开设有空腔，用于灌入硅油，然后通过O型密封圈密封，与传统的非一体式金属外壳探头相比，这种封装结构减少了探头对信号的反射和衰减。如图4所示，探头结构本身是存在一个承压外壳8，位于探头的端部。所述的承压外壳8上设有电极引线接头9，用于连接换能器阵元的电极。
在具体实施过程中，柱面超声相控阵探头的主要参数可设计为：阵元数64个，外径80mm，耐温150℃，耐压100Mpa。其本身存在承压层，探头与前后机械结构连接并使用O形密封圈实现密封。所述柱面超声相控阵探头中的各个阵元晶片均具有自发自收功能，用于实现超声相控信号的发射与接收。
如图6所示，所述的压力平衡机构包括：转接头13、两个注油螺钉14、活塞钢筒15、弹簧16、活塞17、溢流阀18、承压块19、多种型号O形密封圈。所述承压块19可采用12芯承压块，设置于声系短节4的端部，用于实现声系短节4的功能扩展。所述的两个注油螺钉14分别位于活塞17两端的空间内。
活塞平衡机构用于调节浸在井液中的探头晶片两边液体压力平衡，实现总体压力平衡。活塞平衡机构通过一个活塞移动来实现内外压力平衡，当井液压力大时，活塞移动挤压活塞管内液体，使管内压强上升至与外部压强相同，从而实现两边的压力平衡。
所述的活塞17穿设于转接头13与活塞钢筒15之间，该活塞17通过转接头13与柱面超声相控阵探头的空腔连通，活塞17两端所在的两个空间内均充满硅油；所述的弹簧16抵设于活塞17与转接头13之间，通过活塞17运动使得柱面超声相控阵探头内外压力保持平衡；
为了平衡压力，在仪器下井前，首先打开靠近柱面超声相控阵探头空间内的注油螺钉14，向探头空腔内注入一定量的硅油；然后需要打开远离探头的另一个空间内的注油螺钉14，使用电动或者手动泵，在仪器内部注入硅油，然后弹簧16被压缩，活塞17开始向左移动，当活塞移动最左侧时，溢流阀就开始溢流了，至此完成注油操作。
在系统下井以后，随着温度和深度的变化，活塞17将向压力小的方向移动，直到压力平衡为止。当活塞17位于最左侧时，内压仍然大于外压，溢流阀18启动，开始泄压。由于探头处于活塞平衡机构和承压接头中间，其内部注满硅油，当外部压力引起探头发生形变时，平衡活塞将根据形变情况发生移动，从而维持探头晶片两边液体压力平衡。
所述的承压接头用于连接声系短节与电路短节，实现声系部分浸油，同时保证电路短节的密封和抗压性能。因为相控阵探头直接浸在井孔的高压液体中，而电路系统位于金属保护壳内，属于常压系统，两个空间之间存在巨大的压强差，需要由承压接头承受声系短节带来的高压。
如图7所示，承压接头10包括：转接头13、第一O形密封圈2063.09mm×3.53mm、导向键21、快旋螺母22、第二O形密封圈2455.25mm×2.65mm、密封塞23。所述承压接头10的两端分别设置有转接头13和密封塞23，分别用于连接电路短节3和承压外壳8上的电极引线接头9。承压接头两端的快旋螺母22的螺纹分别与电路短节和声系短节连接，从而实现电路短节与声系短节的硬连接，同时通过密封塞23将硅油隔离在电路短节之外。所述承压接头10上的转接头13采用第一O形密封圈20密封，所述密封塞23可采用81芯密封塞，并通过第二O形密封圈24密封。
5)外部机械部件：包括各短节的骨架结构和扶正器。
各短节的骨架结构主要针对井下高温高压特殊环境的需求而设计。针对抗压需求，声系短节采用浸油方式，通过压力平衡来实现抗压，其材料均为耐高温材料，满足耐高温需求。其他电路骨架置于专门的耐压电路筒中，通过承压接头与声系短节进行链接。
所述的扶正器是独立的支架部件，如图1所示，所述电源短节2和电路短节3的外壁上均设置有扶正器5；其外缘与套管相抵。所述的扶正器可拆卸，下井时固定到套管合适位置即可。扶正器用于确保整个机械结构始终位于油管的中心位置，确保相控阵成像效果。
基于上述成像系统，如图8所示，本发明还提供了一种基于柱面超声相控阵的井壁缺陷分类识别方法，所述方法包括：
步骤1)构建和训练用于井壁缺陷分类的深度信念神经网络；具体包括：
步骤1-1)构建权值初始化的深度信念神经网络；
步骤1-2)建立训练集，所述训练集包括若干个井壁缺陷原始回波信号及其对应的缺陷类别；
选取圆形、方形和三角形等多种形状的平底孔、斜通孔和通孔等这几种缺陷类型；
步骤1-3)对训练集的井壁缺陷声回波信号进行特征提取，获取重构信号和特征量；
在小波包分解的过程中，高频和低频分量的分解可以分解为一个非常精细的水平，并在N层中的信号可以被分解，以获得在频带中的信号的特征信息，原信号的能量即被分解到2N个正交频带，信号在各个频段内的能量总和同原始回波信号的能量应相同，在每个频带中的信号表示的原始回波信号的频率范围内的特征信息。本方法中利用Mallat分解算法对不同缺陷的超声回波进行四层小波包分解，得到第四层的小波包系数，即第四层的16个结点系数。
通过柱面超声相控阵系统对井壁辐射声场，并接收到来自井壁缺陷的原始声回波信号，截取200个采样点的时域信号，通过Mallat小波包分解算法对原始信号进行四层小波包分解并提取信号特征，得到井壁缺陷的重构信号和特征量。
步骤1-4)根据获取重构信号和特征量，对深度信念神经网络进行训练；
深度信念网络模型是由多个RBM(Restricted Boltzmann Machine)的累加，一个RBM包括一个隐含层和一个可见层，隐含层和可见层单元间有双向链接，同一层内部各单元之间无相互连接。
一个典型的深度信念网络，等效于一系列RBM的堆叠而成，也可以看成是由许多个随机变量组成有向无环图，如图9所示，这些网络被划分为一系列RBM，它们由可见层和隐含层组成，隐含层单元被训练去捕捉在可见层表现出来的高阶数据的相关性。在分类网络中，顶层的RBM训练时需要加入标签单元，相应的标签单元被打开设为1，而其他的则被关闭设为0。
利用提取到的井壁缺陷特征量，对已构建权值初始化的深度信念神经网络进行权值训练和缺陷分类测试。
步骤2)采集待分类的井壁缺陷声回波信号；
采用上述柱面超声相控阵的井壁成像系统，将焦点设置在井壁上，利用柱面超声相控阵列发射超声脉冲信号，并接收和采集回波信号，得到待分类的井壁缺陷回波信号。
步骤3)将待分类的井壁缺陷声回波信号输入训练后的深度信念神经网络，得到井壁缺陷的类别。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于柱面超声相控阵的井壁缺陷分类识别方法，该方法基于一种基于柱面超声相控阵的井壁成像系统实现，所述系统包括：地面控制器(1)、电源短节(2)、声系短节(4)和电路短节(3)；
所述的声系短节(4)包括柱面超声相控阵探头(11)，该柱面超声相控阵探头(11)由若干个换能器阵元(6)周向排列成圆柱形；
所述的电路短节(3)，用于根据地面控制器(1)发送的控制信号，控制柱面超声相控阵探头(11)中的各换能器阵元(6)沿周向实现超声波信号的聚焦发射和回波信号的聚焦接收，并将采集得到的回波数据经过处理后发送给地面控制器(1)；
所述的地面控制器(1)，用于根据接收到的井下数据进行成像；
所述的电源短节(2)用于为系统供电；
所述方法包括：
步骤1)构建和训练用于井壁缺陷分类的深度信念神经网络；
步骤2)采集待分类的井壁缺陷声回波信号；
步骤3)将待分类的井壁缺陷声回波信号输入训练好的用于井壁缺陷分类的深度信念神经网络，得到井壁缺陷的类别。
2.根据权利要求1所述的基于柱面超声相控阵的井壁缺陷分类识别方法，其特征在于，所述的电路短节(3)包括：数字电路板和模拟电路板；
所述的模拟电路板包括：脉冲发射模块、开关阵模块和接收增益控制模块；所述的脉冲发射模块用于生成相控发射高压激励信号，并将相控发射高压激励信号发送至开关阵模块；所述的开关阵模块用于选通发射超声波信号和接收回波信号的换能器阵元(6)；所述的接收增益控制模块用于调制开关阵模块输出的回波信号增益；
所述的数字电路板包括：CAN总线驱动模块、数字控制处理模块和AD采集与处理模块；所述的CAN总线驱动模块通过CAN总线与地面控制器(1)进行通信；所述的数字控制处理模块用于解析地面控制器(1)发送的控制命令，并完成对模拟电路板和AD采集与处理模块的控制；所述的AD采集与处理模块对接收增益控制模块输出的信号进行AD采集，并将AD采集到的回波数据经数字控制处理模块进行数据处理后，通过CAN总线驱动模块发送至地面控制器(1)。
3.根据权利要求1所述的基于柱面超声相控阵的井壁缺陷分类识别方法，其特征在于，所述柱面超声相控阵探头(11)中的换能器阵元(6)采用灌封胶灌封，该柱面超声相控阵探头(11)的端部设置有承压外壳(8)，所述的承压外壳(8)上设有电极引线接头(9)，用于连接换能器阵元(6)的电极。
4.根据权利要求3所述的基于柱面超声相控阵的井壁缺陷分类识别方法，其特征在于，所述的声系短节(4)还包括压力平衡机构(12)和承压接头(10)；所述的压力平衡机构(12)和承压接头(10)设置于柱面超声相控阵探头(11)的两端，该柱面超声相控阵探头(11)中部开设有供硅油注入的空腔；
所述的压力平衡机构(12)包括：转接头(13)、弹簧(16)、活塞(17)和活塞钢筒(15)；所述的活塞(17)穿设于转接头(13)与活塞钢筒(15)之间，该活塞(17)通过转接头(13)与柱面超声相控阵探头(11)的空腔连通，活塞(17)两端所在的两个空间内均充满硅油；所述的弹簧(16)抵设于活塞(17)与转接头(13)之间，通过活塞(17)运动使得柱面超声相控阵探头(11)内外压力保持平衡；
所述承压接头(10)的两端分别设置有转接头(13)和密封塞(23)，分别用于连接电路短节(3)和承压外壳(8)上的电极引线接头(9)。
5.根据权利要求4所述的基于柱面超声相控阵的井壁缺陷分类识别方法，其特征在于，所述承压接头(10)上的转接头(13)和密封塞(23)均采用O形密封圈密封。
6.根据权利要求5所述的基于柱面超声相控阵的井壁缺陷分类识别方法，其特征在于，所述的密封塞(23)为81芯密封塞。
7.根据权利要求1所述的基于柱面超声相控阵的井壁缺陷分类识别方法，其特征在于，所述的声系短节(4)还包括泥浆声速换能器，用于测量声系短节(4)所处环境的声速。
8.根据权利要求1所述的基于柱面超声相控阵的井壁缺陷分类识别方法，其特征在于，所述电源短节(2)和电路短节(3)的外壁上均设置有扶正器(5)；所述的扶正器(5)为支架结构，其外缘与套管(7)相抵。
9.根据权利要求1所述的基于柱面超声相控阵的井壁缺陷分类识别方法，其特征在于，所述声系短节(4)的端部还设有承压块(19)，用于实现声系短节(4)的功能扩展。
10.根据权利要求1所述的基于柱面超声相控阵的井壁缺陷分类识别方法，其特征在于，所述步骤1)具体包括：
步骤1-1)构建权值初始化的深度信念神经网络；
步骤1-2)建立训练集，所述训练集包括若干个井壁缺陷原始回波信号及其对应的缺陷类别；
步骤1-3)对训练集的井壁缺陷声回波信号进行特征提取，获取重构信号和特征量；
利用Mallat分解算法对不同缺陷的井壁缺陷声回波信号进行四层小波包分解，得到第四层的小波包系数，提取信号特征，得到井壁缺陷的重构信号和特征量；
步骤1-4)根据获取重构信号和特征量，对深度信念神经网络进行训练，得到训练好的深度信念神经网络。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710589629.8A CN109281653A (zh) | 2017-07-19 | 2017-07-19 | 一种基于柱面超声相控阵的井壁缺陷分类识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710589629.8A CN109281653A (zh) | 2017-07-19 | 2017-07-19 | 一种基于柱面超声相控阵的井壁缺陷分类识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109281653A true CN109281653A (zh) | 2019-01-29 |
Family
ID=65184336
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710589629.8A Pending CN109281653A (zh) | 2017-07-19 | 2017-07-19 | 一种基于柱面超声相控阵的井壁缺陷分类识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109281653A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110988981A (zh) * | 2019-12-23 | 2020-04-10 | 山东大学 | 一种适用于钻爆法隧道的相控阵声波超前预报系统及方法 |
| CN115680618A (zh) * | 2021-07-29 | 2023-02-03 | 中国石油化工股份有限公司 | 一种阵列式多频声波油气井套管可视化方法及检测装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1112639A (zh) * | 1994-05-26 | 1995-11-29 | 魏营隆 | 大钻机钻进过程中钻头中心坐标超声波实时测量 |
| CN2613758Y (zh) * | 2003-03-11 | 2004-04-28 | 中国石油天然气集团公司 | 高温高压多参数超声工程测井仪声系 |
| CN2627214Y (zh) * | 2003-03-28 | 2004-07-21 | 中国石油天然气集团公司 | 多参数超声工程测井仪 |
| CN101493438A (zh) * | 2009-02-18 | 2009-07-29 | 宁波工程学院 | 一种相控阵超声检测数据采集与处理装置 |
| CN202031567U (zh) * | 2011-01-05 | 2011-11-09 | 中国海洋石油总公司 | 一种用于隔水管内环空瞬时流量测量的电路 |
| CN102877827A (zh) * | 2012-10-10 | 2013-01-16 | 中国石油天然气集团公司 | 一种随钻声波测井的声系模块 |
| CN104330480A (zh) * | 2013-07-22 | 2015-02-04 | 中国科学院声学研究所 | 一种用于超声相控阵成像检测仪的故障诊断方法 |
| CN204283410U (zh) * | 2014-11-28 | 2015-04-22 | 中国石油天然气集团公司 | 一种多极子阵列声波测井仪peek材料封装的发射声系 |
| CN205117265U (zh) * | 2015-11-19 | 2016-03-30 | 北京美高科技发展有限公司 | 电缆式电液控制割管工具 |
| CN206091977U (zh) * | 2016-08-22 | 2017-04-12 | 西安石竹能源科技有限公司 | 一种多功能四臂井径 |
-
2017
- 2017-07-19 CN CN201710589629.8A patent/CN109281653A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1112639A (zh) * | 1994-05-26 | 1995-11-29 | 魏营隆 | 大钻机钻进过程中钻头中心坐标超声波实时测量 |
| CN2613758Y (zh) * | 2003-03-11 | 2004-04-28 | 中国石油天然气集团公司 | 高温高压多参数超声工程测井仪声系 |
| CN2627214Y (zh) * | 2003-03-28 | 2004-07-21 | 中国石油天然气集团公司 | 多参数超声工程测井仪 |
| CN101493438A (zh) * | 2009-02-18 | 2009-07-29 | 宁波工程学院 | 一种相控阵超声检测数据采集与处理装置 |
| CN202031567U (zh) * | 2011-01-05 | 2011-11-09 | 中国海洋石油总公司 | 一种用于隔水管内环空瞬时流量测量的电路 |
| CN102877827A (zh) * | 2012-10-10 | 2013-01-16 | 中国石油天然气集团公司 | 一种随钻声波测井的声系模块 |
| CN104330480A (zh) * | 2013-07-22 | 2015-02-04 | 中国科学院声学研究所 | 一种用于超声相控阵成像检测仪的故障诊断方法 |
| CN204283410U (zh) * | 2014-11-28 | 2015-04-22 | 中国石油天然气集团公司 | 一种多极子阵列声波测井仪peek材料封装的发射声系 |
| CN205117265U (zh) * | 2015-11-19 | 2016-03-30 | 北京美高科技发展有限公司 | 电缆式电液控制割管工具 |
| CN206091977U (zh) * | 2016-08-22 | 2017-04-12 | 西安石竹能源科技有限公司 | 一种多功能四臂井径 |
Non-Patent Citations (3)
| Title |
|---|
| 施成龙等: "利用深度神经网络和小波包变换进行缺陷类型分析", 《声学学报》 * |
| 李健等: "超声相控阵检测CFRP缺陷识别方法", 《天津大学学报》 * |
| 董晗等: "石油钻井中超声相控阵井壁成像检测技术研究", 《机械工程学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110988981A (zh) * | 2019-12-23 | 2020-04-10 | 山东大学 | 一种适用于钻爆法隧道的相控阵声波超前预报系统及方法 |
| CN110988981B (zh) * | 2019-12-23 | 2021-09-14 | 山东大学 | 一种适用于钻爆法隧道的相控阵声波超前预报系统及方法 |
| CN115680618A (zh) * | 2021-07-29 | 2023-02-03 | 中国石油化工股份有限公司 | 一种阵列式多频声波油气井套管可视化方法及检测装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109281652A (zh) | 一种基于柱面超声相控阵的井壁成像系统 | |
| AU2011382521B2 (en) | Acoustic transducer apparatus, systems, and methods | |
| BR112021000838A2 (pt) | Avaliação de cimento através da tubulação com o uso de métodos sísmicos | |
| CN101782553B (zh) | 储气井井筒壁厚及腐蚀检测系统 | |
| CN103777247B (zh) | 一种瞬变电磁雷达探测系统及探测方法 | |
| US20150338378A1 (en) | Ultrasonic signal time-frequency decomposition for borehole evaluation or pipeline inspection | |
| EP3092369A1 (en) | Devices and methods for downhole acoustic imaging | |
| CN102967657A (zh) | 一种基于合成孔径超声成像技术的无损检测方法 | |
| CA2632759A1 (en) | Programmable data acquisition for tubular objects | |
| NO343125B1 (no) | Fremgangsmåte og apparat for deteksjon av ekkomaksimum ved logging av akustiske avbildninger av fôringsrør i brønnhull | |
| CN101122228A (zh) | 一种井下前视相控声波成像方法及成像装置 | |
| CN107907597A (zh) | 一种贯入式超声波土体含水率测试装置及方法 | |
| CN109281650A (zh) | 一种基于柱面超声相控阵的井壁实时成像方法 | |
| CN105445371B (zh) | 电子束焊缝的超声相控阵快速扫查装置和检测方法 | |
| CN105888647A (zh) | 一种声波变密度测井仪标定方法与装置 | |
| US10718865B2 (en) | Method of compressing beamformed sonar data | |
| CN109281653A (zh) | 一种基于柱面超声相控阵的井壁缺陷分类识别方法 | |
| US6002639A (en) | Sensor configuration for nulling reverberations to image behind reflective layers | |
| CN109736780A (zh) | 一种用于海上风电塔基探测的声波远探测成像与评价系统 | |
| CN106501285B (zh) | 无损检测预应力管道的压浆密实度的设备及检测方法 | |
| Lu et al. | Azimuthally acoustic logging tool to evaluate cementing quality | |
| CN109115892A (zh) | 竖直管道的管壁检测装置、检测系统及检测方法 | |
| CN108508093A (zh) | 一种工件缺陷高度的检测方法及系统 | |
| CN103743820B (zh) | 基于全域渡越时间参数的混凝土柱质量超声检测装置及方法 | |
| CN206756749U (zh) | 海底沉积物原位声学测量系统的数据采集装置 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Chen Shiwen Inventor after: Zhang Bixing Inventor after: Yan Shouguo Inventor after: Huang Juan Inventor before: Chen Shiwen Inventor before: Zhang Bixing |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190129 |